上海導航傳感器模塊

    一支科研團隊提出了一種增強型LiDAR-IMUSLAM框架，專門解決自主模塊化公交車（AMB）對接過程中的找到精確位置難題，對推動模塊化公共交通的實用化具有重要意義。該框架基于LIO-SAM算法優(yōu)化，針對AMB對接時的垂直漂移和近距離遮擋兩大挑戰(zhàn)，提出三項關鍵改進：一是采用帶地面約束的兩階段點云-地圖匹配方法，先通過地面特征穩(wěn)定z軸位置、橫滾角和俯仰角，再用非地面特征優(yōu)化x、y軸位置和航向角，減少垂直漂移；二是引入融合IMU橫滾/俯仰約束和周期性因子圖重置的優(yōu)化策略，避免長期誤差累積；三是基于深度學習PointPillars算法實現(xiàn)前車檢測與點云濾波，減輕對接時的動態(tài)遮擋影響。經實車測試驗證，該框架在單車場景下的軌跡誤差（ATE）均值m，z軸均方根誤差（RMSE）低至m，優(yōu)于傳統(tǒng)LIO-SAM；雙車對接場景下，姿態(tài)誤差（APE）和相對姿態(tài)誤差（RPE）較無遮擋濾波的基線方案分別降低約59%和47%，確保了AMB對接所需的高精度位置信息。 針對風電、石油鉆機等大型設備，IMU 傳感器實時采集振動數據，結合機器學習預測故障風險，延長設備壽命。上海導航傳感器模塊

    近期科研團隊研發(fā)并實地驗證了一款基于超寬帶（UWB）與慣性測量單元（IMU）融合導航的木瓜溫室自主噴霧機器人，解決了傳統(tǒng)人工噴霧勞動強度大、化學成分暴露高及溫室環(huán)境GPS信號失效的問題。該機器人采用4個溫室固定UWB基站與2個車載移動UWB模塊，結合BNO055IMU傳感器，通過無跡卡爾曼濾波（UKF）融合位置、加速度、角速度及姿態(tài)數據，實現(xiàn)精位與航向估計；搭載48V鋰電池、200L容量及可調壓噴霧系統(tǒng)，支持預設路徑導航、化學成分耗盡自動返回補給站及斷點續(xù)噴功能，同時集成超聲波碰撞傳感器與手動急停開關作業(yè)安全。在中國臺灣高雄木瓜溫室的實地測試表明，機器人比較高作業(yè)速度達m/s，橫向偏差在m以內，噴霧霧滴密度（果實表面1708個/cm2）和均勻性優(yōu)于傳統(tǒng)背負式噴霧器，田間作業(yè)效率（ha/h）是人工噴霧的5倍，且害蟲防治效果與人工相當，完全避免了人員直接接觸化學成分，為溫室精細農業(yè)提供了安全、可持續(xù)的解決方案。 江蘇六軸慣性傳感器模塊IMU傳感器可以通過螺絲固定、粘貼或嵌入到設備中，具體安裝方式取決于應用需求和設備設計。

    自主機器人導航中，可靠的里程計估計至關重要，但隧道、長走廊等無幾何特征環(huán)境會導致激光雷達點云退化，傳統(tǒng)激光雷達-慣性測量單元（LiDAR-IMU）里程計易出現(xiàn)誤差累積。對于滑移轉向機器人，輪式里程計雖能提供補充約束，但車輪打滑、橫向運動等復雜動作會引發(fā)非線性誤差，且誤差受地形影響較大，傳統(tǒng)線性模型難以描述。近日，日本東北大學與產業(yè)技術綜合研究所（AIST）團隊在《RoboticsandAutonomousSystems》期刊發(fā)表其成果，提出一種緊密耦合的LiDAR-IMU-輪式里程計算法。該算法創(chuàng)新融入神經網絡在線訓練，通過因子圖優(yōu)化實現(xiàn)傳感器融合與運動學模型學習的統(tǒng)一。研究設計的神經網絡分為離線和在線學習模塊，離線模塊預訓練捕捉地形無關特征，在線模塊實時適配地形動態(tài)變化，同時提出神經自適應里程計因子，確保模型約束與傳感器數據一致性。實驗驗證顯示，該算法在點云退化、車輪大幅打滑等極端場景下表現(xiàn)穩(wěn)健，在8種不同地形及3類復雜測試序列中，軌跡誤差（ATE）和相對軌跡誤差（RTE）均優(yōu)于現(xiàn)有主流方法，較固定網絡模型精度提升超一倍，且處理耗時為秒，滿足實時應用需求。該技術為GNSS缺失環(huán)境下的機器人導航提供了新方案。

    識別人體步態(tài)是外骨骼機器人實現(xiàn)人機協(xié)同操作的關鍵，現(xiàn)有基于慣性測量單元（IMU）的步態(tài)識別方法多利用慣性數據，忽視人體關節(jié)空間關聯(lián)與運動時序特征，難以滿足外骨骼實時操作需求。尤其在行走、上下樓梯、爬坡等多種復雜步態(tài)場景中，傳統(tǒng)算法易因特征提取不完全導致識別精度不足。近日，華東理工大學等團隊在《iScience》期刊發(fā)表成果，提出一種融合時空注意力機制的雙流時空圖卷積網絡（2s-ST-STGCN），為多IMU的骨骼式步態(tài)識別提供新方案。該技術通過人體正運動學求解模塊，將IMU采集的腰、大腿、小腿、腳踝等部位的九軸運動數據，轉化為7節(jié)點、8節(jié)點、10節(jié)點三種骨骼模型，創(chuàng)新性引入雙流結構，同時輸入關節(jié)數據、骨骼數據及其運動信息，搭配時空注意力模塊捕捉步態(tài)周期中關鍵時序幀與空間關節(jié)關聯(lián)。 導航傳感器的價格范圍是多少？

    中挪聯(lián)合科研團隊提出一種基于慣性測量單元（IMU）的6自由度（6-DOF）相機運動校正方法，解決了攝影測量和光學測量中環(huán)境干擾（如風、地面振動）導致的相機抖動問題。該方法依賴IMU傳感器，通過卡爾曼濾波融合加速度計、陀螺儀和磁力計數據，估算相機的三軸旋轉（橫滾、俯仰、偏航）和三軸平移（前沖、側移、升降）運動；構建6個相機模型，分別計算各自由度運動引發(fā)的像素偏移，終從圖像序列中剔除抖動噪聲。實驗驗證表明，該方法運動校正率約80%，物體距離（3-12m）對校正效果影響極?。?00mm焦距鏡頭的校正率（）略優(yōu)于50mm鏡頭（）；像素抖動噪聲中90%以上由相機旋轉引起，旋轉誘導的像素偏移與物體距離無關，而平移誘導的偏移與物體距離呈負相關。該方法無需依賴靜態(tài)參考點，部署簡便，適用于橋梁監(jiān)測、無人機測量等多種光學測量場景。 導航傳感器的安裝是否復雜？江蘇高精度慣性傳感器校準

如何評估慣性傳感器的抗振性能？上海導航傳感器模塊

    工業(yè)管道（如油氣管道、市政管網）的內部檢測常面臨管線彎曲、坡度變化等復雜場景，傳統(tǒng)導航系統(tǒng)易出現(xiàn)定位漂移，影響檢測精度。近日，某自動化檢測設備企業(yè)推出搭載高精度IMU的管道檢測機器人，提升復雜管線的巡檢能力。機器人機身及檢測探頭處安裝多組抗干擾IMU傳感器，采樣率達800Hz，實時捕捉機器人的姿態(tài)變化、行進速度及管線坡度數據。通過與慣性導航算法融合，結合管道內壁的特征匹配，實現(xiàn)定位誤差小于±2cm/100米的高精度導航，即使在管線轉彎、爬坡等場景下也能穩(wěn)定輸出位置信息。同時，IMU數據可輔助調整機器人的行進姿態(tài)，確保檢測探頭與管道內壁保持比較好距離，提升缺陷識別率。實地測試顯示，該機器人在直徑50cm的油氣管道中完成3公里巡檢任務，缺陷漏檢率較傳統(tǒng)設備降低40%，巡檢效率提升25%。目前已應用于石油、化工、市政等領域的管道檢測，未來將拓展至長距離海底管道巡檢場景。 上海導航傳感器模塊