基于CamShift算法的目标跟踪研究

针对传统的跟踪算法无法获取跟踪目标世界坐标值的问题,提出融合SIFT特征点匹配的CamShift目标跟踪算法。运用基于色彩的CamShift算法对目标进行跟踪的同时对跟踪搜索窗口进行SIFT特征点提取和匹配,以获取目标的部分特征点在左右成像平面上的二维坐标值,根据这些坐标值通过视差原理确定目标的空间位置。实验结果显示,该算法在室内简单的背景条件下,能很好地跟踪运动目标且跟踪误差在可接受的范围内。     

运动学误差模型变体下的机械臂标定精度研究

为进一步提高机械臂运动学标定精度,研究不同D-H建模方式下运动学误差辨识精度的差异,为运动学误差准确建模提供理论依据。围绕SD-H和MD-H运动学误差模型的各种变体形式,量化对比各模型变体的性态水平和线性化误差,并分析二者对运动学标定精度的综合影响。研究结果表明：x-z-y欧拉变换会破坏MD-H运动学误差模型最小性,不适用于运动学标定;其余满秩MD-H模型性态水平优于SD-H模型两个数量级;MD-H建模时引入的线性化误差与SD-H数量级等同;在模型性态水平和线性化误差综合作用下,较强测量噪声环境中的SD-H模型运动学标定精度(0.1%~39.3%)优于MD-H模型(0.1%~71.2%);角度类与位置类的运动学参数误差的辨识精度差异显著。研究成果为机械臂标定的精确建模以及误差类型与辨识方法的合理匹配提供了理论依据。     

面向实时运动学标定的机械臂轨迹规划北大核心

为解决机械臂标定效率低的问题,针对机械臂实时标定中的作业-标定共用轨迹的规划方法进行了研究。首先,选择立体视觉作为测量方式,减少对机械臂末端的物理约束;然后,以作业轨迹和靶标可视性为约束条件,采用DETMAX算法选出最优测量构型作为轨迹中间点,并分析了中间点聚类数量与轨迹极值间的关系,作为确定轨迹数量的依据;最后,在关节空间下仿真分析了新方法所得轨迹特征。研究结果表明,匀速运动段与静止段间相连的角度和角速度轨迹均具有良好平滑性,角加速度连续且无跳动;角速度和角加速度轨迹极值远低于实际对应的指标极限;各关节在中间点的角度准确且停留时间充足。因此新方法能够满足机械臂在不停工前提下开展实时标定的要求。