基于特征匹配的着陆导航敏感器相对校准算法

在光学辅助惯性导航系统中,观测信息的最优融合依赖于相机与惯性测量单元六自由度转换的精确校准。针对火星软着陆自主导航中的测量信息最优融合问题,提出了基于扩展卡尔曼滤波的导航敏感器相对位姿校准算法。该算法仅利用火星表面可获取的路标特征点信息,不借助额外的测量设备,对相机与惯性测量单元相对位姿进行精确的校准,同时,能够估计着陆器的位置、速度和姿态。考虑到着陆器机动和火星自旋的影响,建立了宽视场相机及惯性测量单元的高精度测量模型。最后通过数学仿真对所提出的校准算法的可行性和有效性进行了验证。     

基于空间矢量约束的煤矿掘进机组合测量方法

为了解决煤矿掘进机位姿测量的问题, 将一组反向同轴安装的工业相机和捷联惯性导航系统组装成测偏单元, 并结合视觉测量和惯性导航技术提出了一种基于空间矢量约束的实时位姿组合测量方法。该方法通过测偏单元测得激光指向仪光源光斑的空间矢量、掌子面光斑的空间矢量和掘进机的姿态信息, 建立空间矢量约束方程以及坐标系转换得到掘进机位置信息, 并进行了理论分析和实验验证。结果表明, 通过该方法能得到掘进机实时位姿的六自由度信息。该方法可用于煤矿掘进机的位姿测量, 具有广阔的应用和发展前景。     

基于深度相机的机器人室内定位技术研究

机器人在室内运动时,需要创建环境地图并估计位姿,以实现自主定位和导航。针对机器人的同时定位与地图创建(SLAM)问题,采用动态贝叶斯网络描述SLAM状态转移过程。通过不断迭代更新机器人的位置估计和修正估计值,完成机器人的室内定位。基于深度相机采集的RGB图像信息,进行相邻帧图像的特征提取与匹配,估算机器人当前位姿。然后使用迭代最近点算法优化初始位姿。以初始位姿为节点,相邻帧的约束关系为边创建节点图。进一步采用Hogman算法对整个节点图进行动态优化,得到全局一致的室内地图。最后根据优化后的节点图,多帧数据叠加就可得到三维地图。实验采用华硕Xtion Pro Live深度相机,实验室地点为目标,成功创建了环境的三维地图,验证了方法的有效性和可行性。     

基于UWB和惯性导航融合的室内定位方法

针对室内环境日益复杂,单一的定位系统已经不能满足人们对定位准确度需求的问题,设计了一种利用超宽带(UWB)和惯性导航融合进行的室内定位方法:首先针对UWB测距结果容易受环境影响的问题,根据实验环境对UWB测距进行了标定;然后利用改进马氏距离的异常值检测方法对测距过程中的异常值进行了剔除;最后采用了紧耦合的卡尔曼滤波器,以UWB测距值作为扩展卡尔曼滤波观测量,以惯性导航解算的位姿作为扩展卡尔曼滤波器的预测量,通过UWB测距来不断校正惯性导航的位姿数据。最终为了验证所提方法的可行性和有效性,进行了UWB单独定位和UWB与惯性导航融合定位的小车搭载矩形运动轨迹实验,通过对两种方法实验数据的对比分析,在加入了外界干扰时的矩形轨迹定位实验中,利用UWB和惯性导航融合的定位结果,平均精度比单独利用UWB进行定位时提高了36.3%;误差结果对比表明,利用UWB和惯性导航融合定位的误差波动更小,具有更高的鲁棒性。表明了该融合定位算法与单独利用UWB技术进行定位的算法相比,能够有效地抑制定位过程中的干扰问题,并且可显著地提高在室内环境下定位系统的鲁棒性和定位精度。     

基于改进YOLO6D的缸盖位姿估计算法

<正>针对机器人在分拣、装配等应用场景中，工件难以被识别和位姿精准定位的问题，本文以视觉引导机器人抓取缸盖为对象，提出一种基于YOLO6D改进的目标位姿估计算法。该算法使用Darknet53作为模型的特征提取网络，对输入的RGB图像进行处理，进而提取特征。该算法在自建的Line Mod格式的缸盖数据集中效果较好，其中2D投影误差精度达到83.65%,ADD精度达到98.92%,5cm5°精度达到95.44%，为基于视觉的工业机器人抓取应用提供了借鉴。     

一种新的移动机器人全局定位算法

粒子滤波器能够给出移动机器人全局定位非线性非高斯模型的近似解.然而,当新感知出现在先验概率的尾部或者与先验相比感知概率太尖时,传统的粒子滤波器会退化导致定位失败.本文提出了一种重要性采样跟中心差分滤波器(central difference filter,CDF)相结合的新算法,并对测量更新步的加权粒子集应用基于KD-树的加权期望最大(weighted expectation maximization,WEM)自适应聚类算法获得表示机器人位姿状态后验密度的高斯混合模型(Gaussian mixture model,GMM).实验结果表明,新方法提高了定位准确率,降低了计算复杂度.     

一种基于射线模型的图像定位系统

图像定位技术在现实中有广泛的应用,如导航、路径规划、虚拟现实等.对于用户而言,只需拍摄一张图像即可实现定位.本文提出了一种基于射线摄像机模型的图像定位系统,包含基于射线模型的三维重构算法和基于位姿图优化的图像定位方法.提出的三维重构算法利用射线模型的内在几何性质,能够处理全景和鱼眼等广角摄像机模型,降低采集和重构的代价,提升重构的效果.基于位姿图的定位方法融合了图像与点云匹配的信息和图像间相对位姿信息实施定位,得到更高的定位精度.实验证明本文方法的有效性.     

基于RSSI和惯性导航的融合室内定位算法

针对目前对高精度室内定位算法的需求,提出一种基于接收信号强度识别（RSSI）和惯性导航的融合室内定位算法。基于无线传感网中ZigBee节点的RSSI值,采用位置指纹识别算法,对网络中的未知节点进行定位。结合惯性传感单元（IMU）提供的惯性数据,对RSSI定位结果进行融合修正。利用Kalman滤波器,采用状态方程描述待定位节点位置坐标的动态变化规律,从而实现一种以无线传感网络定位为主、IMU为辅的融合定位方法。仿真结果表明,提出的融合定位算法既能改善单独使用RSSI定位受环境干扰较大的问题,又能避免单独使用惯性导航带来的累积误差,极大地提高了定位精度。     

基于超宽带阵列与里程计的多机器人相对定位

精准的相对定位是实现多机器人协作与编队控制的关键。在弱全球定位系统(GPS)的室内环境中，视觉或激光雷达(LiDAR)通过特征匹配的方式确定机器人间相对位置，但在非视距环境下难以工作。针对这一问题，该文提出一种基于多超宽带(UWB)节点的移动机器人相对定位方法。首先，利用每个机器人携带的多个UWB节点构成UWB阵列，通过非线性优化实现移动机器人间相对姿态估计。为进一步提升估计精度，利用里程计对非线性优化结果进行约束，通过图优化算法对滑动窗口内的相对位姿与里程计进行优化，保证了算法的实时性。然而，图优化过程中难以确定相对位姿估计的误差，对定位结果影响较大。因此，利用粒子滤波融合里程计和滑动窗口优化后的相对位姿，进一步提升相对姿态估计的精度。实验结果表明，该方法在12×6 m的室内环境中，能够达到0.312 m的平均定位误差以及4.903°平均角度误差，且具有良好的实时性。     

粒子群算法优化的智能机器人无线充电方法

目前机器人传统直插式充电方式存有布线复杂、灵活性差,且不适用于易燃、易爆等特殊环境等问题,无线充电技术的应用有利于促进机器人智能化方向发展。为提高机器人无线充电效率,设计了一种基于无线通信技术、定位技术、无线充电技术的机器人智能无线充电系统;为提高粒子群算法全局寻优能力,引入鸽群优化算法地图、指南针算子和地标算子,提出了一种粒子群-鸽群融合定位算法对机器人充电位置进行定位优化;实验数据表明,设计算法具有较高的定位精度,较快的收敛速度,有利于机器人获取最佳充电位置,提高充电效率。     

基于IMU/视觉融合的导航定位算法研究

针对基于视觉传感器的移动机器人在快速运动或发生旋转时出现图像模糊和特征丢失,以至无法进行特征匹配,从而导致系统定位和建图的准确度及精确度下降问题,该文提出了一种以深度相机(RGB_D)融合惯性测量单元（IMU）的方案。采用ORB SLAM2算法进行位姿估计,同时将IMU信息作为约束弥补相机数据的缺失。两种传感器的测量数据采用基于扩展卡尔曼滤波的松耦合方式进行非线性优化,通过数据采集实验表明,该方法能有效提高机器人的定位精度和系统建图效果。     

An outdoor navigation system using GPS and inertial platform

The use of global positioning system (GPS) in outdoor localization is quite a common solution in large environments where no other reference is available and there are not so demanding positioning requirements. Of course, fine motion without the use of an expensive differential device is not an easy task, even now that available precision has been greatly improved as the military encoding has been removed. In this paper we present a localization algorithm based on Kalman filtering that tries to fuse information coming from an inexpensive single GPS with inertial data and map-based data. The algorithm is able to produce an estimated configuration for the robot that can be successfully fed back in a navigation system. Some experiments show difficulties and possible solutions of this sensor fusion problem     

基于双OD修正的GNSS/MIMU导航算法研究

为提高车载组合导航系统的导航精度和可靠性,在全球导航卫星系统(GNSS)信号正常工作的情况下,该文建立了一种双天线GNSS/微惯性测量单元(MIMU)/轮速里程计(OD)组合导航模型,实现了对MIMU和OD传感器误差特性的在线估计。在GNSS信号短期失锁的情况下,基于双OD轮速比例修正(WRC)算法建立了MIMU/双OD组合导航模型。车载实验结果表明,与无WRC组合模型相比,该文设计的组合导航模型在120 s的GNSS信号失锁路段,最大定位误差减小了63.9%,定位误差标准差减小了80.1%;在200 s时GNSS信号频繁中断路段,最大位置误差为0.55 m。验证了所建立的导航模型和算法在复杂路况下工作的有效性。     

基于光栅投射的机器人导航视觉传感器研究

为了实现暗环境下移动机器人导航中障碍物的检测与运动机器人的定位,采用了一种组合式光栅投射立体视觉传感器研究方法,首先通过光栅投射和立体视觉相融合的方法,建立光栅投射立体视觉传感器几何和数学模型,然后利用空间设备位置约束原理和投影平面相交的方法,进行了机器人视场内空间物体的3维坐标计算,建立了可靠真实的障碍物检测和分析方法,并进行了理论分析和实验验证,取得了距离计算精度0.8mm的数据。结果表明,该方法对于图像计算的精度在亚像素级。该方法有利于目前黑暗环境中机器人无法自主导航难题的突破,为黑暗环境中无全球定位系统支持的机器人导航提供了基础探索。     

一种超宽带与惯导融合的LSTM室内定位算法

针对复杂环境下的室内高精度定位需求,提出了一种超宽带和惯导融合定位方案.结合位置估计过程可被划分为时间序列预测问题的特点,提出了一种基于长短时记忆(Long Short Term Memory,LSTM)网络的联合定位算法,并对其总体架构设计、数据预处理方法、网络结构设计、模型训练方法进行了研究.在此基础上,通过仿真和...     

基于时空混合图卷积网络的机器人定位误差预测及补偿方法

工业机器人作为智能制造的重要载体,在大范围复杂任务中具有巨大潜力。但是,定位精度低且难以控制的问题阻碍了机器人在高精度任务的进一步推广。为了提升机器人作业精度,该文提出一种基于时空混合图卷积网络的机器人定位误差预测及补偿方法。首先通过设计图关系编码模块、时空混合特征解码模块,构建基于图卷积网络的机器人位姿误差预测模型;然后,针对传统迭代补偿方法中机器人逆解次数多导致效率低的问题,该文将定位误差补偿问题转化为优化问题,并利用遗传算法同时对位置和姿态进行误差补偿;最后,通过拉丁超立方抽样方法获得训练集,实现机器人定位误差预测模型的训练,并通过实验验证了定位误差预测的准确性以及补偿的效果。     

机载航电系统中多源信息模糊自适应融合技术

为了保障导航的精度与可靠性,目前常采用多源信息融合导航。针对ADS/IRS/GPS组合导航系统,采用基于自适应信息分配的联邦滤波结构处理信息融合问题,并把模糊推理技术融入到ADS/IRS卡尔曼滤波器中,对IRS/GPS子滤波器采用紧组合模式,上述结构算法能对多源导航信息进行最优融合与处理。建立了ADS/IRS模糊自适应卡尔曼滤波模型以及IRS/GPS紧组合滤波模型,设计了自适应信息分配的联邦滤波算法,并进行了仿真,仿真结果验证了设计算法的有效性。