一种改进的UAV高度无缝融合导航方法

为了解决无人飞行器多机载高度传感器直接使用和切换导致的信号突变的问题,提出了一种基于微惯性器件、GPS、声纳、气压高度计的高度无缝融合方法.建立声纳和气压高度计误差模型,对其动态误差进行了分析和滤波预处理.采用基于增量的无缝融合方法获取高度变化估计值以修正气压高度.利用无迹卡尔曼滤波(UKF)方法将气压高度计、GPS和惯性导航系统信息进行有效融合获得精确的高度估计值.该方法考虑了各种高度传感器在动态环境下的误差特性,解决了模式切换带来的信号突变问题.飞行试验结果表明:采用该设计的方法系统具有较高的精度和可靠性.经过150 s飞行后,高度估计误差为0.4707m,能够满足无人飞行器飞行要求.     

基于激光雷达与双目视觉的移动机器人SLAM研究

为解决移动机器人在环境未知条件下,利用单一传感器自主导航时不能及时定位、构建地图不精确的问题,提出采用一种改进RBPF算法,在计算提议分布时将移动机器人的观测数据(视觉信息与激光雷达信息)和里程计信息融合;针对一般视觉图像特征点提取算法较慢的问题,采用基于ORB算法对视觉图像进行处理以加快视觉图像处理速度的方法;最后通过在安装有开源机器人操作系统(ROS)的履带式移动机器人进行实验,验证了采用该方法可构建可靠性更高、更精确的2D栅格图,提高了移动机器人SLAM的鲁棒性.     

适用于户外增强现实系统的混合跟踪定位算法

单一传感器无法解决户外增强现实系统中的跟踪定位问题.为了提高视觉跟踪定位算法的精度和鲁棒性,提出一种基于惯性跟踪器与视觉测量相结合的混合跟踪定位算法.该算法在扩展卡尔曼滤波框架下,通过融合来自视觉与惯性传感器的信息进行摄像机运动轨迹估计,并利用视觉测量信息对惯性传感器的零点偏差进行实时校正;同时采用SCAAT方法解决惯性传感器与视觉测量间的时间采样不同步问题.实验结果表明,该算法能够有效地提高运动估计的精度和稳定性.     

一种融合激光和深度视觉传感器的SLAM地图创建方法

针对移动机器人的不确定复杂环境,一般采用单一传感器进行同时定位和地图创建(SLAM)存在精度较低,并且易受干扰,可靠性不足等问题,本文提出一种基于Bayes方法的激光传感器和RGB-D传感器的信息融合SLAM方法,利用Bayes方法通过概率启发式模型提取光束投影到栅格地图单元,充分利用激光与视觉信息中的冗余信息,提取一致性特征信息,并进行特征级的信息融合;在地图更新阶段,本文提出一种融合激光传感器和视觉传感器的贝叶斯估计方法,对栅格地图进行更新。在使用ROS(移动机器人操作系统)的实验平台上实验表明,多传器信息融合可以有效提高SLAM的准确度和鲁棒性。     

基于视觉的四旋翼无人机自主定位与控制系统

针对GPS(global positioning system)信号缺失环境下无人机(UAV)自主飞行控制问题,设计了一种基于视觉的自主定位与控制方法.首先通过增加特征点提取数量和优化关键帧存储来对传统视觉SLAM(simultaneous localization and mapping)算法进行改进,提高了算法的鲁棒性与通用性.其次,引入光流传感器作为视觉SLAM地图丢失情况下辅助位置信息测量单元,提高无人机飞行控制的安全性,并成功地克服视觉SLAM图像丢失问题和光流法存在的位置漂移问题.然后采用EKF(extended Kalman filter)融合无人机位置和3维加速度信息,得到了较为精确的位置信息,同时提高了信号输出频率.最后,利用上述方法获取的无人机位置信息设计PID(proportion integration differentiation)和RISE(robust integral of the signum of the error)非线性控制器,增加了算法的鲁棒性.为验证该控制策略的有效性,搭建了四旋翼无人机视觉控制系统实验平台.该平台采用嵌入式控制系统架构,使用机载计算机运行所提算法,避免了图像及控制命令在无线传输过程中引起的时间延迟和信号干扰.室外飞行实验表明,此控制方案实现了自主定位与飞行控制功能.     

基于激光测距与双目视觉信息融合的移动机器人SLAM研究

未知复杂环境中不规则的障碍物使传感数据具有不确定性,单依靠激光测距仪进行移动机器人的定位与自主导航可靠性不足;针对此问题,提出了一种基于激光测距仪和双目视觉传感器信息融合的精确定位方法,利用加权最小二乘拟合方法和尺度不变特征变换(SIFT)算法分别从对激光信息与视觉信息中提取直线和点特征,进行特征级的信息融合。通过对实验结果和数据分析,多传感器信息融合可以有效提高移动机器人SLAM(即时定位与地图构建)的精度和鲁棒性。     

基于气压传感器的高程测量系统设计

针对高程测量精度较低的问题,将气压传感器引入高程测量系统,采用线性回归方法对高程与气压函数关系进行分段线性化,简化了非线性运算在微处理器中的实现,并对实际海平面与标准海平面气压、温度不一致造成的高程误差进行分析和补偿,实现了高程的精确估计。初步实验结果表明,该系统能够实时获取高程变化信息,并具有较高的测量精度。     

小型无人直升机着陆高度单目视觉测量方法

针对小型无人直升机自主降落过程中姿态发生变化和非差分GPS高程精度不高的情况,研究了一种基于单目视觉的小型无人直升机离地高度测量方法,用于提高自主降落的品质。在机体姿态角已知的情况下,识别提取降落图标中相互平行的特征直线段,并根据机载摄像头投影模型,实时求解机体降落过程中的离地高度。在测量系统上进行了实体实验,验证了所提出的方法,实验结果表明:该方法特征识别率高,在机体平面与地面存在倾角时,输出结果的实时性与准确性亦均能满足小型无人直升机自主降落要求。     

基于Zigbee的GPS相对定位技术

传统机器人使用的超声或者视觉等传感器定位的方法在定位距离及成本方面存在瓶颈,且容易受到阻碍物的影响.本文利用了Zigbee传感器网络低功耗、低成本、高稳定性的特点以及GPS位置差分定位消除定位节点间系统误差提高精度的特性.实现了一种采用以ARM7为控制平台,以Zigbee无线网络为通讯平台,基于GPS位置差分定位的相对定位技术.并成功地运用在了机器人群组在较广范围内的定位.     

基于多异类传感器信息融合的微型多旋翼无人机实时运动估计

针对无人飞行器视觉定位结果存在较大时延而影响飞行器运动状态估计精度的问题,提出了一种基于多传感器数据融合的实时运动估计方法.首先,利用机载惯性测量元件(IMU)提供的姿态信息优化单目视觉定位算法,使得视觉定位结果的时延减小.然后,在利用卡尔曼滤波器估计飞行器运动状态的过程中,考虑了视觉定位结果的时延,利用加速度信息进行时延补偿.最终得到实时的高精度运动估计结果.在自主研制的四旋翼飞行器系统上对本文提出的方法进行了验证.通过与不考虑时延的方法的结果以及真实数据进行比较,证明了本方法的有效性.