基于惯性传感器和视觉里程计的机器人定位

针对机器人快速运动下,由运动模糊而导致视觉里程计定位估计精度下降的问题,结合惯性传感器和视觉里程计提出一种定位算法.该方法以扩展卡尔曼滤波(extended Kalman filter,EKF)为框架,利用惯性传感器的航位推算构建EKF的过程模型,视觉里程计作为相对线速度和相对角速度传感器用来建模观测方程,同时考虑到机器人运动在平面上,在垂直方向和侧向方向不会产生跳动和滑动,利用这两个方向上瞬时速度为零的约束构建另外一个观测方程.提出的定位方法能够克服视觉定位和惯性定位的缺点,提高了定位精度.基于机器人实测数据进行实验,结果表明提出的算法优于单独采用惯性传感器和视觉里程计.     

狭小空间内孔高测量机器人设计及视觉定位方法研究

针对狭小空间内人工测量孔高带来的问题,设计了一种基于视觉定位的移动测量机器人,通过车身的导向装置使机器人可以在箱体内沿着固定方向运动,使用Beckoff控制器和Elmo驱动器实现了机器人的运动控制系统,并使用机器视觉进行箱体底面的孔位引导,使孔高测量能精确定位到每个孔位上。结果显示,视觉系统采用Hough圆变换定位效果更好,能实现狭小空间内箱体底孔的精确定位。     

结合视觉里程计的微小型空中机器人SLAM研究

经典的基于“平滑摄像机模型”的单目视觉同步定位与地图构建方法无法适用于具有复杂飞行模式的微小型空中机器人.针对这个问题,提出一种结合视觉里程计的单目视觉同步定位与地图构建方法.该方法通过视觉里程计直接估计机器人机载摄像机相对位姿变化,并将这些位姿信息嵌入基于EKF的单目视觉同步定位与地图构建算法中.同时,在采用视觉里程计进行位姿估计时,针对可能出现的退化问题,采用特征分类的策略,提高了估计的鲁棒性.将方法应用于一套真实的微小型智能无人直升机系统上,实验数据验证了方法具有良好的适用性和实用性.     

BIM 校正累计误差的激光里程计求解方法

建筑机器人室内作业过程中,如何实现里程计精确求解对后续的定位建图及精准作业有着至关重要的影响。针对传统同步定位与地图构建(SLAM)方法由于回环检测导致的准确性问题,提出了一种以建筑信息模型(BIM)数据校正激光里程计累计误差实现精准定位的方法。首先求解机器人初始时刻在BIM中的全局初始定位,其次提取三维点云关键点并转换其为二维点云,然后以轮式里程计数据为预测值求解帧间运动,最后结合BIM数据消除累计误差得到高精度里程计定位。实验表明：本方法在机器人初始定位、激光点云处理和消除累计误差的运动求解上具有良好的稳定性和准确性,初始定位误差小于2 mm,里程计偏移量误差控制在0.09%内,为建筑机器人精确建图提供了有力保障。     

巷道掘进机多传感融合定位系统及试验研究

煤矿巷道掘进机的自主精确定位是煤矿掘进智能化发展的基础,而复杂的掘进工艺和恶劣的掘进环境使得掘进机定位存在自主性不足、精度低以及易受环境干扰等问题。为实现巷道掘进机自主精确定位,首先,基于扩展卡尔曼滤波构建了里程计辅助惯性定位系统以约束惯性定位的误差发散;其次,结合掘进机施工工艺提出柔性零速校正方法,进一步提升掘进机惯性定位精度;然后,基于误差状态卡尔曼滤波和多状态约束模型实现了惯性、视觉和里程定位的高效融合;最后,搭建了掘进机在暗环境下自主定位的样机试验系统。实验结果表明：所提柔性零速校正方法可以提升掘进机定位精度约21.64%;所提掘进机多传感融合定位系统三轴定位误差分别可达到横向0.13 m以内、前向0.17 m以内、天向0.02 m以内,相比独立惯性和视觉系统的定位精度分别提升49.62%和57.71%。实验结果验证了所提方法与系统的可行性与有效性,满足煤矿规程中巷道掘进机定位需求。     

移动机器人二维电子地图绘制技术研究

采用了里程计和电子罗盘相结合的几何运算定位的方式来确定机器人相对于运动出发点的相对坐标的方法进行相对定位,设计了相对定位模块,根据航迹推算原理,上位机根据相对定位模块发送的数据通过软件编程的方法实现二维电子地图的绘制。     

机器人脱模视觉定位方法的设计与研究

根据机器人拆卸导弹发动机注药瓣模时对精确定位的要求,设计了一种基于视觉的瓣模螺栓识别定位方案。在此方案的基础上进行实验,实验结果表明:应用此方案能准确识别所有瓣模螺栓,定位误差均在1mm范围内,最大误差为0.750mm,满足机器人脱模装置的定位要求。为了保证拆卸瓣模时设备互不干涉,利用最小二乘法和Matlab对实验数据进行拟合仿真处理,求出工作转角α。应用实验数据和数据处理的结果控制机器人拆卸瓣模,检验视觉定位和数据处理的可靠性。分析视觉定位误差的主要来源,提出了适合工程应用的误差修正方法,有助于提高机器人脱模的可靠性。     

基于卡尔曼滤波的轮式移动机器人定位实验研究

介绍了Pioneer3-AT机器人的特点和自身定位方法以及存在的问题,给出了Pioneer3-AT机器人的里程计定位模型．以码盘、陀螺仪作为机器人的定位系统,建立了四轮差动机器人的运动学方程,采用卡尔曼滤波器对2种传感器的数据进行融合,获得机器人的位置和姿态信息。通过定位实验,验证了卡尔曼滤波融合定位的有效性。     

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。     

融合多传感器的自主AGV定位研究

针对依靠单一传感器定位存在定位不精确,甚至定位失败的问题,设计了一种基于扩展卡尔曼滤波器(Extended Kalman Filter,EKF)与动态加权融合法相结合的定位算法.首先,在自适应蒙特卡罗定位(Adaptive Monte Carlo Localiza-tion,AMCL)算法的框架下,通过建立机器人运动模型与传感器观测模型,利用EKF将惯性测量单元(Inertial Measurement Unit,IMU)和编码器的数据进行融合.然后,设计了一种动态加权融合方法,依据方差大小动态分配各融合量的权重,将EKF的融合结果与特征匹配计算得到的视觉里程计信息进行加权融合,从而得到更精确的融合里程计信息.最后,将该融合后的里程计信息作为自适应蒙特卡罗定位的运动控制信息,进行粒子状态更新,从而实现全局定位.试验结果表明,该方法能够有效提高自动导引车(Automatic Guided Vehicle,AGV)的定位性能,动态定位精度能够稳定在较高精度范围.     

Image-based visual servoing control of a SCARA robot

In this paper, we present a new approach to visual feedback control using image-based visual servoing with stereo vision. In order to control the position and orientation of a robot with respect to an object, a new technique is proposed using binocular stereo vision. The stereo vision enables us to calculate an exact image Jacobian not only around a desired location but also at other locations. The suggested technique can guide a robot manipulator to the desired location without providing a priori knowledge such as the relative distance to the desired location or the model of an object even when the initial positioning error is large. This paper describes a model of stereo vision and how to generate feedback commands. The performance of the proposed visual servoing system is illustrated by experimental results and compared with conventional control methods for an assembly robot.     

基于具有墙角信息的语义地图改进AMCL重定位算法

针对原始自适应蒙特卡洛定位（Adaptive monte carlo localization,AMCL）算法仅利用激光信息存在的缺陷,提出一种基于激光与视觉融合的语义地图进行全局定位,该语义地图融合基于深度学习的目标检测方法提取环境中的墙角语义;利用建立的包含墙角信息的二维语义栅格地图,结合视觉预定位方法及角点周围语义信息表来提高算法全局初始定位的效率和准确性,使得移动机器人可以在少量先验信息和运动的情况下更迅速地实现定位。提出视觉预定位的方法,改进了粒子权重更新方式,再同步结合AMCL算法与环境地图匹配进行精定位。最后通过搭建的移动机器人在不同场景下进行对比试验,验证了该方法的有效性。     

工业坐标测量机器人定位误差补偿技术

由通用工业机器人和视觉传感器组成的柔性坐标测量系统是视觉检测技术在工业在线测量领域的重要应用。工业机器人的机械结构和控制过程复杂,因此其定位误差成为影响系统测量精度的最主要因素,但可以通过修正连杆参数的方式加以补偿。以MD-H运动学模型为基础,建立机器人工具中心点(Tool center point,TCP)的基于相对定位精度的定位误差补偿模型,避免坐标在不同坐标系转换过程中产生精度损失。对与机器人测量姿态有关的柔度误差进行针对性补偿,通过建立柔性关节的弹性扭簧模型,将柔度误差分解为外加负载柔度误差和机械臂自重柔度误差分别进行补偿。标定过程中使用激光跟踪仪作为外部高精度测量设备,只需在单点测量模式下就能实现对TCP的三维坐标采集,大大简化数据采集过程。经过补偿后,标定点处的方均根误差由之前的1.230 2 mm降至0.428 8 mm,验证点处的则由0.723 6 mm降至0.505 4 mm。     

移动机器人的超声波传感器发散角标定及应用

为了提高移动机器人在作业站点的定位精度,在考虑入射角的基础上,分析了发散角对超声波传感器测距的影响,建立了同时考虑发散角及入射角的超声波传感器测距函数关系表达式;提出了超声波传感器发散角的标定方法,并通过实验对发散角进行了标定;通过对比实验可以看出,所提出的关系表达式提高了超声波传感器距离测量精度。在此基础上提出了利用自动导航车(AGV)单个侧面两个超声波传感器实现移动机器人在作业站点侧向、前向及姿态3个方向的位姿定位方法,最后将该方法用于自主研发的移动机器人的定位试验,验证了该方法的正确性和有效性。     

基于惯性测量单元辅助的激光里程计求解方法

在同步定位与建图(SLAM)问题中,里程计部分的求解精度对后续建图起着至关重要的作用,惯性测量单元(IMU)可以为SLAM中里程计求解提供良好辅助。在考虑平面移动机器人运动特点及室内环境特征的基础上提出一种基于IMU松耦合的激光里程计求解方法,实现里程计部分的精准定位。第1阶段,机器人运动过程中实时处理点云信息,将地面点分割并提取有效关键点;第2阶段,将IMU信息引入卡尔曼滤波器,为帧间匹配提供位姿先验;第3阶段,滤波器输出位姿估计值后,利用非线性优化方法进行点云帧间匹配,实现里程计运动的求解。实验表明,所提方法在激光点云处理、运动求解,具有良好的稳定性和准确性,可将偏移量误差控制在0.4%以内,为后续建图提供有力数据保障。     

室内移动机器人导航系统研究与实现

实现了一种低成本高性能室内移动机器人导航系统。针对 Cartographer 算法使用激光雷达数据在室内 Long-Corridor 场景下建图的局部匹配错误导致定位不准的问题,使用扩展卡尔曼滤波融合激光雷达、里程计和惯性测量单元 3 种数据进行位姿估计,得到较为精准的定位,可有效提高建图精度;针对传统 AMCL 算法重定位耗时长的问题,采用基于扫描匹配的重定位方法,通过将当前 Scan 与 Submap 进行匹配,降低了扫描匹配方法的重定位耗时;针对 A * 全局规划算法路径搜索时间长、拐点较多的问题,提出一种改进 A * 算法,通过优化启发函数和增加拐角优化函数,缩短了算法搜索时间,同时去除了冗余拐点。结果表明,重定位耗时减少 80.43% ,改进 A * 算法搜索时间减少 22.79% 。     

ENHANCING KALMAN FILTERING–BASED TIGHTLY COUPLED NAVIGATION SOLUTION THROUGH REMEDIAL ESTIMATES FOR PSEUDORANGE MEASUREMENTS USING PARALLEL CASCADE IDENTIFICATION

Integrated global positioning system (GPS) solutions that utilize micro-electro-mechanical systems (MEMS)-based inertial sensors provide a more accurate navigation solution than stand-alone GPS in challenging scenarios. To keep the integrated solution less affected by sensor errors and to decrease the cost, a reduced inertial sensor system (RISS), which consists of only one gyroscope and two accelerometers, together with an odometer and integrated with GPS, is proposed. Tightly coupled integration is a better choice in demanding scenarios, as it can provide GPS aiding even when the number of visible satellites is three or less. However, inaccuracies of pseudoranges measured by the GPS receiver and used as aiding in the RISS/odometer/GPS integration solution will affect the overall positioning accuracy. This article explores the benefits of using parallel cascade identification (PCI), a nonlinear system identification technique that improves the overall navigation solution by modeling residual pseudorange correlated errors to be used by a Kalman filter (KF)–based tightly coupled RISS/odometer/GPS navigational solution. When less than four satellites are visible, the identified parallel cascade model for the still visible satellites is used to predict the residual pseudorange errors for these respective satellites, and the corrected pseudorange value is provided to KF. The performance of PCI for correcting the pseudoranges is examined and verified using road test trajectories and compared to a traditional tightly coupled RISS/odometer/GPS KF solution. The results demonstrate the advantages of this technique in correcting the pseudoranges and enhancing the positional solution.     

视觉与力觉结合的卫星部件机器人装配

针对卫星特殊部件的装配需求,为了使机器人具有适用不同工况的柔性并在卫星多变的装配工况中获得较高的应用效率,本文研究视觉引导与力反馈控制下的机器人装配技术,给出一种视觉与力觉结合的机器人装配方案:在装配孔位安装辅助销钉,通过视觉引导将部件引导至销钉的锥面导向范围内,而后在销钉导向下对机器人采用力反馈控制,实现工件的准确装配到位。采用红外相机结合合作靶标的方式实现稳定地视觉识别与目标定位,设计了探针式测量工具,并给出测量方法,实现了目标点位的柔性便捷测量。给出了一种已知空间对应点对条件下,求位姿变换矩阵及机器人目标位姿的计算方法。采用力/位混合控制方法实现柔顺销钉导向控制。实验结果表明:装配对应孔位的测量匹配误差在2.9 mm以内,机器人在视觉引导下,可以将工件运送至销钉的导向范围内,并在销钉导向及力反馈控制下将工件准确装配到位,力控制阈值为30 N。证明了本文所采用的技术可以满足卫星部件装配的工程实施要求。     

基于混合群智能优化的机器人立体视觉标定

准确的立体视觉模型是机器人高精密视觉定位的基础,而传统的单一非线性优化算法难以实现稳定和高精度的机器人立体视觉标定。结合遗传算法全局搜索能力强和粒子群算法局部搜索能力强的特点,提出了一种基于混合群智能优化的机器人立体视觉三步标定方法。针对非线性视觉模型,标定第一步和第二步分别对两个摄像机模型单独作线性初值求解和初次非线性优化,第三步对双目立体视觉模型作联合非线性优化,直接线性变换、遗传算法、粒子群算法分别作用于标定的三个步骤,每一步计算的结果被用作下一步的初始化。仿真试验分析与实际试验结果表明,相对于传统的优化标定方法和使用单一群智能优化算法的标定方法,该方法在噪声环境下具有更高的准确性和鲁棒性,能够更好满足机器人精密视觉操作的需求。