共查询到20条相似文献,搜索用时 187 毫秒
1.
为了验证提出的多传感器融合在工程应用中的有效性,针对视觉运动产生的失真情况,提出一种视觉-IMU传感器融合SALM的研究,并且设计了多传感器融合SLAM系统,将相机与IMU进行联合标定、采用图优化的融合方法在空间和时间上得到数据上的对齐。通过ROS系统自带的GAZEBO进行实时仿真,建立机器人小车模型在仿真的空间中运动,再通过APE绝对位姿误差计算并对比,得出了视觉-IMU融合的绝对位姿误差要比未融合情况下的误差小,优化之后的精度相比未融合的精度要高。因此利用该方法设计的融合系统较为合理。 相似文献
2.
3.
Cartographer是谷歌在2016年开源的一个可以在多传感器配置下实现低计算资源消耗的SLAM算法框架.针对原有Cartographer中位姿融合不准确、存在延迟的问题,首先设计了一种基于位姿增量的多传感器位姿融合方法;随后,针对扫地机器人Player平台,设计并实现了基于增强Cartographer算法的多模块SLAM系统;最后,通过Cartographer数据集的实验分析和真实场景的实际测试,验证了增强Cartographer算法的有效性以及SLAM系统在Player机器人平台上的可用性. 相似文献
4.
周香 《计算机测量与控制》2023,31(8):104-109
针对工业遥操作机器人位姿定位过程中难以同步控制位置和姿态角,导致位姿定位准确性较差的问题,利用大数据聚类技术,从硬件和软件两个方面优化设计工业遥操作机器人位姿定位控制系统。通过位姿传感器的改装,保证传感器设备能够同时测量机器人位置与姿态,改装定位控制器和驱动器。在系统硬件的支持下,考虑机器人组成结构、运动原理和动力学理论,构建机器人数学模型,在该模型下模拟机器人遥操作过程,确定机器人位姿的定位控制目标。实时采集机器人位姿数据,利用大数据聚类技术计算定位控制量,在控制器的约束下,实现系统的位姿定位控制功能。通过系统测试实验得出结论:综合多种类型的运动情况,在优化设计系统的控制下,机器人的位置误差平均值为4.5mm,姿态角控制误差为0.04°。 相似文献
5.
为了解决移动机器人在室内环境中的定位问题,设计航迹推测算法实时获取机器人的位姿信息。针对未知环境下的实时避障问题,提出基于多传感器信息融合的算法,用超声波、红外传感器对移动机器人周围的环境信息进行探测,进行数据融合,获得有效的距离信息。根据目标点信息和传感器测距信息,设计模糊控制器来实现实时避障行为。为了验证算法的可行性和有效性,在AS-R室内移动机器人平台上进行实物实验。实验结果表明:该方法能够引导机器人避开多个障碍物,到达目标点。 相似文献
6.
7.
视觉和超声信息的融合与机器人伺服控制的研究 总被引:2,自引:1,他引:1
本文对视觉和超声信息的融合与机器人的伺服控制进行了研究。通过视觉和多超声传感器信息的融合确定了工作平面上的物体在空间的位姿,并结合机器人的伺服控制选择了物体的特征向量,推导了物体特征向量的微分变化。基于这一微分变化,本文提出了改进型的最优控制算法。并对其稳定性进行了证明,仿真实验表明该控制算法效果良好,切实可行。 相似文献
8.
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。 相似文献
9.
10.
一种基于MAP估计的移动机器人视觉自定位方法 总被引:2,自引:0,他引:2
提出一种能够工作在三维路标环境中的视觉自定位系统. 机器人通过 MAP 估计器融合里程计和单向摄象机的图像信息递归估计其自身位姿状态. 本文构建了传感器的非线性模型并且在系统运行中嵌入和跟踪机器人运动和视觉信息的不确定性. 本文从概率几何观点阐述传感信息不确定性, 用 unscented 变换传播经过非线性变换的相关系统信息. 考虑到处理能力, 机器人在地图元素的投影特征附近提取相应图像特征并通过统计距离描述数据关联程度. 本文的一系列系统性实验证明了该系统的稳定性和精确性. 相似文献
11.
针对基于普通摄像头的手势识别系统在不同光照条件和复杂环境下易受影响的问题,提出一种基于kinect深度图像进行指尖检测和手势识别的算法. 首先利用Kinect传感器获取深度图像,再利用OpenNI手部跟踪器检测出手部的位置,根据手部位置对手势进行深度阈值分割. 提出一种结合凸包和曲率检测指尖的算法,检测出指尖数目和位置后,计算出包括指尖和手掌水平方向的夹角、相邻两个指尖夹角以及指尖与掌心的距离的特征向量,最后利用支持向量机(SVM)对预定的9种数字手势进行识别. 实验邀请5位实验者在复杂环境下每个手势做30次,每次的手势角度不同,实验结果表明该方法能够准确检测出指尖的数目和位置,9种数字手势平均识别率达到97.1%,该方法使用特征简单,实时性好,有较好的鲁棒性. 相似文献
12.
13.
针对课堂教学过程中需要手握激光笔遥控PowerPoint幻灯片翻页和话筒出现啸叫的问题,本文设计了体感手环教学控制系统,该系统采用基于蓝牙传输的无线控制结构,对体感手环的惯性传感器和接收装置等硬件电路和软件流程进行设计,重点研究并提出了基于惯性传感器的手势动作定义和特征提取,并对话筒啸叫消除的实现方法进行论述。实验测试数据表明,系统识别向左或右、向上或下一挥的手势动作成功率在92%以上,误动作率在4%以内,能够控制PowerPoint幻灯片向上或向下翻页以及控制无线话筒的音量大小,可以实时缓解话筒啸叫引起的干扰,实现设计效果。 相似文献
14.
15.
16.
在分布式传感器网络节点定位技术中,使用数据融合方法以提高探测系统的检测与定位精度正成为研究的热点。提出了一种应用于分布式传感器网络中的数据融合定位算法,通过对各个传感器节点的定位信息的加权求和来进行数据融合,用来提高探测系统目标定位的精度。该算法采用两级自适应调整得到最优加权因子,首先利用线性最小均方差(LMSE)算法得到权系数的初始值,然后利用训练节点和递归最小二乘(RLS)算法自适应地调整达到最优。对静态和运动目标的定位数据融合算法进行了仿真,仿真结果表明:相比单节点定位,提出的融合算法的定位精度有约1—2个数量级的提高。 相似文献
17.
针对普通摄像头手势识别系统易受复杂环境和光照条件等因素影响,存在对指尖点的漏判、误判问题,提出一种基于Kinect 骨骼信息与深度图像的掌心点提取和指尖点检测的手势识别方法。在DRVI平台上创建Kinect的接口控件,对Kinect传感器获取人体骨骼信息和深度图像进行分析,采用了坐标映射、图像分割、距离变换的关键技术和方法从深度图中分割出手势部分区域,对手势区域形态学处理,结合凸包和K-曲率算法检测不同手势中指尖点的个数和位置,计算不同手势凸包轮廓上的点集生成的HOG(Histogram of Oriented Gradient)特征描述子,最后利用特征描述子对预定的6种数字手势进行识别。经实验测试可以在复杂环境和不同光照情况下正确识别指尖点。 相似文献
18.
为了实现惯性导航控制,需获取控制对象的姿态角信息,设计了基于MEMS惯性传感器集成模块ADIS16355的姿态测量系统。该姿态测量系统采用ADIS16355作为惯性测量单元,利用加速度计对重力向量的观测来修正陀螺给出的姿态信息,卡尔曼滤波实现传感器信息融合以计算运动载体的姿态角。介绍了ADIS16355的基本功能模块,阐述了两种传感器融合测量实时姿态角的方法并给出了卡尔曼滤波算法迭代过程,基于ARMv7架构的Cotex-M3微处理器设计了姿态测量系统硬件。采用AHRS500GA对该姿态测量系统性能进行了测量姿态角的验证实验,测试结果表明,该姿态测量系统能在动态条件下准确地测定运动物体实时姿态角,其误差一般在?1?左右。 相似文献
19.
基于无线传感网的智能环境监控系统设计 总被引:1,自引:0,他引:1
针对传统环境监控系统存在的缺点,设计了一种新型无线传感器网络的环境监控系统。系统采用分布式融合结构,通过终端节点的多种传感器采集环境信息,终端对信息预处理后实时将信息传输到协调器。协调器融合各终端传感器信息,提取精确信息上传至融合中心,融合中心通过分析数据发布命令给控制中心,控制中心利用单片机驱动电机可以自动或手动控制风机和水泵对环境进行调节和控制。同时,系统还具有自动预警功能。通过验证,该系统稳定、可靠,能广泛应用于不同领域的分布式多点环境监控。 相似文献
20.
手机内置加速度传感器坐标系固定于设备自身,其采集的数据因手机姿态的改变而不断发生漂移,受此影响即使同一运动过程,加速度数据也难以同前一个时刻保持一致。为解决该问题,提出利用空间坐标转换算法将加速度数据从手机坐标系映射至惯性坐标系,从而确保数据在手机任意姿态下均能准确反映实际的运动状态。为验证该方法的有效性,设计一种手机传感器数据在线采集与实时处理新方法,实现Matlab中数据动态特征的实时观测及算法性能的在线评估。利用此方法,在旋转实验中分别测试方向余弦与四元数两种算法的可行性,并在计步器实验中进一步测试四元数算法性能。实验结果表明,基于方向传感器数据的方向余弦算法因测量范围限制,不能实现全方位空间坐标转换;而基于旋转矢量传感器数据的四元数算法则能够实现全方位转换,且转换后的加速度对步态识别率达到95%以上,较准确地反映了实际运动状态。 相似文献