基于单目稀疏法多传感器融合移动机器人定位

针对移动机器人室内定位过程中,单目视觉难适应光照变化、里程计累计误差导致定位误差较大问题,提出边缘侧多传感器融合的定位方法.以稀疏直接法(半直接法)作为单目视觉的前端,实时单目相机估计位姿,通过惯性传感器恢复尺度输出位置信息,并且获取IMU的加速度以及偏航角、里程计当前速度,通过扩展卡尔曼滤波算法融合3种传感器信息,实现更加精确的定位.在移动机器人侧处理传感器读取的信息,从而减小机器人体积.边缘侧混合式多传感器信息融合使移动机器人在单个传感器失效以及无法人为干预时,也能够精确实时地在多种复杂环境中完成自主定位.     

基于多传感器融合的室内机器人定位研究

为提升室内移动机器人的定位精度,提出了一种基于多传感器的紧耦合的融合定位方法。依据室内的特定环境,选择更加适合移动机器人使用的传感器;根据不同种类传感器的自身特点,来选择更加适合的融合方式;将IMU和机器人轮式里程计提供的机器人位姿信息,通过扩展卡尔曼滤波(EKF)进行融合,组成初级滤波器,从而获得初级的机器人位姿;然后,将融合之后得到的位姿作为初始值传递给由激光雷达和轮式里程计组成的次级滤波器,通过次级滤波器来得到更加精确的机器人位姿信息。经过试验证明该组合滤波算法拥有更高的定位精度。     

基于改进SIFT的室内机器人惯性视觉定位系统北大核心

对移动机器人室内单目视觉定位存在的定位精度较低,光照鲁棒性差的问题,提出一种基于改进SIFT的实时惯性视觉定位系统。首先压缩SIFT尺度空间,降低描述子维度;再利用结合位置信息的描述子曼哈顿距离进行FLANN匹配,PROSAC迭代优化。在跟踪阶段结合IMU获取的初值约束匹配,剔除误匹配。在回环检测阶段利用惯导位姿给定位姿初值范围,局部搜索SIFT特征点匹配实现重定位。在室内天花板数据集上验证改进SIFT算法,匹配准确率平均提升12.4%。在室内多个场景验证定位精度,平均定位误差为0.076 m。实验结果表明,所设计的算法能够在算力受限平台实现较精准的实时室内定位。     

基于双结构光视觉的机器人运动学参数标定方法

为解决机器人因运动学参数误差而导致的绝对定位精度损失,提出一种基于双结构光视觉的关节机器人运动学标定方法,具体研究了双结构光光源配合双目视觉在求取光源发射装置空间位置中的应用、推导了出光源装置位置误差与连杆参数误差的误差方程。通过采集机器人若干末端的机器人坐标系位姿与世界坐标系位姿数据,再基于最小二乘理论求取机器人坐标系与世界坐标系的单应性矩阵,将之后采集的点通过单应性矩阵转换到机器人坐标系下的位姿。再通过误差方程来获取连杆参数误差,并对其真实参数进行修正,从而提高机器人定位精度。最后讨论了该方法在SK-10R关节机器人上进行标定的实验结果,结果表明该方法能实现机器人空间位姿的标定,在低成本的条件下大幅提高机器人的绝对定位精度。     

基于单目视觉的工业机器人拆垛系统设计与实验

基于单目视觉提出了工业机器人拆垛系统构想。为实现工业机器人视觉拆垛系统中机器人精确运动控制与工件位姿识别,运用D-H位移矩阵法建立了机器人运动学模型,得到机器人末端相对机器人坐标系的位姿信息。基于形状模板匹配法提出目标图像识别算法,得到各个目标图像在相机坐标系下的位姿信息;将三维视觉模型与机器人运动学模型进行信息融合,建立机器人视觉拆垛控制系统数学模型。基于CCD工业相机、4-DOF工业机器人搭建视觉定位抓取实验系统。通过对空间目标进行抓取的实验,验证基于单目视觉的工业机器人拆垛系统的正确性、精确性、鲁棒性。     

基于二维码的单目视觉测距移动机器人定位研究

为了提高移动机器人在未知环境下定位精度,使用里程计结合高清摄像机单目视觉测距对移动机器人定位技术进行了研究,针对编码器短距离定位精确,长距离定位存在积累误差的问题,提出非接触式的基于二维码单目视觉测距的方法实现移动机器人的定位。在二维码世界坐标已知的情况下,移动机器人向前运动,高清摄像机通过识别二维码,得知二维码的世界坐标,由此推导出机器人相对于二维码的世界坐标,得出的机器人坐标是基于二维码的绝对坐标值,故消除了编码器存在的累计误差,从而使移动机器人定位更加准确。与传统的里程计定位方式相比,该定位算法定位成功率提升30%~50%。     

基于多传感器融合的移动机器人定位研究

针对室内未知环境下单一传感器定位累积误差大、受环境局限等缺点,设计一种多传感器非线性融合定位系统,以提高移动机器人自主导航的定位精度。该系统通过高斯牛顿方程对由激光雷达、惯性测量单元、轮式里程计测量得到的位姿信息进行融合优化,补偿由于在室内环境信息下单一传感器定位精度低所带来的定位误差。实验结果表明:应用多传感器融合定位系统的移动机器人在长6 m、宽3 m的室内面对曲折复杂的路径和各种噪声干扰时运行总路程12.8 m后,可以将定位误差稳定在0.106 3 m内,并将平均相对误差稳定在0.716%左右。与现有方法对比,使用该方法提高了室内移动机器人定位的精度和鲁棒性。     

一种基于视觉补偿的移动机器人地图匹配室外定位算法（英文）

在室外环境中,由于车轮打滑、里程计存在严重的累积误差,同时由于二维激光测距仪扫描到环境信息量少,在进行地图匹配时,机器人常常陷入相似或对称环境,导致定位失败。针对以上问题,在二维激光地图匹配的基础上,提出了利用单目视觉信息补偿激光信息与里程计信息的定位方法。该方法利用单目摄像机获取环境中的色块信息补偿二维激光信息;摄像机同时作为视觉里程计实时辨识车轮打滑,校正里程计的误差;最后利用粒子滤波算法融合多传感器信息。该实验利用Pioneer3-AT机器人平台在大学校园进行,实验证明该方法具有较高的定位精度。     

无里程计移动机器人多传感器融合定位算法北大核心

为解决无里程计移动机器人室内定位问题,提出一种不依赖里程计数据的多传感器融合定位算法。首先,使用RF2O算法从激光雷达信息中获取移动机器人的运动数据;其次,使用扩展卡尔曼滤波融合IMU数据和RF2O算法计算的数据得到初步的定位数据;最后,使用自适应蒙特卡洛定位算法对定位数据进行修正,解决误差累计问题,得到精确的定位结果。结果表明,本文提出的定位算法可以有效降低测量误差、缩短算法运行时间,具有定位精度高且计算量小的优点,可以满足无里程计的移动机器人的定位需求。     

一种基于视觉补偿的移动机器人地图匹配室外定位算法

在室外环境中,由于车轮打滑、里程计存在严重的累积误差,同时由于二维激光测距仪扫描到环境信息量少,在进行地图匹配时,机器人常常陷入相似或对称环境,导致定位失败.针对以上问题,在二维激光地图匹配的基础上,提出了利用单目视觉信息补偿激光信息与里程计信息的定位方法.该方法利用单目摄像机获取环境中的色块信息补偿二维激光信息;摄像机同时作为视觉里程计实时辨识车轮打滑,校正里程计的误差;最后利用粒子滤波算法融合多传感器信息.该实验利用Pioneer3-AT机器人平台在大学校园进行,实验证明该方法具有较高的定位精度.     

基于视觉激光惯性相结合的机器人SLAM算法

针对弱纹理环境下SLAM系统只依靠单一传感器鲁棒性较差的问题,提出一种视觉、单线激光雷达与惯性相结合的机器人SLAM算法。在视觉与雷达预处理阶段,视觉提取点线特征,同时雷达帧间匹配过程采用激光点到其最近两个点连线的距离构建误差方程,实现更高精度匹配效果。采用惯性传感器与轮速里程计进行雷达运动畸变校正,同时雷达估计信息为单目点线特征三角化提供良好深度值,再利用点线视觉信息、雷达点云信息与惯性测量单元紧耦合优化机制提高机器人SLAM的精确度。最后,将该方法在仿真环境和真实弱纹理环境进行实验。结果表明：该方法定位准确率达到98.6%,在弱纹理环境中定位效果具有较强的鲁棒性和准确性,满足实际需求。     

基于视觉的工业机器人离线编程系统的设计

针对传统离线编程系统通用性差、可靠性低和二次开发难度大等问题,开发一套基于机器视觉的工业机器人离线编程系统。基于模块化思想,将该系统划分为机器视觉模块、虚拟环境模块、运动学模块、轨迹规划模块、离线程序模块和外部通信模块。借助机器视觉模块解构视觉系统与机器人末端位姿的坐标映射关系,得到规划机器人运动所需的位姿数据;基于虚拟现实建模语言构建机器人虚拟仿真环境,基于运动学模块与轨迹规划模块将位姿数据转化为机器人的作业〖JP2〗指令;基于离线程序模块与外部通信模块实现控制器指令与虚拟仿真环境的无缝衔接。最后,以一种六轴工业机器人为测试对象验证了该离线编程系统的基本功能。实验结果表明:该系统定位误差最大为0.4 mm,精度高,可满足工业应用需求。     

机器人视觉定位精度的灰色评定方法研究

在不确定性动态扰动作用下,机器人视觉系统的各个位姿分量会产生不同量级的定位误差。为了量化各位姿分量的误差大小,提出一种视觉定位精度的灰色评定方法。首先,利用P3P特征点建模方法,建立机器人视觉系统的坐标映射模型;然后,利用GM(1,1)模型,分别对摄像机内参标定参数、2D坐标参数、3D坐标参数建立有干扰和无干扰条件下的灰色标准差模型;最后,将高斯噪音误差引入灰色标准差模型中,分析各视觉参数对机器人定位精度的量化影响。实验表明机器人视觉系统的位置精度优于±6mm,姿态精度优于±1.2°。     

基于视觉的机器人目标抓取研究

为了减少机械臂在产品分类和抓取过程中的执行时间,减少定位误差,提高生产效率,提出基于视觉反馈机制的机器人控制方法。针对传统机器人只根据待抓物体特征点进行识别的局限性,根据机械臂系统可同时检测对象颜色和形状属性,提出基于RGB颜色空间和surf算法结合的目标对象特征提取方法;结合机械臂空间移动过程方法的研究,从机械臂逆运动学的角度出发,对以完成位姿定位的物体进行抓取;使用众为创造科技有限公司生产的xArm机器人验证所提方法的有效性和鲁棒性,结果表明该视觉识别方法有效提高了机器人抓取的精准性。     

基于MEMS惯导系统的小口径油气管道中心线测绘技术

针对小口径管道内检测场景，提出了基于MEMS惯导系统的小口径油气管道中心线测绘技术，自研了基于捷联惯导平台的速度、位姿与位置解算算法。根据捷联惯导、轮式里程计的误差方程，使用卡尔曼滤波器对IMU输出信息进行补偿矫正，最后融合地表磁标记信息获得高精度的管道中心线位置信息。利用某内检测项目的实际检测数据进行算法效果验证，并对比了纯惯导方案与多传感器融合方案的效果。结果表明，提出的导航算法可以将检测精度控制在每公里1 m以内，改善了纯惯导测量的检测效果，满足工程应用对检测精度的要求。     

机器人抓取的三维手眼标定方法研究

在视觉感知识别目标位姿后,机器人正确移动到指定位姿需进行手眼标定。若机器人进行三维空间操作,需进行三维手眼标定。针对空间物体抓取提出方法：通过设定机器人在x、y、z三个方向上的限位,根据工作需要为机器人定义一个工作区域,机器人以定步长定轨迹路线在区域内移动,使用迭代最近点算法求解手眼标定转换矩阵,采用下山单纯形法对转换矩阵进行优化,减小标定误差。实验结果表明：平均标定误差比传统基准法减小了18.90%,所需时间减少了49.12%。     

基于Adam优化算法的双目机器人手眼标定方法

在智能制造领域,视觉机器人应用前景十分广阔。视觉机器人的手眼标定精度直接关系到机器人的后续作业精度。为了进一步提高机器人的手眼标定精度,现提出一种基于Adam优化算法的双目Eye-to-Hand型机器人的手眼标定方法。根据多体运动学理论,建立了6DOF机器人手眼标定数学模型,以Halcon输出的手眼标定矩阵为初始值,采用Adam优化算法对目标函数进行迭代求解,将由优化前后手眼矩阵得到的两组机器人末端坐标系的位姿分别与从示教器得到的位姿作差值,并取Frobenius范数。结果表明:相机标定误差为0.089个像素,优化后的Frobenius范数平均值小于优化前,且一致性好。     

面向粗定位工件的涂胶机器人系统设计与实现

为解决自动装配生产线上针对无精确定位工件的涂胶机器人作业问题,提出了采用视觉搜索定位来事先检测工件位姿的机器人自校正系统,并着重阐述了激光视觉搜索定位的流程、工件位姿检测的数学模型及检测算法、机器人作业运动轨迹修正程序设计等的实现.实验证明,对于在小范围内位姿变化的箱体类作业对象,该机器人系统作业具有较好的自适应性.     

基于视觉引导的FANUC机器人抓取系统研究

针对目前工业机器人上料时大都采用预先示教的方式,一旦工作条件发生变化就会导致抓取失败的问题,研究了一种基于视觉引导FANUC机器人的抓取系统,提高了机器人柔性化抓取能力。系统采用单目视觉定位方法:将图像中的特征点通过相机标定参数、Eye-in-Hand手眼标定参数转换为机器人基坐标系下的位姿,利用FANUC Robot Interface实现上位机与机器人通信并把定位结果发送到机器人位置寄存器,引导机器人运动到相应位置并通过末端执行器完成对空心圆柱体工件的抓取。经过多次抓取实验数据分析,该系统定位误差在0.5mm以内,具有很好的实际应用价值。     

基于非线性多传感器复合定位融合算法应用研究

针对移动机器人单传感器数据短时丢失、定位精度低、传感器频率异步等问题,采用激光雷达、IMU、轮式里程计获取定位信息,提出基于扩展卡尔曼滤波和互补融合的组合数据融合方法。先通过S-G滤波算法对初始定位数据进行预处理,利用扩展卡尔曼滤波融合算法实现IMU和轮式里程计传感器的定位数据融合,得到融合数据1;再利用互补融合算法将融合数据1和激光雷达进行融合得到融合定位数据2。其中融合数据1对激光雷达进行实时补正,解决频率异步的位移偏差,从而明显提高定位精度。最后采用Gazebo仿真平台,搭建移动机器人模型以及设置传感器的基本参数,验证算法的有效性和稳定性。实验结果表明：数据融合算法提高了非线性传感器的定位精度和稳定性,并且平均定位误差在8 cm内。