搜索资源列表
FreeIMU_6DOF
- ADS环境下开发的惯性导航工程，FREEIMU算法，实现姿态实时求解，lpc2368芯片，MPU6050传感器组，6轴自由度融合，上电可运行-ADS development environment inertial navigation project, FREEIMU algorithm to achieve real-time gesture solving, lpc2368 chip, MPU6050 sensors, 6-axis degree of freedom fusion pow
MPU-6000 and MPU-6050
- MPU-6000（6050）整合了3轴陀螺仪、3轴加速器，并含可藉由第二个I2C端口连接其他厂牌之加速器、磁力传感器、或其他传感器的数位运动处理(DMP: Digital Motion Processor)硬件加速引擎，由主要I2C端口以单一数据流的形式，向应用端输出完整的9轴融合演算技术InvenSense的运动处理资料库，可处理运动感测的复杂数据，降低了运动处理运算对操作系统的负荷，并为应用开发提供架构化的API。
madgwick_algorithm_c
- 一个基于四元数的多传感器数据融合姿态算法例程。-An ecient orientation lter for inertial and inertial/magnetic sensor arrays
The-principle-of-Calman-filter
- 卡尔曼滤波器是一个“optimal recursive data processing algorithm（最优化自回归数据处理算法）”。对于解决很大部分的问题，他是最优，效率最高甚至是最有用的。他的广泛应用已经超过30年，包括机器人导航，控制，传感器数据融合甚至在军事方面的雷达系统以及导弹追踪等等。近年来更被应用于计算机图像处理，例如头脸识别，图像分割，图像边缘检测等等。-Kalman filter is an " optimal recursive data processing a
Experimental-study--
- 绍了一个微小型自主直升机试验平台的系统组成和工作原理。基于嵌入式计算机和MEMS传 感器技术，构建了一个小巧的低成本飞行控制系统；针对微小型直升机的姿态控制问题，提出 了一种基于多传感器测量的姿态数据融合方法和姿态控制算法，并进行了飞行试验研究，同时 探讨了初期试验阶段的实用安全装置和方法，给出了单自由度、三自由度和系留飞行姿态控制 试验的结果与分析。-Introduction of a miniature autonomous helicopter testbed system
ronghe
- 两个传感器进行串联形式连接，融合系统贝叶斯风险曲线以及ROC曲线-Two sensors are connected in series, as well as fusion system Bayesian risk curve ROC curve
D-S-matlab
- 融合多个传感器多个周期的数据，最终做出决策 matlab实现DS信息融合-Integration of multiple sensors multiple cycles of data,and make the final decision at last
Frontier-API(goal)
- MFC机器人控制文件,包括传感器信息采集，融合处理等-MFC robot control documents, including sensor information collection, fusion, etc.
MMWIR
- 红外与雷达的异类传感器异步数据融合，采用序惯融合结构-Infrared and radar sensors heterogeneous asynchronous data fusion, using Sequential fusion structure
2Multi-sensor-image-fusion
- 基于Contourlet变换的多传感器图像融合_高斌-Multi-sensor image fusion based on Contourlet transform 2 _ gao
6multi-sensor-image-fusion
- 6多传感器图像融合方法研究 殷兵云 西安电子科技大学 硕士 2009年-6 multi-sensor image fusion method research YanBing cloud xian university of electronic science and technology master degree in 2009
IMM_UKF
- 在主/被动雷达双传感器目标跟踪背景下, 提出一种基于IMM- UKF 滤波的加权数据融合算法。-A data fusion algorithm using IMM-UKF is presented based on active/ passive radar target tracking. The algorithm is established in terms of IMM( interact ing mult iple model) and UKF( unscented Kalman f
2222
- 针对无线传感器网络中,节点受噪声影响导致测量精度下降的问题,提出一种基于滑动窗口内正态记分 检验的同质感知数据融合方法.在节点内设置滑动窗口,存储一个周期内的测量值样本数据,并对样本数据进行双样 本正态记分检验,-Due to the declining accuracy caused by noise in wireless sensor networks, a data fusion method called normal score test, based on slidi
5555
- 利用格罗贝斯统计理论剔除系统误差数据。对余下的有效数据，利用模糊理论计算其与估计值之间的模糊 贴近度，并以此确定每个传感器的重要性权重，最后提出数据融合公式实现多传感器的数据融合。应用实例验证 了该方法的有效性。-Grubbs statistical theory eliminate the use of the system error data. The remaining valid data, the use of fuzzy theory to calculate its fu
WLAN-and-WSNBased-Heterogeneous
- 归纳了基于WLAN和WSN的异构网络协同定位算法研究中的关键问题指出了如何根据终端位置环境同时搜索WLAN和无线传感器网络以及改进后的网络融合定位算法- The key problems of heterogeneous network based on WLAN and WSN in the study of collaborative localization algorithm were summarized. According to terminal location envi
WLAN-and-WSN-fusion-algorithm
- 针对大型建筑物复杂环境室内定位的特殊性，为了克服移动终端采用WLAN或无 线传感器网络单独定位精度不高的局限性，实现移动终端精确定位导航,提出了根据终端位 置环境同时搜索WLAN和无线传感器网络，采用改进后的网络融合定位算法，可以为用户 提供高精度、高概率和高保密性的定位业务。-For large buildings in the complex environment of indoor positioning particularity, in order to overcome
AEKF
- 用于多传感器信息融合的目标定位的自适应卡尔曼滤波算法-Adaptive Kalman filter algorithm for targeting multi-sensor information fusion
KF1
- 基本卡尔曼滤波实现。加入了多传感器及信息融合的内容-kalman filter
image-fusion-of-different-sensors
- 使用matlab实现不同传感器下的图像融合，并输出融合结果-Image fusion using matlab under different sensors and output fusion results
MEKF
- 该论文提出了一种改进的扩展卡尔曼滤波方法，实现对红外，雷达传感器的信息融合跟踪算法。性能优于传统EKF-This paper presents an improved extended Kalman filter method, to achieve the infrared, radar sensor information fusion tracking algorithm. Better performance than traditional EKF