基于Kalman滤波的头盔运动姿态的预测方法

针对头盔瞄准具单目视觉定位系统中,由于面阵CCD相机帧频的限制而导致对其定位速度慢的问题,提出了一种基于自适应Unscented Kalman滤波的头盔运动姿态固定超前预测方法。首先,分析了飞行员头部的运动特点,利用匀变速运动来描述头盔的实际运动,并建立了头盔姿态固定超前预测的状态空间模型;然后,基于自适应Unscented Kalman滤波理论分别对头盔在相机连续2次采样中间的非采样时刻和采样时刻的姿态进行固定超前预测,并利用采样时刻头盔姿态的测量值对其固定超前预测值进行实时的修正,以在间接提高头盔定位速度的同时,保证其定位精度;最后,搭建了单目视觉姿态测量与预测实验系统,对该方法的有效性和准确性进行了验证。实验结果表明,该方法能够对头盔瞄准具在相机连续2次采样中间的非采样时刻的运动姿态进行有效而准确的固定超前预测,在保证了对头盔定位精度的前提下,可以有效地将其定位速度提高1倍。     

基于相对定位技术实现对 Apriltags测量范围拓展的研究

Apriltags标签定位在远距离测量时会出现定位精度不高的问题。本文对其形成原因进行了简要的分析,并提出了一种基于相对定位技术实现对Apriltags标签纵向测量准确度的提升和纵向测量范围拓展的方法。该方法通过将长距离分解为多段短距离的叠加以实现在保证测量精度的前提下对长距离Apriltags标签的空间位姿测量。当直接测量与间接测量结果均存在时,通过数据融合的方式结合两种测量方法各自的优势。该方法可以在保证横向距离与高度测量准确度的情况下,有效提升中远距离下标签的纵向距离测量准确度。仿真实验与真实实验验证了该方法的有效性,并实现了在3 m(12.5倍标签尺寸)的中远距离情况下绝对测量误差降低1 dm,相对测量误差降低0.45%。     

基于三激光点标靶的掘进机机身视觉定位技术研究

针对煤矿井下低照度、非均匀粉尘环境中掘进机机身位姿测量不稳定的问题,提出了一种以 3 个激光光斑为点特征的 掘进机机身位姿视觉测量技术。 根据激光穿透性强的特性,对防爆工业相机采集的激光标靶图像进行处理,通过光斑区域的最 小内接矩形和椭圆拟合相结合,获取 3 个激光指向仪的光斑点特征,并采用 P3P 单目视觉定位算法,通过空间坐标矩阵变换计 算出掘进机机身的空间位姿。 根据掘进机机身位姿测量实验表明,在粉尘和杂光的影响下,采用该方法获得的掘进机机身位置 信息的误差均在 30 mm 以内,姿态误差均在 0. 5°以内,且保证了在杂光、粉尘和水雾等复杂背景下激光光斑点精确提取与机身 位姿的稳定测量,基本满足巷道掘进施工精度要求。     

工业机器人位姿准确度、重复性测量仪设计

工业机器人的大量使用,迫切需要对其性能指标进行测试,本文是对机器人关键技术指标一位姿准确度、重复性的测试系统进行研制,结合具体的应用实例,通过分析传感器与机器人空间运动关系,提出用探头法测量工业机器人的位姿准确度、重复定位误差。针对测试设备软硬件设计过程中遇到的实际问题提出具体的解决方法。实际应用证明,该测试系统完全满足设计要求,并具有稳定性好、操作简单、运行可靠等特点,可以作为机器人位姿准确度、重复性的通用测试系统。     

机器人接触式精度测试设备设计

本文研讨机器人关键技术指标一位姿准确度、重复性的测试系统,结合具体的应用实例,通过分析传感器与机器人空间运动关系,提出应用标准测试球进行接触测量工业机器人的位姿准确度、重复定位误差。针对测试设备软硬件设计过程中遇到的实际问题提出具体的解决方法。实际应用证明,该测试系统完全满足设计要求,并具有稳定性好、操作简单、运行可靠等特点,可以作为机器人位姿准确度、重复性的通用测试系统。     

基于PMD相机的特征跟踪位姿测量方法

PMD相机是一款基于TOF(时间飞行技术)原理的主动式3D相机。该相机可以同时获取灰度图像和距离图像,具有帧率高、无需扫描、不依赖于外界光照等特点,可以将其用于目标的实时位姿测量。研究了相对位姿测量问题,提出基于PMD相机的特征跟踪位姿测量方法。该方法利用PMD相机可直接获取目标物体上各点的深度信息的特点,实时获取目标图像中的特征,并且利用卡尔曼滤波算法,对目标特征进行实时跟踪,提高了位姿测量系统获取信息的速度,而且有效的避免了传统的图像配准方法中提取特征信息存在的复杂性和误差问题。根据获得的特征信息,通过特征点之间的约束关系,实时的确定相机与目标之间的位姿参数。实验结果表明此方法的可行性和有效性。     

基于PnP和自适应线性卡尔曼滤波的实时位姿估计

针对实时位姿估计中扩展卡尔曼滤波(EKF)线性化引入非线性误差和依赖已知噪声分布的缺点,提出一种基于Pn P的自适应线性卡尔曼滤波位姿估计求解方法。将Pn P位姿估计求解策略引入卡尔曼滤波观测方程,通过对动态方程误差统计参数实时估计,自适应调节卡尔曼滤波递推参数。所提算法求解精度高,固定了观测方程的观测向量维度,提高了算法实用性。通过仿真试验,比较了该算法与EKF的位姿估计精度,通过量化误差分析,证明了该方法可以提高三维运动位姿估计精度,也验证了该方法的有效性。     

基于分布式温度传感的在线学习自适应模糊温度预测法

基于拉曼散射的分布式光纤温度传感器（RDTS）能够沿光纤沿线测量数十公里的温度,被广泛用于监测关键设施的温度状况。由于受到温度传递滞后和单次解调运行时间的影响,系统在面对火灾等温度突变事故中还无法快速有效地实现对安全隐患的超前预警。为从源头上对安全隐患采取预防措施,做到安全准确和防患于未然,研究人员提出了阈值预警、温差预警以及建立基于多阶实时移动平均法的预警模型等多种方法。然而,这些方法都有其局限性,为此本文提出了一种基于分布式温度传感的在线学习自适应模糊温度预测法。实验结果表明,基于在线学习的自适应模糊温度预测方法能够在保证预测精度的前提下有效地提高预警时间。与传统方案相比,该方法不受系统硬件的限制,超前预警时间可根据需求自由设置,能同时对被测光纤任意位置进行分布式预测,其在实际应用中具有显著优势。当超前点数设定为2时,系统能够达到的平均预测温度的绝对误差为1.1℃,平均预测误差的百分率为3.06%,预测误差的波动范围约为±2.3℃。     

考虑测量噪声的朗道自适应惯量辨识方法

传统朗道自适应惯量辨识方法只有一个自适应系数可以调节,难以同时兼顾辨识速度和辨识精度,导致速度自适应控制系统在测量噪声较大的情况下容易不稳定。为解决这一问题,提出了一种考虑测量噪声的朗道自适应惯量辨识方法。该方法采用相同的低通滤波器对速度和电磁转矩同时进行滤波,保证了辨识模型与无滤波时的相同。在此基础上综合调节自适应系数和滤波器时间常数,在保证辨识速度的前提下减小辨识系统的噪声,提高辨识精度,从而提高了速度自适应控制系统的稳定性。仿真和试验验证了所提方法的正确性和有效性。     

一种单目VIO定位精度与跟踪稳定性优化方法

为了提高视觉惯性同时定位与建图(visual-inertial simultaneous localization and mapping, VISLAM)系统的系统性能,提出了一种单目视觉惯性里程计(visual-inertial odometry, VIO)定位精度与跟踪稳定性优化方法。在相机位姿优化阶段,通过多残差项对相机位姿进行优化,提高系统的定位精度。在特征跟踪丢失时,通过惯性测量单元(inertial measurement unit, IMU)积分信息与特征点深度增强方法对系统进行重定位,提高系统的跟踪稳定性。针对所提方法,基于ORB-SLAM3代码框架进行改进,并在开源数据集与真实环境中验证方法的可行性。实验结果表明,所提方法能够有效提高视觉惯性里程计的定位精度与跟踪稳定性。     

基于iOS平台的步长计算方案与实现

GPS一般不适用于室内环境定位,惯性导航是一种常用的室内定位技术。对此,提出了一种基于iOS平台的行走步长计算方法,通过iOS设备内置加速度计采集数据,计算腰部的竖直位移。行走时,人体的腰部轨迹相对于前进方向近似1个倒置单摆模型,依据此运动模型可以计算行走的步长。此外还给出了在iPhone上实现步长计算的软件实现方案,并设计了应用软件。实验表明,所提出的步长计算方案和软件可以实时显示行进的步长和总位移,测量结果较准确,误差约为5%,该方法可为开发室内定位系统提供一定理论依据。     

基于粒子滤波的运动机器人目标定位

机器人完成各种应用的前提是准确获知自身及运动目标的相对位置,由于机器人在运动控制的过程中自身携带的传感器获取的位置和角度信息存在误差,会导致移动机器人在目标定位过程中出现误差。为提高定位的准确性,提出了基于相对定位的方法,建立目标运动的相对运动模型,并基于观测距离和角度的测量方程运用粒子滤波方法对运动目标进行定位,实验与仿真结果表明,在不同强度的非高斯噪声影响下,粒子滤波算法都能够有效的对其进行定位,且具良好的精度。     

变电站非视距环境移动目标实时精准定位方法

在基于无线传感器网络的变电站移动目标定位系统中,测量信号的传播路径容易受到变电站内各种设备的遮挡,导致测量误差增大,影响最终定位精度。针对现有实时定位算法受测量误差影响较大这一现状,本文提出了一种受测量误差影响较小的新型高精度定位方法,实现在变电站内对移动目标的精准定位。根据定位锚点提供的测量信息,采用两步线性最小二乘法初定位。引入误差概率算法,对初定位结果进行二次处理,求解出的概率最大点即为待定位目标的最优位置估计。进行仿真分析与实验验证,与现有算法进行比较。文中提出的算法在变电站环境下,将每一单一坐标误差控制在30cm以内,相较于现有实时定位方法,定位精度提升了50%以上。结果表明该定位方法能够有效提升在变电站环境下定位结果的准确性。     

室内机器人TDOA异步无参测距定位方法研究

针对超宽带室内机器人定位系统中TDOA的时钟难以同步以及测量存在各种干扰问题,提出一种室内机器人TDOA异步无参测距的定位新方法。该方法将实际测量计算而来的时间作为校正因子,为主基站构建异步时钟下无参考节点的测距算法模型,由主、从基站的测量信息可直接计算出机器人到达距离差;提出关联权值滤波算法获得到达距离差状态矩阵,有效降低信号干扰。并从测量性能、测距及定位等方面进行误差分析。实验结果表明,测距精度98%维持在10 cm以内,且不会随着长时间运行发生测量偏移,具有较好的定位精度,可满足室内机器人的定位需求。     

基于改进SSD的骑行人员佩戴头盔检测

为了解决骑行人员佩戴头盔检测任务中目标小、密集、准确率差、检测速度慢、应用困难等问题,本文基于SSD网络提出了EfficientNetV2-SSD算法。针对原SSD网络参数多的问题,使用改进后的轻量级网络EfficientNetV2替换SSD中的特征提取网络,减少网络参数,提升网络检测速度;针对难检测的小目标,使用自上而下与自下而上的FPN金字塔结构,最大程度丰富所有预测特征层信息,提升小目标的检测准确率;针对头盔等被检测的目标特征,重新设计先验框尺寸与比例,提高了小目标检测的准确率,同时加快网络收敛速度,减小网络体积。实验结果表示,EfficientNetV2-SSD网络对佩戴头盔的检测平均精度均值相比SSD网络提高7.01%,网络体积减少75%,具有更好的实用性。     

单目视觉里程计位姿解算质量评估因素分析

近年来，弹性PNT和综合PNT不断发展，多源传感器的弹性融合机制受到广泛关注。针对多源组合导航中视觉传感器的测量精度和可靠性受环境影响大，对精度的影响程度难以单独评估等问题，通过研究单目视觉里程计位姿解算质量的评估因素，体现多源传感器融合系统中视觉传感器的测量质量，提出基于李代数推导的反应空间点构型对相机位姿恢复精度影响的精度衰减因子Visual-DOP,设计了单目视觉里程计位姿解算质量评估算法，并在视觉里程计权威数据集KITTI上做了验证，通过控制变量的方法解耦每一个评估因素与定位定姿精度的关系，结果显示采用的位姿解算质量评估因素能够正确反应单目视觉里程计的导航精度受视觉测量质量的影响程度。     

改进 YOLOv5s算法的电动车头盔检测研究

针对电动车头盔佩戴检测存在遮挡、车辆密集以及一车多人的复杂场景下出现的漏检、误检问题,在 YOLOv5s 的基 础上,提出了一种应用于电动车头盔佩戴检测的改进算法。设计了一种由递归门控卷积改进的 GBC3 模块,替换网络主干和 特征融合层(feature pyramid networks,FPN)中的 C3 模块,加强邻间特征的空间信息交互,提高网络的特征提取和特征融合 能力;其次在主干和特征融合网络添加无参注意力机制(SimAM), 以调整特征图中不同区域的注意力权重,对重要目标施加 更多关注;最后引入调整超参后的 WIOU 损失函数,优化预测框回归,提高模型的目标定位能力。在自制电动车头盔数据集 上的实验结果表明,改进模型在仅增加较少参数的前提下,其平均精度均值(mAP) 达到97.3%,较 YOLOv5s 提高了3 . 2%, 并且检测速度为87.1fps,改善了误检和漏检的问题,同时仍具有较高的实时性,更适用于电动车驾乘者的头盔佩戴检测。     

电力作业场景中一种高效的UWB和IMU融合定位算法

在电力作业场景等复杂环境中,超宽带（UWB）定位存在非直达情况（NLOS）性能下降严重的问题,利用UWB与惯性测量单元（IMU）融合可以改善定位精度,但IMU的测量存在误差累积,需要精确的UWB测量校正。对NLOS条件进行准确的鉴别和利用有助于定位精度的提升。提出一种基于扩展卡尔曼滤波（EKF）的UWB/IMU融合算法,利用电力作业场合中UWB测量分布性质来判定NLOS条件,并进行误差的缓解,有效提升NLOS条件下的定位精度。由于该算法不需要对环境有先验知识,也不需要进行IMU校正等操作,可用性较好。理论和实验结果表明,该算法的性能优于其他基线系统。     

自动化集装箱码头装卸目标三维测量系统设计

针对传统激光雷达在自动化集装箱码头装卸过程中对集装箱三维姿态定位精度低、成本高等问题,提出了一种基于视觉的集装箱姿态三维测量系统。首先通过小规模的深度学习网络快速进行集装箱锁孔粗定位,其次通过传统图像处理算法对集装箱锁孔进行二次定位得到集装箱锁孔的精确位置,最后结合装卸过程中集装箱的物理运动对集装箱姿态进行三维测量。实验结果表明,与改进前的深度学习网络相比,测量精度更高、测量速度更快;整体算法的测量精度为93.71%,约12.45 fps,集装箱姿态测量平均测量误差约为4.95%,满足自动化装卸的要求。     

麻雀搜索算法的PMSM固定时间无模型滑模控制

针对永磁同步电机(permanent magnet synchronous motors, PMSM)调速系统的易受外部负载扰动的影响,提出了一种基于改进麻雀搜索算法的PMSM固定时间无模型滑模控制策略。在转速环输入输出超局部模型的基础上构建了固定时间滑模速度控制器,设计了固定时间扰动观测器估计超局部模型的未知扰动,并通过前馈补偿的方式削弱未知扰动对调速系统带来的不利影响,提高调速系统的抗干扰能力,利用李雅普诺夫函数证明了速度控制器和观测器的固定时间收敛性。由于控制器参数较多且会影响系统性能,为了准确获取参数,提出了改进的麻雀搜索算法对控制器的参数进行优化。实验结果显示,本文提出的控制方案与PI控制相比较,有效解决了超调问题,稳定时间加快了22.8%,加载时转速变化减少了75%,表明本文提出控制方案的有效性。