IMU松耦合的KinectFusion算法改进

针对KinectFusion算法中采用frame-to-model ICP进行位姿估计时经常发生位姿丢失的问题,提出了使用惯性测量传感器IMU进行松耦合的算法改进。通过使用IMU采集到位移数据结合ICP算法实现位姿估计,意图在快速移动或者采集的图像数据缺少有效配准点的情况下保证相机跟踪不丢失,增强KinectFusion算法的整体鲁棒性。通过实验,将提出的算法与原有的算法进行比较,结果表明这里算法在没有明显降低实时性的情况下,其鲁棒性上优于原有算法,可以满足移动机器人的实时SLAM需求。     

自适应渐消EKF在移动机器人SLAM中的应用

针对即时定位与地图构建(Simultaneous localization and mapping,SLAM)中经典方法的误差累积以及噪声干扰问题,提出基于自适应渐消EKF的SLAM算法。该算法通过引入自适应渐消因子,实时在线调整先验概率密度估计,减小陈旧观测信息对系统估计的影响,在保证协方差矩阵正定性的同时,达到提高SLAM算法估计精度及增强其鲁棒性的目的。通过仿真和基于开源数据集的实验,将提出的算法与EKF-SLAM和UKF-SLAM两种算法进行比较,结果表明AFEKF-SLAM算法在估计精度上优于另外两种算法。     

一种基于增广EKF的移动机器人SLAM方法

针对移动机器人同步定位与地图构建(SLAM)过程中系统测程法误差累积问题,采用测程法误差模型和车轮速度误差模型的映像关系,结合增广扩展卡尔曼滤波(AEKF)算法结构和实际机器人模型,提出了一种有效提高定位精度的SLAM方法。将机器人速度校正参数附加到卡尔曼滤波算法的向量空间中,以形成增广状态空间,同时预测和更新了SLAM初始状态空间和速度校正参数,笔者在线实时修正机器人的速度和航向角,避免积累航向角误差,从而降低了测程法误差。基于均方根误差和归一化估计方差进行了仿真实验分析,研究结果表明:与EKF-SLAM相比,所提出的方法具有更好的估计性能,使算法保持良好的一致性,大幅度提高了机器人自身定位精度和路标估计准确度。     

一种基于SLAM的多功能探索机器人设计

针对机器人在未知环境下导航和捕获目标问题,设计了一种基于SLAM技术的探索机器人,并提出一种融合机器视觉与SLAM算法的导航方法。机器人由主控模块、底层驱动模块、摄像头、激光雷达和机械臂构成。通过在安装有开源机器人操作系统(ROS)的机器人上进行实验。实验结果表明,通过上述方法能够构建可靠有效的地图并规划出合理的移动路线,完成目标物体的定位和捕获。     

大范围环境中移动机器人SLAM问题的解决方法

对移动机器人的SLAM问题的解决方法进行概述。对近年来出现的大范围环境中解决SLAM问题的主要算法进行了详细论述。探讨了SLAM问题当前的一些研究难点和研究趋势。     

3D 激光雷达 SLAM 算法综述

无人平台在大范围环境中实现自主定位与导航的能力需求日益严苛,其中基于激光雷达的同步定位和绘图技术(SLAM)是主流的研究方案。在这项工作中,本文系统概述了3D激光雷达SLAM算法框架和关键模块,分析阐述了近年来的研究热点问题和未来发展趋势,梳理了3D激光雷达SLAM算法性能的评估标准,并据此选取目前较为成熟的具有代表性的6种开源3D激光雷达SLAM算法在机器人操作系统(ROS)中进行了测试评估,基于KITTI基准数据集,从KITTI官方精度标准、SLAM算法精度指标、算法耗时和处理帧率3方面进行了横向比较,结果表明,所选6种算法中LIO-SAM算法性能综合表现突出,其在00序列数据集的测试中,绝对轨迹误差(ATE)和相对位姿误差(RPE)的RMSE数据分别为1.303和0.028,算法处理的帧率(fps)为28.6,最后依据CiteSpace分析讨论了3D激光雷达SLAM技术的应用趋势。     

基于最小二乘法的IMU安装误差计算方法

文章针对IMU产品工程应用的需求,从IMU产品的实际安装关系出发,推导出了IMU产品的安装误差模型。为便于使用最小二乘法进行参数估计,对上述模型进行了线性化处理,给出了从线性模型中提取安装误差的方法,并对安装误差模型参数进行了误差分析。通过软件仿真及标定实验表明,该方法能够实现利用常规标定试验数据进行较高精度的安装误差估计。另外,文中还分析了标定过程中转台输入与产品输出间的关系,推导出了两者之间的转换方程。     

面向试飞校准的大气静压测量系统精度提高方法研究

空速管的测量精度是保证飞机测试系统正常工作的关键.面向试飞校准的大气静压测量系统用于校准空速管的测量精度,在详细分析现有飞机空气静压测量系统的基础上,针对现有系统的主要误差因素,全面探讨了提高面向空速试飞校准的飞机空气静压测量系统精度的途径和方法,最后提出了“外置式”飞机空气静压测量新方法.     

单目相机-IMU外参自动标定与在线估计的视觉-惯导SLAM

针对视觉-惯导信息融合同时定位与地图构建(VI-SLAM)中,单目相机-惯性测量单元(IMU)外参离线标定繁琐的问题,以及单目相机-IMU外参因传感器受到冲击或调整发生变化影响系统跟踪精度的问题,提出一种单目相机-IMU外参自动标定与在线估计的VI-SLAM算法。该算法首先利用手眼标定方法计算单目相机-IMU外参旋转矩阵并估计陀螺仪零偏;接着,在不考虑加速度计零偏的情况下估计系统的尺度、重力加速度以及单目相机-IMU外参平移向量;然后,利用已知的重力加速度大小估计加速度计零偏并更新以上已估计的初始化参数;最后,将单目相机-IMU外参放入状态向量中进行在线估计。EuRo C数据集实验表明,该VI-SLAM算法可以自动标定并在线估计单目相机-IMU外参,得到的旋转与平移外参误差分别在0. 5°和0. 02 m之内,这有利于VI-SLAM系统的快速使用以及精度的提升。     

基于地磁场的室内定位和地图构建

提出了一种利用室内地磁场的空间波动来实现即时定位和地图构建的方法。为了能增加定位精度和减少计算量,本文依据地磁场传感器能够测量地磁3个正交方向上的分量和不同的权重计算方式改进了粒子滤波算法,并结合克里金法对地磁地图进行更新。在定位阶段,利用改进的粒子滤波来估计机器人的位置,算法的收敛速度每次约加快0.5 s和定位误差约减少3.5 m;在构造地图阶段,利用克里金空间插值法来实现的空间波动地磁地图的更新较其他插值算法更灵活,且经过插值后的地图更有助于提高机器人的定位精度。通过MATLAB仿真实验,证明了该方法能够准确快速地对机器人定位,并且通过机器人观测值和里程计数据实时地构建连续一致的地图。     

基于图像识别技术的力值在线校准装置

专用生产及检测设备通常无法产生标准力源,因而设备上使用的测力装置很难像材料试验机一样用标准测力仪进行校准;采用图像识别技术,可以将这些专用设备屏幕上显示的图象力值数据转换成可通讯的数字信号,并与计算机进行通讯,从而实现力值逐点在线校准。     

基于自适应ORB算法的视觉惯导融合SLAM系统

结合视觉与IMU信息在SLAM系统中的互补性,提出了一种融合自适应ORB算法的视觉惯性SLAM系统,以提高基于视觉与惯性融合的SLAM系统在高速及光线变化场景下的精度与鲁棒性。在ORB特征点提取时采用图像金字塔结构,对图像金字塔的每一层采用自适应网格划分策略;每一层图像金字塔完成ORB特征点提取后,使用基于追踪次数的密集分布关键点剔除的策略,避免局部特征点分布过于密集;结合自适应ORB算法与Lucas Kanade光流法建立帧间的联系,增加SLAM系统定位精度与鲁棒性。实验结果表明,基于自适应ORB算法的视觉惯导融合SLAM系统相较于VINS-Mono在开源数据集EuRoC中有更好的表现,定位精度平均提升了31.28%。     

基于多传感器融合的机器人室内建图方法研究

设计了一种基于多传感器融合的室内建图方法,能够实现在包含玻璃物体的室内环境进行地图构建。主要利用激光雷达采集的数据和双目相机的数据进行特征级融合,再通过扩展卡尔曼滤波进行位姿融合;依据激光雷达对数据进行采集,利用参考阈值对疑似点进行判定;进一步使用双目视觉进行识别判定,实现多传感器融合建图。该方法可以提高局部定位能力和全局定位能力,解决传统Gmapping算法中对玻璃无法准确识别的问题。     

基于单目视觉直线跟踪的SLAM实现

同时定位和地图生成问题(SLAM)是移动机器人的一个基本问题,有着广阔的应用背景.由于视觉传感器具有成本低、信息丰富的特点,是当前SLAM问题研究的一个热点.针对视觉传感器视野小、远距离观测精度低的问题,提出了一种基于直线跟踪的单目视觉SLAM算法.该算法通过对直线特征的近距离观测和跟踪,保证了定位的精度和地图生成的效率.在Pioneer3dx机器人平台上进行的实验研究表明,该算法尤其适合于结构化环境几何地图的构建.     

IMU转动角速度对旋转SINS的精度影响分析

针对惯性测量单元(inertial measurement unit,IMU)旋转角速度变化过程对旋转调制型捷联系统(strapdown inertial nav-igation system,SINS)定位精度的影响进行分析和研究。例举IMU旋转方式并分析旋转自补偿技术调制惯性器件偏差的基本原理;详细推导了IMU运动状态变化过程对调制型捷联系统导航精度的影响并分析了IMU正反转方案的误差特性,最后根据仿真分析确定旋转角速度的选取依据。在理论分析的基础上进行了仿真实验。结果表明,IMU的旋转运动可以有效地调制惯性器件部分偏差,但是旋转角速度的大小及角速度变化过程依然会对调制型捷联系统的定位精度产生影响。     

测力传感器分路校准改进方法的校准误差研究

在飞机结构强度试验中,测力传感器通常采用分路校准方法来检验其准确性,为了减少试验中更换校准电阻的工作量,提出了一种测力传感器分路校准改进方法,并在试验中得到验证。本文以该改进方法为基础,对该方法的校准误差进行深入研究,理论推导出校准电阻与校准误差的关系,进而确定了更换校准电阻导致校准误差变化的趋势和范围,并通过试验验证了理论分析结论的正确,为验证该改进方法的准确性和可行性提供了重要理论依据,对该改进方法在飞机结构强度试验中的应用有参考指导意义。     

基于ORB关键帧匹配算法的机器人SLAM实现

针对复杂环境下机器人的同时定位与地图构建(SLAM)存在实时性与鲁棒性下降等问题,将一种基于ORB特征点的关键帧闭环检测匹配算法应用到定位与地图构建中。研究并分析了特征点提取与描述符建立、帧间配准、位姿变换估计以及闭环检测对SLAM系统的影响,建立了关键帧闭环匹配算法和SLAM实时性与鲁棒性之间的关系,提出了一种基于ORB关键帧匹配算法的SLAM方法。运用改进ORB算法加快了图像特征点提取与描述符建立速度;结合相机模型与深度信息,可将二维特征图像转换为三维彩色点云;通过随机采样一致性(RANSAC)与最近迭代点(ICP)相结合的改进RANSAC-ICP算法,实现了机器人在初始配准不确定条件下的位姿估计;使用Key Frame的词袋闭环检测算法,减少了地图的冗余结构,生成了具有一致性的地图;通过特征点匹配速度与绝对轨迹误差的均方根值对SLAM系统的实时性与鲁棒性进行了评价。基于标准测试集数据集的实验结果表明,ORB关键帧匹配算法能够有效提高SLAM系统建图速度与稳定性。     

轮廓扫描式螺纹中径测量的两规校准补偿方法

轮廓扫描式螺纹参数测量的过程中,由于工件和探针的装夹会不同程度地产生定位误差,导致中径测量结果不准确.然而各项定位误差的准确测量十分困难,加上误差模型的不完备,现有的相对测量方式(单规校准)只能测量与校准规尺寸相差不大的螺纹量规.特别是批量检测螺纹规时需要准备一批不同尺寸的校准规,且花费了很多的校准时间.基于齐次坐标变换建立了定位误差对中径结果影响的数学模型.依据该模型,利用两个不同尺寸的螺纹规校准定位误差,再对中径结果进行补偿.此外对最终结果的不确定度进行了分析,并给出了减小测量不确定度的校准规选用方法.实验结果显示,此方法只需要两个校准规,就能确保M15 ～ M50范围内螺纹的定位误差对中径结果的影响小于1μm.相比于单规校准,两规校准补偿方法虽然增大了测量结果的不确定度,但有效减小了校准规数量和对工件、探针定位精度的要求.     

基于被动激励的结构应变监测系统在线校准方法

针对在役桥梁结构应变监测系统全天时工况下的在线校准问题,提出了一种基于被动激励的在线校准方法,建立了在线校准系统模型。该模型以桥梁正常通行车辆的动态荷载为激励源,通过应变监测系统与参考系统对结构应变响应参量的同步测量,构建校准溯源链,实现在役应变监测系统不间断工作状态下的在线校准。根据结构应变监测系统计量性能评测需要,建立了基于大样本数据的期间测量误差、基本误差及置信区间的量化分析模型。依托广东九江大桥开展了试验验证,结果表明,所提方法具有现场实施的可行性,由不同数据集计算所得的在线校准结果一致性较好,在包含概率大于90%时,基本误差区间的半宽度偏差不大于±0.005。