走在汽車革命的路上論文書籍站
國立臺灣海洋大學 電機工程學系 何志傑所指導 石峻銘的 以卡爾曼濾波器融合超寬頻無線測距與慣性感測器之應用研究 （2020），提出uwb模組關鍵因素是什麼，來自於超寬頻、慣性感測元件、航位推算、最小平方法、卡爾曼濾波器。
以卡爾曼濾波器融合超寬頻無線測距與慣性感測器之應用研究
為了解決uwb模組 的問題，作者石峻銘 這樣論述：
隨著科技的發展與進步，造就部分人工智慧技術可以被實現在不同領域，如大數據分析、自動駕駛、智慧型機器人等。而機器人的產品研發更是眾多公司的策略方向，其中工業型機器人取代大量勞力或高精密度產品製造，服務型機器人提升人們生活品質，越來越多智慧型機器人逐步走進人們生活中，如何實現移動式機器人之定位精度提升將是本文研究重點。本論文基於超寬頻(Ultra wideband, UWB)無線測距技術來實現更高的定位精度之研究，利用慣性感測元件 (Inertial Measurement Unit, IMU)及光學 編碼器量測 馬達轉動的圈數，以航位推算(Dead reckoning ,DR)來實現自身位置之
推估應用，藉由兩種不同導航系統資訊作為數據融合之用。實驗之系統平台將以四輪驅動車作為實驗載具，用於模擬輪型機器人之定位研究，而系統核心選用樹莓派(Raspberry Pi)模組來控制機器人行為，其機器人運行過程中會同步把UWB、IMU及光學編碼器所量測數據 儲存，最後會利用軟體 Matlab進行資訊處理、定位誤差分析及比較不同定位演算法之結果呈現等應用。本實驗將分為兩階段進行，第一階段實驗會著重在平台建置及系統軟體、硬體整合，第二階段會讓機器人在已規劃好之路徑移動並重複繞行多圈，以利觀察不同定位演算法在長時間運行之狀態，其中有三邊測量法 (Trilateration)、最小平方法(Least
Squares)、航位推算、卡爾曼濾波器(Kalman filter, KF)。由超寬頻無線測距模組來測量機器人在環境中與各個基地台距離，並將其量測值 最小平方法以遞迴方式計算 (recursive computation)後得到相對位置，最後利用KF整合感測器資訊並融合最小平方法與DR數據，藉此修正單一導航系統自身缺陷的誤差，進而得到較佳的定位位置。