导读:本文包含了全局定位论文开题报告文献综述及选题提纲参考文献，主要关键词:襄阳,习近平,改进作风,政治生态,定位,学习成效,实践维度,价值维度,下午,民生实事
全局定位论文文献综述
严俊杰,关辉,洪瑞[1]（2019）在《自觉在党的事业全局中找到方位找准定位 推进襄阳“一极两中心”建设高质量发展》一文中研究指出9月18日下午，市委书记李乐成主持市委常委会“不忘初心、牢记使命”主题教育读书班研讨交流会，李乐成在交流时强调，新时代的共产党员要保持“赶考”的清醒和坚定，答好新时代答卷，巩固升华理想信念，坚定走中国特色社会主义道路。省委第二巡回指导组组长吕江文(本文来源于《襄阳日报》期刊2019-09-19）
章洋,李星博,胡丁文,杨帆,兰长勇[2]（2019）在《基于特征匹配和MCL的全局融合定位算法研究》一文中研究指出传统的蒙特卡洛定位(Monte Carlo Localization, MCL)算法在实时性以及定位精度上,都还存在改进的余地。通过将特征匹配和蒙特卡洛定位进行融合,对基于特征匹配和MCL的全局融合定位算法进行了研究。融合定位算法在蒙特卡洛定位的基础上,增加了线段特征匹配的过程,用于缩小定位的范围,从而改善定位精度和实时性。在MATLAB软件以及机器人的测试实验中,通过叁角形运动路径来对比蒙特卡洛定位算法与融合定位算法的定位精度,实验结果表明融合定位算法的定位精度比蒙特卡洛定位算法提高了78%。(本文来源于《电脑知识与技术》期刊2019年19期）
李世宝,王升志,张鑫,陈海华,刘建航[3]（2019）在《基于全局流形结构的半监督学习室内定位算法》一文中研究指出针对传统基于WLAN的指纹定位方法中,因需要密集采集参考点标记数据带来的指纹库构建工作开销大的问题,提出一种基于全局特征保持的半监督流形对齐指纹库构建算法。该算法仅利用少量采集时间开销大的标记数据,结合大量易采集的未标记数据,通过求解流形对齐目标函数,实现对未标记数据的位置标定,减少指纹库构建的消耗。同时,运用测地线距离得到全局流形结构以充分挖掘少量标记数据中的对应特征,提升在少量标记数据情况下构建的指纹库精度。真实场景的实验结果表明,所提算法可以显着降低离线指纹库的构建开销,同时可以取得较优的定位精度。(本文来源于《计算机与现代化》期刊2019年07期）
刘奇[4]（2019）在《基于激光雷达的无人车全局定位算法研究》一文中研究指出准确定位是无人驾驶的关键技术之一,传统的车辆定位使用全球定位导航系统(Global Navigation Satellite System,GNSS),但在复杂的城市环境下由于多路径和非视距传播效应GNSS不能为无人车提供准确的定位。同时定位与建图(Simultaneous Localization And Mapping,SLAM)由于帧间配准不可避免地存在微小误差导致SLAM的累积误差随着无人车行驶里程的增加而增大,也不能直接用于无人车的定位。本文针对复杂城市环境下GNSS和SLAM无法为无人车提供准确定位问题,研究基于激光雷达(Light Detection and Ranging,LiDAR)和先验3D点云地图的无人车定位算法。首先,针对激光点云配准问题,本文给出根据点云曲率大小提取特征点的方法,并将特征点分为边缘特征点和平面特征点。为了计算无人车在相邻帧之间的位姿变换关系,根据当前帧边缘特征点到其对应的参考帧特征直线以及当前帧平面特征点到其对应的参考帧特征平面的距离构建损失函数,通过最小化损失函数就可以计算出无人车的帧间位姿变换关系。其次,针对3D点云地图建立问题,提出基于自适应信息矩阵的激光里程计(LiDAR-odometry)位姿图优化(pose graph)建图方法,解决了仅依靠激光里程计建图产生建图偏移较大的问题。本文使用LiDAR和GNSS数据构建位姿图,其中无人车位姿作为节点,激光里程计作为节点间的约束,GNSS对无人车的观测作为无人车位姿先验信息。构建的位姿图本质是一个最小二乘问题,根据优化后的位姿拼接点云即可创建先验3D点云地图。本文根据帧间配准的结果构造位姿图中的信息矩阵以及GNSS信息的加入提高了建图效果。然后,针对无人车定位问题,本文提出了基于曲率大小的特征点与蒙特卡罗定位(3D curvature features-Monte Carlo Localization,3DCF-MCL)的融合定位算法,解决了在城市环境下由于建筑物遮挡GNSS信号较弱或无GNSS信号的情况下无人车需要准确定位的问题。定位时使用GNSS提供无人车在世界坐标系(或地图坐标系)下的位姿初值,轮速传感器提供粒子滤波(particle filter)预测阶段的里程计信息,根据从当前LiDAR采集的点云中提取的特征点与先验点云地图配准结果对预测阶段的无人车位姿进行更新。3DCF-MCL的优势在于它融合了3D特征点配准的准确性和粒子滤波的鲁棒性。最后,使用室外采集的真实场景数据对算法进行了验证。实验表明,3DCF-MCL在将本文创建的3D点云地图作为先验地图的情况下,可以精确、实时、鲁棒地对无人车定位。通过与权威的基于激光雷达的定位算法作对比表明3DCF-MCL的定位性能优于它们。(本文来源于《哈尔滨工业大学》期刊2019-06-01）
左宗伟,吴志红,钟斌,潘世鹏[5]（2019）在《大气魄：放眼全局谋定位》一文中研究指出嘉兴市是长江叁角洲重要城市之一，处于江、海、湖、河交汇之位，扼太湖南走廊之咽喉，与沪、杭、苏、湖等城市相距均不到百公里，在人间天堂苏杭之间，区位优势明显。站位的高度，决定着发展的广度和崛起的力度。近年来，嘉兴市把全面融入长叁角区域一体化发展国家战(本文来源于《池州日报》期刊2019-05-28）
王素敏[6]（2019）在《基于全局视觉定位的SLAM技术研究》一文中研究指出SLAM(Simultaneous localization and mapping)是把智能机器人领域的两大核心问题-定位和建图放在同一系统中进行解决的技术,它使得机器人在陌生环境中的导航及路径规划具有更多的自主性。其中的单目直接法SLAM在建图方面有着明显优势,而且使用的传感器结构简单,价格低廉,因此成为了现在的研究热点。但是实际应用中在回环处得到的轨迹误差较大,针对这一问题提出了在回环处使用全局视觉定位对SLAM的轨迹进行修正的方法。但是一般的全局视觉定位对于环境的要求苛刻,对此提出基于QR码图形特征全局视觉定位方法。在研究过程中首先对一般的单目相机成像模型进行探索,对相机标定原理进行了研究,并使用张正友标定算法分别对全局相机和单目相机进行了标定为后续实验做出准备。其次对提出的基于QR码的全局视觉定位进行研究。在简化相机模型的基础上,对此定位方法的原理进行详细的分析,又对影响其定位精度的因素进行了实验研究。通过改变相机安装高度对不同高度下的视野范围及定位误差进行分析研究,得到相机高度越高视野范围越大但定位误差也越大的结论,并选出最佳的实验高度;通过让小车直线行驶和曲线行驶来分析目标与相机中心点的距离对定位精度的影响,得出目标距离相机中心越远误差越大,且与行驶路径无关的结论;通过让小车在整个视野范围内行驶对小车的定位精度进行分析,发现此定位方法得到的位置误差不超过4cm,转向角的误差不超过5°,说明此定位方法具有良好的精确性。然后对单目SLAM进行了研究。由于灰度阈值对构建出的叁维点云地图及计算时间有很大的影响,通过实验探究了阈值与建图的关系并选出合适的阈值进行后续实验;由于单目相机具有尺度不确定性的问题,而加入了尺度因子的图优化中可以很好地解决这一问题,并在数据集上进行了实验验证。研究了在回环处全局定位对SLAM轨迹的修正作用,实验分析得知修正后的绝对误差在x方向和y方向分别减小了22.126cm和17.411cm,结果表明此方法可以很好的修正回环处的轨迹。(本文来源于《新疆大学》期刊2019-05-24）
钱堃,通迅员,郑凤芹,高铭泽[7]（2019）在《砥砺奋进奏响高质量发展新乐章》一文中研究指出今年以来，章丘区双山街道紧紧围绕区委、区政府的工作部署，进一步深化“1551”工作布局，高标定位，创新发展，砥砺奋进，争创一流，使区域经济和社会事业始终保持健康快速发展的良好态势。今年1至3月份，该街道工业总产值完成13.5亿元，利税1.28亿元。(本文来源于《济南日报》期刊2019-05-13）
卢清秀,陆兴华[8]（2019）在《基于动态跟踪测量的机器人激光全局定位系统设计》一文中研究指出针对当前机器人全局定位系统存在的灵活性和抗干扰性较差、定位准确性不理想的问题,提出并设计基于动态跟踪测量的机器人激光全局定位系统。硬件设计部分,将电源供应定义为3. 3 V、5 V及0～5 V可调式电压,并利用AS117专用的集成式稳压芯片实现电源的稳压;通过FYD12864-0402B实现机器人定位系统的可视化,将系统的8个I/O口与绿色发光二极管连接,对系统指示灯进行调试;根据系统光电检测和抗干扰单元辅助机器人定位、抵御定位过程中的干扰;利用系统通讯单元的串行式通信模式实现机器人激光全局定位各单元通信。以硬件设计结构为依据,通过动态跟踪激光测距设备对机器人运动环境特征进行感知,获取机器人所处环境信息数据,并对信息数据特征进行识别,得到机器人运动环境全局地图。利用机器人的里程计信息与前一刻机器人位姿预测当前时刻机器人位姿,将激光传感器的测距信息数据与特征地图配准,并更新机器人当前位姿,完成机器人全局定位。实验结果表明,该系统灵活系数和抗干扰系数大、定位精度高,具有可信性。(本文来源于《激光杂志》期刊2019年04期）
胡兵,杨明,郭林栋,王春香,王冰[9]（2019）在《基于地面快速鲁棒特征的智能车全局定位方法》一文中研究指出针对目前视觉定位方法大多基于地面语义特征(如车道线、停车线等)容易受到其他地面语义特征(如箭头、斑马线等)的影响,提出了一种基于地面快速鲁棒特征(SURF)点的全局定位方法.该方法首先在鸟瞰图中检测SURF点,结合高精度GPS构建地面SURF地图.然后在此基础上,使用迭代最近点算法,将在线检测结果与地图匹配获得车辆全局定位,并通过扩展卡尔曼滤波将定位结果与惯导和里程计数据进行融合,提高全局定位精度.实验结果表明,所提出的方法可获得分米级定位结果,能满足智能车的定位需求.(本文来源于《上海交通大学学报》期刊2019年02期）
殷鹏,何玉庆,韩建达,徐卫良[10]（2019）在《基于多分辨率粒子滤波的全局协同定位方法》一文中研究指出野外环境下,多类型机器人协同合作可以克服单一类型机器人(如无人车、无人机等)在环境建模任务中的视角、尺度方面的问题,进而提高整体编队系统的环境感知与决策控制能力.而在多类型机器人协作系统中,协作定位是协同合作的关键难题之一,也是进行编队建模与编队控制的基础.在GPS缺失环境下,由于传感器类型的不同,非结构化的环境特征,视角的不同而导致基于匹配的多机器人定位方法无法实现有效稳定的定位.本文提出了一种基于多分辨率最近邻匹配和粒子滤波的协同定位方法,可以在初始相对位置未知的情况下,进行全局范围内的协同定位.本文采用了一种针对粒子匹配精度以及匹配效率的评估方法,并根据粒子评估结果进行粒子权重更新,地图更新以及粒子数目更新,以平衡在定位过程中粒子对状态空间的描述和定位效率.同时,针对于粒子退化或者粒子收敛速度过慢的问题,采用了基于分辨率等级和粒子匹配精度和匹配效率的自适应调整方法.最后结合具体平台,本方法在野外水湾环境进行了基于无人船与无人机的协同定位实验,实验结果表明本方法有效解决多机器人在GPS缺失下的协同定位问题.(本文来源于《中国科学:技术科学》期刊2019年01期）
全局定位论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
传统的蒙特卡洛定位(Monte Carlo Localization, MCL)算法在实时性以及定位精度上,都还存在改进的余地。通过将特征匹配和蒙特卡洛定位进行融合,对基于特征匹配和MCL的全局融合定位算法进行了研究。融合定位算法在蒙特卡洛定位的基础上,增加了线段特征匹配的过程,用于缩小定位的范围,从而改善定位精度和实时性。在MATLAB软件以及机器人的测试实验中,通过叁角形运动路径来对比蒙特卡洛定位算法与融合定位算法的定位精度,实验结果表明融合定位算法的定位精度比蒙特卡洛定位算法提高了78%。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
全局定位论文参考文献
[1].严俊杰,关辉,洪瑞.自觉在党的事业全局中找到方位找准定位推进襄阳“一极两中心”建设高质量发展[N].襄阳日报.2019
[2].章洋,李星博,胡丁文,杨帆,兰长勇.基于特征匹配和MCL的全局融合定位算法研究[J].电脑知识与技术.2019
[3].李世宝,王升志,张鑫,陈海华,刘建航.基于全局流形结构的半监督学习室内定位算法[J].计算机与现代化.2019
[4].刘奇.基于激光雷达的无人车全局定位算法研究[D].哈尔滨工业大学.2019
[5].左宗伟,吴志红,钟斌,潘世鹏.大气魄：放眼全局谋定位[N].池州日报.2019
[6].王素敏.基于全局视觉定位的SLAM技术研究[D].新疆大学.2019
[7].钱堃,通迅员,郑凤芹,高铭泽.砥砺奋进奏响高质量发展新乐章[N].济南日报.2019
[8].卢清秀,陆兴华.基于动态跟踪测量的机器人激光全局定位系统设计[J].激光杂志.2019
[9].胡兵,杨明,郭林栋,王春香,王冰.基于地面快速鲁棒特征的智能车全局定位方法[J].上海交通大学学报.2019
[10].殷鹏,何玉庆,韩建达,徐卫良.基于多分辨率粒子滤波的全局协同定位方法[J].中国科学:技术科学.2019