基于轻量型YOLOv5的风机桨叶检测与空间定位

应用无人机对风力发电机进行自主巡检时,需对其桨叶叶尖进行精准定位,同时因机载计算板的计算能力有限,常规目标检测算法检测效率低下。为此提出了一种基于轻量型YOLOv5的风机桨叶检测与空间定位方法,首先对YOLOv5目标检测算法进行轻量化改进,将ShuffleNetv2作为特征提取主干网络;然后利用该算法对风机全景图像中的风机轮毂和桨叶进行检测,以得到轮毂和桨叶叶尖的像素坐标;最后利用无人机位姿信息和空间平面的几何关系,对风机桨叶进行精准定位。实验表明,所改进的目标检测算法以1.536×10⁶的参数量在大疆MANIFOLD2-C上的检测速度提升47%,可达29.4 f/s,所设计的定位方法可对风机桨叶叶尖进行精准定位,水平和高度定位误差均为±5 cm,三维整体定位误差为±10 cm。     

一种面向移动平台的无人机自主降落控制方法

准确获取无人机的位姿信息是顺利执行无人机自主导航、着陆的首要前提。由于GPS/INS导航系统的局限性和IMU惯性导航系统的误差,提出了一种基于视觉导航的方法。设计了"H"形图像的着陆标志,对机载摄像机采集的实时影像进行图像处理,利用世界坐标系到图像像素坐标系的映射关系得到基于视觉的无人机位姿估计模型,进而解算无人机当前的位姿估计值。上述方法提高了无人机的着陆安全性。仿真结果验证了算法的有效性和位态信息的精确度。     

基于模糊预测的INS/视觉无人机自主着陆导航算法

针对 INS/ 视觉无人机自主着陆导航中,由于视觉观测数据具有不确定性噪声及数据更新周期长等原因,易导致卡尔曼滤波估计精度低、实时性差的问题,设计了一种基于模糊预测的INS/ 视觉无人机自主着陆导航算法。首先,利用三角模糊数对视觉观测数据进行处理,减小视觉观测噪声和解算误差的不利影响。然后,在卡尔曼滤波状态方程更新时,采用模糊预测同步预测视觉观测数据,得到无人机高精度姿态信息的同时提高无人机位姿估计的实时性。最后,自主搭建了基于STM32的低成本INS/ 视觉四旋翼无人机自主着陆实验平台,实测飞行着陆结果验证了本文所设计的无人机自主着陆算法可有效避免观测数据存在观测噪声与解算误差,在提高无人机位姿估计精度的同时保证了实时性。     

基于多层级合作标识无人机自主着舰视觉引导方法

无人机自主着舰视觉引导应用距离跨度大、测量精度要求高,尚缺乏有效的解决方法,针对此问题,提出一种基于多层级合作标识的无人机自主着舰视觉引导方法。该方法首先设计了基于ArUco的多层级组合新型合作标识,利用边缘检测算法对每一层ArUco二维码提取控制点,进一步通过求解PnP(Perspective-n-Point)问题得到机舰间相对位姿信息,然后对每一层二维码所解算出的位姿数据进行非线性误差补偿,利用最小二乘法(Least Mean Squares,LMS)与熵权法解算不同层级二维码的权值大小,最终通过融合不同层级二维码位姿解算结果得到最终的位姿信息,实现大距离跨度范围内的高精度位姿求解。实验结果表明,本文方法实现了大距离跨度范围内机舰间相对位姿参数的高精度测量,可为无人机自主着舰提供可靠引导信息。     

基于粒子滤波的无人机自主轨迹视觉导航控制方法研究

针对现有无人机导航控制方法存在的控制效果不佳的问题,本文提出一种基于粒子滤波的无人机自主轨迹视觉导航控制方法研究。利用粒子滤波算法,实现对无人机自主轨迹视觉导航控制方法的优化设计。采用栅格法构建无人机飞行环境地图,根据无人机的机械组成结构和工作原理,构建运动状态模型。利用内置的摄像机设备采集视觉图像,执行图像灰度转换、几何校正、滤波等预处理步骤。通过对视觉图像的特征提取,判断当前环境是否存在障碍物。利用粒子滤波算法确定无人机位姿,结合障碍物识别结果规划无人机的自主飞行轨迹。将位置、速度和姿态角的控制量计算结果,输入到安装的导航控制器中,完成无人机的自主轨迹视觉导航控制任务。通过实测分析得出结论：应用设计的导航控制方法,其位置误差、速度误差以及姿态角误差均维持在预设值以下,即设计的导航控制方法具有良好的控制效果。     

基于视觉测量的快速掘进机器人纠偏控制研究

针对在煤矿井下高粉尘、低照度环境中,掘进机器人定位与控制精度不高的问题,设计了一种基于视觉测量的快速掘进机器人纠偏控制系统。利用安装在快速掘进机器人上的防爆相机,对后方的激光指向仪进行图像采集,通过以太网将采集的图像信息传输给防爆计算机;利用防爆计算机对图像进行预处理,根据位姿解算模型解算出快速掘进机器人位姿;将解算出的位姿信息与巷道设计轴线信息进行比较,计算出快速掘进机器人位姿与巷道设计轴线间的位姿偏差;根据位姿偏差的类型与大小,采用不同的控制策略计算出修正后的控制量,并输出控制指令;控制指令控制电磁比例阀的阀芯移动,实现对伸缩油缸的控制,根据各区域伸缩油缸的伸缩量不同,对快速掘进机器人进行位姿调整,实现纠偏控制。实验结果表明:位姿视觉测量精度为X方向平均偏差21.334mm,Y方向平均偏差34.154mm,偏航角平均偏差为0.493°;纠偏控制精度在X方向小于30mm,满足实际工况要求。     

基于视觉引导的无人机自动着陆控制方法

由于无人机定位导航精度低，导致传统无人机自动着陆控制方法存在控制效果不佳的问题，为此提出基于视觉引导的无人机自动着陆控制方法。分别从无人机运动和飞行环境两个方面，构建数学模型，在该模型下，利用视觉引导技术通过实时图像采集、处理、目标检测、距离测量等步骤，规划自动着陆轨迹。设计并安装无人机自主着陆控制器，进而实现无人机的自动着陆控制。实验结果表明，应用设计方法能够沿着规划路线实现精准着陆，控制误差较小，由此证明设计方法的控制效果良好。     

飞机蒙皮图像扫描与定位系统研究

飞机蒙皮图像获取和定位是飞机蒙皮检测的关键技术之一。设计了飞机蒙皮图像扫描与定位系统,提出了一种由云台带动变焦相机和激光测距仪对飞机蒙皮扫描采集细节图像和定位细节图像的方法。标定了测距仪、变焦相机以及云台的位姿关系,实现了被测区域三维点云的获取,扫描点云精度在2.5 mm以上。在变焦相机焦距最短时拍摄全景图,对全景图中飞机区域进行扫描获取该区域飞机蒙皮的细节图像,并实现了细节图像在全景图中的二维定位。利用点云配准获得系统与飞机的相对位姿,结合标定结果,实现了细节图像空间定位。实验结果表明在28 m内,细节图像的二维定位误差小于8个像素,空间定位误差小于0.12 m。     

无人机软式自主空中加油视觉导航方法

针对无人机软式自主空中加油问题,提出了用于无人机软式自主空中加油的视觉导航方法.在加油锥套外环平面上均匀布置8个近红外LED,在受油机上布置CCD相机及带通滤镜构成视觉系统,利用该系统对锥套进行近红外成像,对所获取的近红外图像进行特征点提取并利用迭代算法估计锥套与受油机之间的位姿参数.在不同距离下对该视觉导航方法进行了仿真验证.结果表明,所研究的无人机软式自主空中加油视觉导航方法精度较高,抗干扰能力较强,可以有效地用于无人机软式自主空中加油.     

基于全局点云地图的煤矿井下无人机定位方法

即时定位与建图（SLAM）技术应用于煤矿井下无人机自主定位时,由于采用特征点构建地图,易出现退化问题,导致定位不准确,且因其以机体作为参考坐标系,无法实现全局定位。针对该问题,提出了一种基于全局点云地图的煤矿井下无人机定位方法。以Fast-LIO2算法作为激光SLAM算法,获得无人机位姿估计;采用迭代最近邻算法,对获取的激光雷达实时点云和全局点云地图进行两步匹配,实现无人机位姿校正;针对因点云数量过多导致点云匹配速度无法保证定位实时性的问题,设计了基于时间的位姿输出策略,提高了无人机位姿数据输出频率。在1 000 m煤矿井下巷道中测试无人机定位方法的SLAM精度和位姿校正效果,结果表明：在长距离巷道环境中,Fast-LIO2算法的定位累计误差小于1 m,在600 m以上范围内小于0.3m,明显小于LOAM-Livox算法和LIO-Livox算法;Fast-LIO2算法输出的位姿估计经校正算法校正后,飞行路径全部位于全局点云地图中,验证了位姿校正算法有效;单次SLAM算法运行耗时14.83 ms,单次位姿校正耗时883 ms,位姿数据输出频率为10 Hz,满足无人机定位实时性要求。     

基于计算机视觉的无人直升机位姿估计方法研究

无人直升机与着陆点的相对位置和姿态估计是其实现自主着陆的前提条件，采用计算机视觉技术完成该任务是当前的发展趋势。介绍了基于计算机视觉技术的位姿估计方法的特点，对目前直升机自主着陆研究中采用的各种位姿估计方法做了分类并进行了评述，为类似的视觉系统的设计和相关问题的研究提供了参考。     

基于二维码修正机器人系统的位姿估计方法

为了解决机器人系统工具端定位精度不高的问题，提出一种基于二维码修正机器人系统的位姿估计方法。通过机器人系统获取的地面定位修正二维码图像信息，计算出机器人系统实际位置与机器人示教位置的转换矩阵，并利用转换矩阵生成新的工件坐标系，按照新的工件坐标系移动机器人系统，到达修正后的目标位置。该方法使机器人工具端达到了高精度定位，修正了机器人系统的位姿偏差，精度可达到0.5 mm。     

基于摄像头定标的无人机位置和姿态的检测

近年来,无人机技术发展十分迅速,已经被广泛的应用于军事和民用等领域。无人机的回收是无人机整个控制过程中的重中之重。无人机相对机场的方位和三维姿态信息是反映其飞行状态的重要指标,只有精确得到了这些数据信息,才能实现对其正确的稳定的控制,保证无人机安全着陆。随着计算机视觉相关算法性能和可靠性不断提高,完善的实时算法的广泛应用,针对无人机的特点,文章设计了一种基于单目视觉的无人机自主着陆法,完成了无人机空中位姿的判断。实验证明,该方法是可靠和有效的。     

基于AprilTag的分体式飞行汽车自主导引对接方法研究

分体式飞行汽车作为一种新概念空中陆地交通工具,可解决当前频繁发生的城市交通拥堵、城市郊区交通不便捷等问题;针对分体式飞行汽车进行模态转换时涉及的模块间精准导引对接问题,提出了一种基于AprilTag的视觉定位导航方案,将AprilTag识别算法的解算结果进行坐标变换后,得到模块间的相对位姿,再结合基于无人机PID控制器的导引对接降落流程设计,解决了因GPS定位误差大而无法达到厘米级精度的导引对接任务需求的问题,并提升了导引对接降落过程的平稳性;最后,在ROS平台利用实物实验验证了该方案的可行性.     

基于多传感器融合的移动机器人定位算法研究

针对移动机器人在室外环境下全局位姿定位精度低、定位耗时长的问题,提出一种基于多传感器融合的机器人定位算法。首先构建移动机器人的运动模型,并选用里程计、惯性测量单元IMU和激光雷达作为移动机器人的基础传感器;然后采用自适应蒙特卡罗定位算法对传感器融合位姿进行位姿误差计算,获取移动机器人初始位姿;最后进行激光点云匹配,获取全局地图,并利用基于全局正态分布地图的NDT算法进行初始位姿修正,最终实现全局位姿校正和高精度定位。结果表明,基于多传感器融合的移动机器人定位误差控制在0.04 m范围内,定位时长均值为0.045 s,定位误差较小,定位损耗时间较少。由此说明,本定位算法可提升移动机器人的定位精度和定位效率,可实现移动机器人全局位姿快速、精确定位,提出的定位算法具备一定的有效性。     

基于点线面特征的无漂移旋转视觉里程计

现有基于点特征的视觉SLAM（simultaneous localization and mapping）算法在弱纹理环境中表现不佳,为此提出了一种基于点线面特征融合的视觉里程计算法,能够在弱纹理环境中实现精准定位。首先基于曼哈顿世界假设下,使用线特征与面特征提取曼哈顿世界坐标系,并将线特征与面特征与坐标系联合;其次为了提升系统定位的准确性,使用了一种无漂移旋转的位姿估计算法,将位姿的旋转与平移分开求解;最后利用结构化的线特征与面特征对位姿与曼哈顿轴进行优化,综合考虑图像中的点线面特征,使得位姿估计的结果更加精确。实验表明,所提算法在TUM与ICL-NUIM数据集中的表现优于目前的其他方法。     

基于双目视觉导航的仿生机器人鲁棒控制算法

仿生机器人在定姿过程中受到空间扰动因素的影响容易产生控制误差,需要对机器人进行精确标定,提高仿生机器人的定位控制精度,因此提出一种基于双目视觉导航的仿生机器人鲁棒控制算法。利用光学CCD双目视觉动态跟踪系统进行仿生机器人的末端位姿参量测量,建立被控对象的运动学模型;以机器人的转动关节的6自由度参量为控制约束参量,建立机器人的分层子维空间运动规划模型;采用双目视觉跟踪方法实现仿生机器人的位姿自适应修正,实现鲁棒性控制。仿真结果表明,采用该方法进行仿生机器人控制的姿态定位时对机器人末端位姿参量的拟合误差较低,动态跟踪性能较好。     

无人机自主巡检系统的关键技术研究

无人机（UAV）将成为未来电力巡检的主要工具,目前其飞行路径主要根据GPS进行设计。GPS定位精度低,部分区域GPS信号弱,是阻碍无人机电力巡检广泛应用的主要瓶颈。针对复杂环境下的输电线路态势感知,提出一种基于单目视觉的无人机自主巡检系统,实现脱离GPS的自主导航。该系统采用基于深度学习的目标识别检测算法,利用单目视觉的投影变换对尺度已知的待检测目标进行三维定位,然后通过基于大疆SDK开发的飞控程序调整无人机的飞行姿态并自主导航,实现无人机实时巡检。实验结果表明,距离目标物10?m时,该系统在世界坐标系[X、][Y、][Z]三个方向的定位误差分别为0.31 m、0.06 m、0.24 m,处理速度0.76 frame/s,准确性和可行性得到了验证。     

基于人工智能的图书馆书籍定位机器人自动化控制系统设计

为提高图书馆书籍定位精度，提升图书馆智能化服务质量，设计基于人工智能的图书馆书籍定位机器人自动化控制系统。将该系统整体分为人机交互层、行为评估层、运动规划层以及机器人执行层，通过自主控制器控制机器人执行层的机器人在远程端、本地端两种控制模式下的运动状态，实现机器人的位姿控制。在执行层中，引用Roberts算子完成对彩色图像的灰度处理，在自主控制器中设有基于粒子滤波的重定位增强方法，实现机器人对书籍的精定位。测试结果显示，该系统控制下书籍定位误差均低于2.5 mm，可精准识别作业环境区域，同时位姿角控制精度高，可自主躲避突发闯入行人，避障精准度可达到98%。     

机器人抓取视觉传感目标精确定位方法

机器人抓取目标时,准确完成任务的前提是可以精准检测到目标位置,当距离目标较远时,以信号传感为基础的定位精度和稳定性会受到影响。为解决上述问题,提出基于视觉传感器的机器人抓取目标精确定位方法。利用视觉传感器获取目标图像,并标定目标位姿。采取直线段检测方法提取目标位姿特征,将提取的特征输入到改进粒子群算法的支持向量机回归模型中,输出定位结果。利用回归误差补偿模型对定位结果补偿,完成机器人抓取目标精确定位。实验结果显示,利用视觉传感器后,机器人抓取目标的定位时间为35s、与实际位置的接近程度高于81%、置信度高于92%,由此可知机器人抓取视觉传感目标定位效果较好。