基于双眼模型的三维视线估计方法

提出一种基于双眼模型的三维视线估计方法,以期克服二维视线跟踪方法固有的两个缺点,即对于使用者头部运动限制以及个体参数标定过程繁琐。该方法首先利用两个安装有红外灯组的摄像机组成立体视觉系统,实现人脸双眼图像的采集,之后,基于眼睛角膜球状假设,建立了一个适用于三维视线估计的三维眼模型,在此基础上,推导出人眼三维光轴的估计方法。用左右眼光轴与屏幕交点连线的中点估计方法,计算出注视点。该方法可在使用者头部运动的情况下,完成视线估计,且只需进行一次系统校准即可使用,无需其它标定过程,视线估计精度较高。     

眼动跟踪技术研究进展

眼动跟踪是指通过测量眼睛注视点的位置或者眼球相对头部的运动而实现对眼球运动的追踪。介绍了眼动跟踪技术及近年来相关研究进展,分析了各种眼动跟踪技术原理,详细比较了各种测量方法的利弊。通过对几种最新眼动跟踪设备特性的比较,进一步了解国内外眼动跟踪发展趋势。最后介绍了眼动跟踪技术的研究方向,并对眼动跟踪技术应用前景进行了展望。     

基于支持向量机回归模型的视线定位算法研究

针对传统的基于单瞳孔-普尔钦光斑向量和多项式拟合的视线定位方法头动受限的问题,提出一种新的采用单摄像机多辅助光源的基于二维映射模型的视线定位方法.利用4个瞳孔-普尔钦光斑向量构造系统输入特征向量,基于支持向量机回归模型建立注视点映射模型定位视线,解决了视线定位系统的头部运动和系统非线性映射误差问题.实验结果表明:该方法与传统方法相比,可以有效解决传统方法头动受限问题,适应性更强且精度更高,平均定位精度为1.2°     

基于眼动跟踪的战斗机显示界面布局的实验评估

以界面的客观评价为目的,文中运用眼动追踪仪对界面的布局设计方案进行了实验评价与分析。通过对不同方案进行的测定,得到注视轨迹、注视热点、注视点数量和注视时间,并利用这4项数据对布局设计方案进行了评价。选择出注视轨迹和注视点空间分布合理的布局,并将它作为优选方案。对实验设计的分析表明,在布局评价中注视轨迹、注视热点的数据对...     

面向人机交互的眼动跟踪方法研究

针对患有严重身体残疾和行动不便的特殊人群难以与计算机进行交互的问题,对基于眼动跟踪的人机交互系统进行了研究,采用可穿戴式的系统硬件方案:将连接个人电脑的微型CCD摄像头通过3D打印成型的载具安装在普通眼镜上实现了眼图采集功能,运用基于梯度值和圆特性的改进的椭圆拟合方法检测定位瞳孔中心,并进行了基于二阶模型的注视点的标定,最终实现了对眼睛视线的跟踪检测。实验测试结果表明,该系统的水平方向视线检测误差和垂直方向视线检测误差分别在3.74%和5.34%,验证了所提出的眼动跟踪人机交互系统的可行性和有效性。     

四驱混合动力轿车分布式卡尔曼车速估计

四驱混合动力轿车存在两轮/四轮多种驱动模式,针对某一驱动模式所设计的车速估计算法难以满足其他模式下车速估计的精度。考虑车辆不同驱动模式,利用车载传感器信号、后轮毂电机转矩信息以及既定档位下前轮转矩信息,提出两级分布式卡尔曼车速估计方法。考虑模型的强非线性,采用无味卡尔曼滤波(Unscented Kalman filter,UKF)算法设计主/子滤波器。同时为了提高UKF算法对模型误差、信号干扰的鲁棒性,实现了量测噪声均值和方差的自适应调节。基于Untire轮胎模型和滑移率递推方程,设计滑移率子滤波器;基于整车运动学模型,设计车速主滤波器;考虑不同驱动模式,利用子滤波器估计值在线融合得到车速。搭建Carsim-Simulink联合仿真平台,并分别在纯电动驱动模式和四轮混合驱动模式下,对车速估计算法进行仿真验证。结果表明,所提出的两级分布式卡尔曼车速估计方法能有效提高车速估计精度,并增强了对模型误差、量测信号干扰和不同驱动模式的鲁棒性。     

基于局部模型网络的锂电池SOC估计方法

锂电池的荷电状态(SOC)是电池管理最重要的参数，准确的SOC估计对保证电池运作的安全性至关重要。传统基于数据驱动的SOC估计法，如神经网络，在可解释性、参数整定方面表现不足。本文提出一种基于局部模型网络和天牛须搜索优化组合的SOC估计法。首先，借助局部模型网络描述复杂非线性系统的能力和其作为灰箱模型的可解释性，将模型的工况空间分解为多个可以用简单模型表示的局部子区间，再用调度函数组合为最终的模型。其次，在网络的训练过程中，采用天牛须搜索优化算法确定分裂空间上的最佳分裂方位，很好的兼顾了模型辨识的精度和运算复杂度。最后，在锂电池动态特性数据集上与已有文献中的SOC估计法进行了对比试验，本文所提出的方法在简单工况的训练集上的RMSE误差小于0.4%,在复杂工况的测试集上的RMSE误差小于0.9%,在不同温度上的表现也相对平稳，总体展现出较高的辨识精度及泛化能力。这一特点在实测的数据集上也得到了进一步验证。     

基于RBF神经网络的曲面加工误差补偿

在自由曲面数控加工中,计算误差和机床误差都会带来加工工件的形状误差。形状误差在三维空间分布是无规律的,无法用普通的数学函数表达,导致很难实施误差补偿加工。为了建立误差补偿模型,本文提出了采用RBF（Radial Basis Functions）神经网络逼近误差的三维分布函数。测试结果表明,RBF网络模型具有较好的推广能力,它与传统的BP神经网络模型相比较。RBF网络具有更高的精度、更好的泛化能力和更快的收敛速度。通过修改后的数控NC指令驱动数控机床,使刀具中心偏离一个误差函数求出误差值,实现误差补偿。     

并联机构驱动下滚子轴承回转误差测量技术

为了提高滚子轴承的加工精度,要求轴承的回转误差低,提出基于并联机构驱动和极大似然估计的滚子轴承回转误差测量技术,构建滚子轴承回转误差分析的数据驱动模型,采用多元一阶自回归模型进行并联机构驱动下滚子轴承回转误差测量数据融合处理,采用运动学方法进行滚子轴承回转误差的自适应寻优,提取回转误差序列的统计特征量,采用并联机构驱动方法进行滚子轴承回转误差补偿控制,结合极大似然估计方法实现滚子轴承回转误差参量的准确估计。仿真结果表明,采用该方法进行滚子轴承回转误差测量的精度较高,测量结果误差较小,提高了滚子轴承加工的精度。     

全捷联图像导引头视线角速率精度分析

为分析全捷联图像导引头视线角速率精度影响因素,提出了视线角速率精度分析算法。首先,提出了视线角速率解耦算法;其次,根据误差理论详细分析了视线角速率各误差源的误差灵敏度并提出了精度计算方法;再次,分析了体视线角、弹体角速率、姿态角与体视线角速率等误差形成机理与精度影响;最后,建立了半物理仿真实验系统进行算法验证,结果表明,视线高低角速率与方位角速率的估算精度分别为0.273°/s与0.235°/s,实验结果分别为0.281°/s与0.242°/s,相对误差分别为2.85%与2.89%,验证了视线角速率精度估计算法的正确性与精确性。研究结果可以用于全捷联图像制导控制系统总体设计过程,并为视线角速率精度估计与指标分配提供理论依据。     

考虑控制电信号中间量的机床运动控制误差数据驱动建模方法

现有数据驱动的机床运动控制误差建模方法通常使用端到端的模型,即通过机器学习算法直接构建参考轨迹信息(速度、加速度等)与伺服误差之间的模型,以降低建模复杂度。然而,该方法忽视了控制电信号对运动控制系统非线性扰动的反映,而导致建立的模型精度受限。为解决此问题,提出了一种使用控制电信号作为中间量的数据驱动运动控制误差建模方法。该方法采集参考轨迹信息(速度、加速度、急动度等)、控制电信号、跟踪误差以及构造的换向特征,构建并训练基于参考轨迹信息的控制电信号预测网络,以及基于电信号和参考轨迹信息的运动控制误差预测网络,利用控制电信号这一中间量有效反应系统所受非线性扰动的特点,实现了高精度的运动控制误差数据驱动建模。在实际验证测试时,将参考轨迹信息输入电信号预测网络,而后将得到的预测控制电信号和参考轨迹信息输入跟踪误差预测网络,即可实现运动控制误差的预测。通过实验对所提出的建模方法进行了验证,所提出方法相对于传统的端到端建模方法,运动控制误差的预测精度在X轴和Y轴分别提升16.33%和20.42%,误差补偿后运动控制轮廓精度相较于未补偿提升85.59%,验证了所提出方法的可行性。     

Sliding mode control with third-order contour error estimation for free-form contour following

To reduce the contour error in contour-following tasks, the most common method is to design a contour controller based on the contour error model. Therefore, how to estimate the contour error in real-time and with high accuracy plays an important role in contour-following control. It is difficult to guarantee real-time performance, high estimation accuracy and strong robustness against arbitrary trajectories at the same time. In this paper, a contour error estimation method based on the third-order osculating helix is proposed. The osculating helix can fully consider the geometric characteristics of the interpolation trajectory and is closer to the desired interpolation trajectory. On this basis, PD-type tracking error sliding mode surface and PD-type contour error sliding mode surface are redesigned to fully take into account the regulating effect of the velocity tracking error and velocity contour error. Experimental results demonstrate the effectiveness of the proposed contour control approach.     

考虑间隙特性的双机械臂模糊自适应鲁棒控制

为了克服间隙特性和未知扰动对双机械臂系统抓取物体性能的影响,设计了模糊自适应鲁棒控制律。首先建立了双机械臂系统数学模型和间隙特性模型,然后引入自适应律来估计未知扰动,利用模糊系统来估计系统模型参数,同时设计了自适应间隙逆模型来补偿间隙特性,并对系统进行了稳定性分析,最后实现了考虑间隙特性的双机械臂系统精确控制。仿真结果表明,设计的控制方法具有更好的快速性和准确性,能够确保物体在0.5 s内稳定跟踪轨迹指令,最大跟踪误差仅为0.5 cm;设计的自适应律能够快速准确估计未知扰动,最大估计误差仅为0.3 N·m,估计精度较高。     

独立驱动电动汽车质心侧偏角融合估计方法

针对传统质心侧偏角估计精度低、实时性差等问题,把四轮独立驱动电动汽车作为研究对象,提出一种基于强跟踪卡尔曼滤波及无迹卡尔曼滤波融合估计的质心侧偏角估计方法。由于汽车在侧向加速度较小时车辆动力学特性基本呈线性变化,此时通过强跟踪卡尔曼滤波快速估计,当汽车侧向加速度较大时车辆动力学特性趋于非线性变化,通过无迹卡尔曼滤波准确估计。最后将两种估计方法的数据融合,完成不同车速不同工况下对车辆质心侧偏角的估计。搭建Simulink-Carsim联合仿真平台对提出的方法进行验证,结果表明该方法在保证估计精度的同时具有较好的实时跟踪效果及鲁棒性。     

Sliding mode control with fuzzy adaptive perturbation compensator for 6-DOF parallel manipulator

This paper proposes a sliding mode controller with fuzzy adaptive perturbation compensator (FAPC) to get a good control performance and reduce the chatter. The proposed algorithm can reduce the chattering because the proposed fuzzy adaptive perturbation compensator compensates the perturbation terms. The compensator computes the control input for compensating unmodeled dynamic terms and disturbance by using the observer-based fuzzy adaptive network (FAN). The weighting parameters of the compensator are updated by on-line adaptive scheme in order to minimize the estimation error and the estimation velocity error of each actuator. Therefore, the combination of sliding mode control and fuzzy adaptive network gives the robust and intelligent routine to get a good control performance. To evaluate the control performance of the proposed approach, tracking control is experimentally carried out for the hydraulic motion platform which consists of a 6-DOF parallel manipulator.     

MOTION ERROR ESTIMATION OF 5-AXIS MACHINING CENTER USING DBB METHOD

In order to estimate the motion errors of 5-axis machine center, the double ball bar (DBB) method is adopted to realize the diagnosis procedure. The motion error sources of rotary axes in 5-axis machining center comprise of the alignment error of rotary axes and the angular error due to various factors, e.g. the inclination of rotary axes. From sensitive viewpoints, each motion error is possible to have a particular sensitive direction in which deviation of DBB error trace arises from only some specific error sources. The model of the DBB error trace is established according to the spatial geometry theory. Accordingly, the sensitive direction of each motion error source is made clear through numerical simulation, which is used as the reference patterns for rotational error estimation. The estimation method is proposed to easily estimate the motion error sources of rotary axes in quantitative manner. To verify the proposed DBB method for rotational error estimation, the experimental tests are carried out on a 5-axis machining center M-400 (MORISEIKI). The effect of the mismatch of the DBB is also studied to guarantee the estimation accuracy. From the experimental data, it is noted that the proposed estimation method for 5-axis machining center is feasible and effective.     

基于深度卷积神经网络的视觉里程计研究

视觉里程计利用视频信息来估计相机运动的位姿参数,实现对智能体的定位。传统视觉里程计方法需要特征提取、特征匹配/跟踪、外点剔除、运动估计、优化等流程,解算非常复杂,因此,提出了基于卷积神经网络的方法来实现端对端的单目视觉里程计。借助卷积神经网络对彩色图片自动学习提取图像帧间变化的全局特征,将用于分类的卷积神经网络转化为帧间时序特征网络,通过三层全连接层输出相机的帧间相对位姿参数。在KITTI数据集上的实验结果表明,提出的Deep-CNN-VO模型可以较准确地估计车辆的运动轨迹,证明了方法的可行性。在简化了复杂模型的基础上,与传统的视觉里程计系统相比,该模型的精度也有所提高。     

基于旋转投影二进制描述符的空间目标位姿估计

为了实现基于点云的空间目标相对位姿快速估计,提出一种旋转投影二进制描述符(BRoPH)。该描述符首先建立特征点处的局部参考坐标系,然后通过旋转投影局部点云生成不同视角下的密度图像块和深度图像块,最后根据图像块生成特征点的多尺度二进制字符串。针对位姿估计对实时性的要求,在分析BRoPH Hamming距离分布的基础上,提出了基于Hamming距离阈值的特征匹配策略,用于剔除潜在的错误配对,加快位姿估计收敛速度。最后,在基于局部特征描述符位姿估计框架下分别与SHOT描述符和FPFH描述符进行了比较。结果表明:BRoPH描述符在仅需要SHOT和FPFH平均内存1/80的基础上,得到了远高于SHOT和FPFH的平均位姿估计精度,其平均姿态误差小于0.1°,平均位置误差小于1/180 R。此外,基于Hamming距离阈值的特征匹配策略使得BRoPH的位姿粗估计速度加快了7倍,总体位姿估计频率超过7Hz,比SHOT和FPFH分别快3~6.8倍。该方法具有占用内存小、计算速度快、位姿估计精度高和抗干扰能力强等优点,满足基于点云的空间目标位姿估计实时性要求。     

融合改进SuperPoint网络的鲁棒单目视觉惯性SLAM

单目视觉惯性SLAM系统通过追踪人工设计的点特征来恢复位姿,如Shi-Tomasi, FAST等。然而光照或视角变化等挑战性场景中人工特征提取鲁棒性差,易导致位姿计算精度低甚至失败。启发于SuperPoint网络在特征提取的强鲁棒性,提出一种基于改进SuperPoint网络的单目VINS系统—CNN-VINS,旨在提升挑战性环境下VINS系统的鲁棒性。主要贡献包括:提出改进SuperPoint特征提取网络,通过动态调整检测阈值实现图像特征点均匀检测和描述,构建鲁棒精确的特征关联信息;将改进SuperPoint特征点提取网络与VINS系统的后端非线性优化、闭环检测模块融合,提出一个完整的单目视觉惯性SLAM系统;对网络的编码层和损失函数优化调整,并验证网络编码层对VINS系统定位精度的影响。在公共评测数据集EuRoc实验结果表明,相比国际公认的VINS-Mono系统,所提系统在光照剧烈变化的挑战性场景中定位精度提升15%;对光照变化缓慢的简单场景,绝对轨迹误差均值保持在0.067～0.069 m。