一种基于VINS的视觉里程计改进方法

同时定位与地图构建(SLAM)是当今机器人领域的主要研究课题之一。针对如何根据图像估计相机位姿问题,提出一种基于VINS的视觉里程计改进方法(ORLK-VINS)。首先,通过双目相机获取图像信息;其次,将图像信息进行直方图均衡化处理,使图像对比度和亮度得到改善;然后,对原图像特征提取算法进行改进,引入ORB算法中带有方向的FAST角点;最后再将提取的特征点进行正反向的LK光流跟踪匹配,保证匹配特征点的精确性。实验表明,经过改进后的视觉里程计相较于主流的VINS-Fusion算法,在某些场景下拥有更好的实时性和定位准确性。     

改进视觉惯性里程计融合GPS的无人机定位方法研究

为提升无人机大范围弱纹理场景下的状态估计，提出一种改进视觉惯性里程计融合GPS的定位方法。首先，通过在视觉惯性里程计中加入线特征来表示环境的几何结构信息，提升位姿估计的准确性；其次，通过引入长度阈值筛选，剔除对位姿估计贡献不大的短线段，改善特征追踪的鲁棒性；最后，使用非线性优化的方式，将GPS测量信息和改进的视觉惯性里程计融合，校正视觉惯性里程计的累积误差。基于EuRoC数据集仿真实验以及应用于无人机的真实场景实验表明，相较于原算法，加入线特征算法的定位误差在仿真实验中降低了39.14%，室内场景降低了23.48%，室外场景降低了33.58%。融合了GPS的点线特征算法相较于原算法，定位误差降低了53.99%。     

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。     

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。     

基于运动矢量的改进视觉 SLAM 算法

针对移动机器人运行场景中出现运动物体时,视觉同时定位与地图构建( SLAM)算法位姿估计误差大且构建地图不一 致的问题,提出了一种基于特征点运动矢量的改进视觉 SLAM 算法。 首先,引入基于特征点运动矢量的运动点检测算法。 通过 结合初始相机位姿,计算图像特征点的运动矢量,并使用期望最大化方法求解运动矢量角度的高斯混合模型参数,通过结合前 一帧的运动点检测结果,从而区分当前图像中的运动特征点;其次,基于运动点检测结果,对当前帧相机位姿进行优化;再次,通 过设置图像预处理环节,剔除运动点占比较大和与前一帧相似性较高的图像,提高闭环检测算法的计算效率;最后,使用剔除动 态点后的图像特征点对场景进行描述,并改进单个节点处图像间相似性得分计算函数,经过闭环确认后,得到正确闭环。 数据 集实验表明,所提算法具有较高的位姿估计精度和较好的鲁棒性,同时能有效检测场景中闭环的存在,且建图效果较好。     

基于改进PSO-BP算法的机器人目标位姿识别方法

机器人作业环境复杂,物料分布具有随机性,导致机器人目标位姿的辨识和定位精度低,实时性差,为此提出一种基于改进粒子群算法-BP神经网络(PSO-BP)的机器人目标位姿识别方法。采用改进的中值滤波算法对目标图像预处理,构建多尺度灰度差异算子以及局部图像熵算子,将两者点积运算获取加权局部熵,抑制目标图像中的噪声。通过多视图几何中间帧的关联特征信息,提取机器人目标位姿特征。在BP神经网络训练阶段通过改进的PSO算法优化处理,采用优化后的BP神经网络算法对提取的特征展开训练和识别,最终实现机器人目标位姿识别。实验结果表明,当机器人目标测试样本数量为55个时,所提方法的亮度方差为0.305,当像素识别误差为1.5%时,所提方法获取的机器人目标位姿识别误差为0.11,所提方法能够在像素识别误差下准确识别机器人目标,获取高精度的机器人目标位姿识别结果。     

基于滤波与图优化的定位与建图系统

针对室外大场景环境建图精度不高,地图出现重影和漂移等问题,提出一种融合滤波与图优化理论实时定位与建图系统。该系统由点云数据预处理、基于滤波紧耦合惯性里程计和后端位姿图优化等三部分构成。首先,点云数据预处理采用随机采样一致性算法分割地面,并提取地面模型参数构建后端优化中的地面约束因子。然后,前端紧耦合惯性里程计采用迭代误差状态卡尔曼滤波,以激光里程计作为观测值,IMU预积分结果作为预测值,通过构建联合函数,滤波融合得到较为精准的激光惯导里程计。最后,后端结合图优化理论引入闭环因子、地面约束因子以及帧与图匹配的里程计因子作为约束条件,构建因子图并优化地图位姿。其中闭环因子采用改进的扫描文本的闭环检测算法进行位置识别,可以降低环境误识别率。本文提出的算法在室外厂区楼栋,停车场以及室内车间等多个场景完成场景建图,在距离,水平和高程三个方向的累积偏差均控制10厘米左右,能够有效解决地图的重影和漂移问题,具有高鲁棒性和高精度。     

动态特征剔除的无人系统视觉 / 惯性导航方法

为降低动态环境对视觉/惯性导航系统定位精度与稳定性的影响,提出了一种动态特征剔除的视觉/惯性导航方法。该方法在视觉/惯性导航系统VINS框架基础上,以结构相似度作为成本量生成端到端网络,检测环境中的动态区域;通过特征光流矢量对已检测到的动态区域进行对称光流筛选,剔除该区域内的动态特征;融合视觉和惯性测量构造代价函数,通过非线性优化方法有效估计无人系统状态。实验结果表明,动态特征剔除后的视觉/惯性导航方法具有良好的定位精度和稳定性,其位置均方根误差在EuRoC公开数据集和实际场景采集数据上分别为0.081和1.982 m,仅为VINS的35.5%和24.9%。该方法可在复杂应用环境中提供精确的位置信息,且在低成本无人系统导航定位方面具有良好的实用价值。     

融合超宽带方位和距离的移动机器人定位

可靠定位是机器人完成导航和路径规划的前提,机器人通过多个超宽带(ultra-wideband, UWB)基站的测距信息实现定 位,但基站数量不足时定位精度受限。 针对这一问题,提出融合超宽带距离和方位的移动机器人定位方法。 根据方位标准差区 分信号来自基站前方(视场)或背后(非视场),消除方位的前后奇异性。 在此基础上,利用 UWB 距离和方位测量值构建约束函 数,通过图优化算法融合里程计和 UWB 测量数据实现全局位姿优化。 实验结果表明,该方法在 13 m×6 m 的室内环境中,移动 机器人无规则运动能够达到 0. 093 m 的定位精度,比传统的基于测距 UWB 和里程计融合方法定位性能提升了 46%,且具有较 强的鲁棒性。     

移动机器人生物启发式变结构轨迹跟踪控制

针对移动机器人反演轨迹跟踪控制中的速度跳变与速度跟踪问题,提出一种采用生物膜电压模型和反演滑模方法的移动机器人生物启发式变结构轨迹跟踪控制系统。首先基于移动机器人的运动学模型建立位姿跟踪回路,即利用生物启发式膜电压模型获取虚拟的位姿误差信号,并结合Lyapunov函数设计反演控制器来解决速度跳变;然后考虑移动机器人的动力学模型设计速度跟踪回路,构造基于组合趋近律的滑模变结构力矩控制器来保证速度跟踪;接下来,根据Lyapunov理论对所提系统的稳定性进行证明;最后,以iRobot Create移动机器人为控制对象进行直线、圆和折线轨迹跟踪控制的仿真研究。通过分析比较初始阶段和拐点处的跟踪误差、速度和力矩,验证了所提系统的有效性。     

基于EM-ORB算法的移动机器人SLAM系统研究

针对Kinect相机存在的固有噪声,在机器人视觉定位与建图中提出一种改进ORB特征匹配算法结合改进环境测量模型的SLAM系统,该系统使用改进ORB算法提取图像的特征点,建立相邻帧之间特征点的对应关系,并对深度图进行滤波;使用ICP算法计算机器人运动,通过环境测量模型去除误匹配点,同时进行回环检测,最后使用g2o对位姿进行全局优化,建立环境点云图。通过实际环境与公开数据集的运行测试,结果表明,该V-SLAM能够准确地完成相机位姿的更新,并建立环境点云图。     

面向大型室内场景的无人机三维激光雷达解耦SLAM方法

大型室内场景通常在高程方向结构较为相似,导致激光雷达扫描点云在高程方向特征退化,传统激光雷达SLAM的无人机定位方法易发生高程特征误匹配。针对于此,提出了一种基于惯性/高度传感器信息辅助的机载三维激光雷达解耦SLAM算法：将高度传感器、惯性姿态引入点云初始化过程,提高初始位姿匹配精度;将基于多元正态分布的点云配准算法在水平、高度通道解耦,约束点云配准方向,提高高程退化环境下的定位精度;同时使得传统SLAM六维位姿解算降为三维,降低了计算量。通过Gazebo构建船舱仿真场景,对提出的方法进行验证,结果表明本文方法可以提高在高程特征退化下的激光雷达SLAM定位精度,比传统算法提升40%以上,并有效提高了计算效率。     

融合运动约束的轮式机器人视觉里程计研究∗

针对轮式机器人平面运动的特性,将轮式机器人运动降到二维平面处理.由机器人相机的二维运动特征提出帧间特征点匹配等高约束条件,同时对帧间相机运动方程做线性化近似,提出直线约束条件.两个约束条件可用于误匹配特征点对点筛除,为视觉里程计帧间运动估计提供优质匹配点对.最后对筛选后的匹配点对进行降维处理,并与二维ICP算法相结合,用于估计机器人相机运动轨迹.试验表明,所提出的方法可大大提高视觉里程计运算速度.     

头盔瞄准显示系统运动位姿的预测方法

针对受面阵CCD相机的帧频限制而对头盔瞄准显示系统定位速度慢的问题,提出了一种基于Unscented Kalman滤波的头盔运动位姿固定超前预测方法。分析了飞行员头部的运动特点,建立了描述头盔运动位姿固定超前预测的状态空间模型,并对头盔的三维运动位姿进行固定超前预测和估计,在保证位姿测量精度的前提下,间接提高定位系统对头盔的位姿测量速度。实验结果表明,该方法在保证对头盔瞄准显示系统定位精度的前提下,可以有效地将其定位速度提高一倍。     

基于改进人工鱼群算法和自适应模糊PID的云台相机位姿控制

巡检机器人的云台相机位姿控制对设备巡检和获取故障区域图像至关重要。针对综合管廊巡检机器人的巡检需求,提出了一种基于改进人工鱼群算法和自适应模糊PID的云台相机位姿控制方法。在人工鱼群算法优化的中后期,借鉴遗传算法思想增强寻优能力。基于改进的人工鱼群算法优化云台相机位姿PID控制参数初值,设计了相机位姿变换的约束区域,通过自适应模糊PID实现相机位姿在线实时控制,并与常规PID和自适应模糊PID控制算法进行对比分析。实验结果表明,基于改进人工鱼群算法和自适应模糊PID的云台相机位姿控制具有良好的实用性和鲁棒性。     

基于ZPETC和DOB的直线伺服系统鲁棒控制

针对直线伺服系统存在的外部扰动、系统参数变化、非线性摩擦等不确定性因素对系统的影响,采用零相位误差跟踪控制器(ZPETC)和干扰观测器(DOB)相结合的控制方法,通过ZPETC来提高系统的快速跟踪能力,减小系统的跟踪误差,并通过DOB来减小不确定因素对系统的影响,从而同时提高系统的定位精度和鲁棒性。仿真结果表明,所提出的控制方案是有效的,能够明显提高系统的定位精度。     

低速自动驾驶横向跟踪控制研究

为了提高低速自动驾驶车辆在不同工况下横向跟踪控制的性能,设计了一款基于纯跟踪(PP)控制和模型预测控制(MPC)的联合控制器。当位姿偏差较大时,切换为PP控制;当位姿偏差较小且满足MPC约束时,切换为MPC;同时为了保证2种控制实现平滑的切换,设计了模式切换控制器。针对上述联合控制器进行了仿真对比分析与实车验证,结果表明：联合控制相较于MPC,跟踪的快速性、稳定性明显优化;与PP控制相比,控制的精度明显提高,且模式切换控制器的加入使切换过程的鲁棒性得到优化。     

直流微电网多端口变换器虚拟惯性控制策略

目前,直流配电系统内部多变换器并联一般采用传统的下垂控制策略,系统表现出低惯性、弱阻尼的特征,使得系统稳定性较差,为此提出了一种用于直流微电网多端口变换器的类虚拟同步发电机(virtual synchronous generator,VSG)虚拟惯性控制策略。该策略可同时实现下垂、虚拟惯性及阻尼特性功能。首先,对多端口变换器的拓扑结构进行了简介;其次,对所提控制策略进行了理论分析与推导,并给出了控制策略框图;再次,建立了变换器小信号模型,分析了加入类VSG虚拟惯性控制策略后变换器的稳定性;最后,在Matlab/Simulink中建立了系统仿真模型,并进行了仿真对比,验证了所提控制策略的有效性及稳定性分析的正确性。与传统控制策略相比,所提控制策略增加了直流配电系统的惯性,平抑了直流母线电压的波动。     

基于多滑模变结构的双向并网变换器虚拟惯性控制策略

针对直流微电网惯性低、母线电压抗干扰能力差的问题,以双向并网变换器为控制对象,提出一种基于多滑模变结构的虚拟惯性控制策略。内环采用基于指数趋近律的滑模电流控制,快速跟踪并网电流给定值,提高系统的响应速度。外环建立虚拟惯性控制方程与电压滑模面结构,增强直流微电网的惯性,平抑直流母线电压波动。通过小信号扰动法和Nyquist判据证明了双向并网变换器在所提控制策略下的稳定性。最后,搭建了相应的仿真模型和StarSim HIL硬件在环实验平台。仿真及实验结果表明,与基于PI控制和无源控制的虚拟惯性控制策略相比,文章所提控制策略具有更好的动态、静态特性,提高了直流母线电压的稳定性。     

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。