基于容积卡尔曼平滑滤波的管道缺陷定位技术

针对管道测量系统MEMS惯性元件的漂移,且难于获得GPS信息进行有效误差累积抑制的问题,创建了管道测量系统9维系统状态误差方程和基于速度差和基准点位置差的观测方程,提出采用容积卡尔曼平滑滤波算法。该算法由以里程轮速度为观测量的正向容积卡尔曼滤波算法和以基准点位置为起点的反向平滑两级滤波组成,实现管道缺陷地理坐标的最优估计。管道缺陷定位实验结果表明,该算法能有效补偿长航时导航参数误差,10 km测量精度可以达到10-3数量级,能够满足管道内检测定位精度要求。     

MEMS惯导管内坐标测量的改进RTS平滑滤波算法

利用管内检测器搭载MEMS器件实现小口径埋地管道的三维地理坐标测量,该方法以航迹推算(DR)为主要定位方式,所采用的检测器全部都在管道内部,检测时不影响管道的正常工作,对管道的安全维护具有重要意义.如何对解算误差进行有效校正是实现该技术的关键问题.利用里程计测得的里程信息进行DR解算,代替传统的捷联惯导(SINS)解算方式,降低速度更新的误差累加现象;引入管内可测的地磁和重力信息,增加了对姿态误差估计的观测量;采用改进的RTS平滑滤波算法(RTS-FC)进行离线解算,通过引入终止点对准信息进一步提高系统的定位精度.利用其检测180 m长管道,结果的最大误差为8 m,实验结果表明了算法的有效性.该方法为MEMS器件管内地理坐标测量的实用化奠定一定的基础.     

城市地下管线惯性测量仪管道接缝探测算法及其对定位精度的影响分析

城市地下管道对惯性测量仪运动的非完整性约束(Non-Holonomic Constraint, NHC)可有效提升惯导和里程计组合的定位精度，然而管道接缝会破坏NHC的成立条件，影响组合定位效果。提出一种管道接缝探测算法，并在组合算法上采取相应措施降低接缝对定位精度的影响。根据IMU原始数据准确探测管线测量仪经过接缝的时间段，当惯导和里程计组合时，过接缝时段用于调整NHC修正策略，实现稳健的组合定位解算。实测表明，该算法对432个接缝的检测正确率达到98.6%,通过调整接缝处NHC修正策略有效提高了组合算法的绝对定位精度。     

一种有效的移动机器人里程计误差建模方法

移动机器人里程计误差建模是研究移动机器人定位问题的基础. 现有的移动机器人里程计误差建模方法多数针对某一种驱动类型移动机器人设计, 运动过程中缺乏对里程计累计误差的实时反馈补偿, 经过长距离运动过程定位精度大幅度降低. 因此本文针对同步驱动和差动驱动轮式移动机器人平台提出了一种通用的里程计误差建模方法. 在假设机器人运动路径近似弧线基础上, 依据里程计误差传播规律推导了非系统误差、系统误差与里程计过程输入之间的近似函数关系, 进而提出一种具有闭环误差实时反馈补偿功能的移动机器人定位算法, 对定位过程中产生的里程计累计误差给予实时反馈补偿. 实验表明新算法有效地减少了里程计累计误差, 提高了定位精度.     

基于改进的3维ICP匹配的单目视觉里程计

针对目前流行的单目视觉里程计当移动机器人做“近似纯旋转运动”时鲁棒性不强的问题,从理论上分析了其定位鲁棒性不高的原因,提出了一种基于改进的3维迭代最近点（ICP）匹配的单目视觉里程计算法．该算法首先初始化图像的边特征点对应的深度值,之后利用改进的3维ICP算法迭代求解2帧图像之间对应的3维坐标点集的6维位姿,最后结合边特征的几何约束关系利用扩展卡尔曼深度滤波器更新深度值．改进的ICP算法利用反深度不确定度加权、边特征梯度搜索与匹配等方法,提高了传统ICP算法迭代求解的实时性和准确性．并且将轮子里程计数据作为迭代初始值,能够进一步提高定位算法的精度和针对“近似纯旋转运动”问题的鲁棒性．本文采用3个公开数据集进行算法验证,该算法在不损失定位精度的前提下,能够有效提高针对近似纯旋转运动、大场景下的鲁棒性．单目移动机器人利用本文算法可在一定程度上校正里程计漂移的问题．     

工厂环境下改进的视觉SLAM算法

针对工业场景对自动导引车(AGV)高定位精度的要求,提出一种改进的视觉同时定位与地图创建(VSLAM)算法.在算法前端,双目相机采集立体图像,通过双目匹配算法得到亚像素级的匹配点对,计算出这些特征点在相机坐标系中的3D信息.然后利用RansacPnP算法根据3D-2D匹配点对计算位姿变换,并以它为初值进一步最小化重投影误差,实现局部优化.基于匹配点对描述子的汉明距离提出一种不确定性模型,该模型为局部优化中的约束条件提供信息矩阵,提高定位精度.在算法的后端,通过竖直向上拍摄的单目相机检测可靠的人工信标闭环信息,进行全局位姿优化,并针对AGV的运动模型和工作场景,提出一种基于全局平面约束的优化方法,降低SLAM系统的误差.实验通过KITTI离线数据集对比了该算法前端双目里程计与ORB-SLAM2及libviso2算法里程计的定位精度,并在工厂环境中对整个算法进行实地测试来判断其实际精度和鲁棒性.实验结果表明该算法具有良好的综合性能,定位误差在10 cm以内,定位频率达20 Hz,能够满足工业现场要求.     

基于超声波测距的自适应双足绑式惯性导航算法研究

足绑式双IMU导航方案使用固定足间距进行约束,导航精度受到限制、算法鲁棒性差。为了研究动态约束条件对双IMU足绑式定位精度的影响机制,提出了一种高精度、鲁棒的行人惯性导航定位算法。所提方法结合超声波测距传感器及机器学习算法,超声波测距传感器实时监测双足间距,将其作为动态约束条件,结合零速修正,抑制IMU的误差快速增长;引入梯度提升决策树,识别不同的运动模式,使得算法能够满足多场景的定位需求,提高算法的鲁棒性。实验证明,在多运动模式场景下,所提方法的平均定位精度分别比单足、固定阈值的双足方案分别提高了59%、60%。     

多传感器信息融合在移动机器人定位中的应用

机器人自定位是实现自主导航的关键问题之一。为了满足机器人在导航时精确定位的要求,提出一种基于多传感器信息融合的自定位算法。根据对机器人运动机构的分析和运动机构间的刚体约束,建立起机器人的运动学模型;由传感器的工作原理建立里程计和超声波传感器的观测模型;利用扩展卡尔曼滤波(EKF)算法将里程计和超声波传感器采集的数据进行融合;最后,由匹配的环境特征对机器人的位置进行修正,得到精确的位置估计。实验结果表明:该算法明显地消除了里程计的累计误差,有效地提高了定位精度。     

具有非完整约束移动机器人的超宽带-惯导-里程计融合定位与能观测性分析

为解决现有超宽带-惯导组合定位系统在轮式移动机器人的定位精度低、依赖高精度IMU等问题,提出了一种采用误差状态卡尔曼滤波融合超宽带-惯导-里程计的定位算法,利用里程计的线速度测量和由非完整约束隐含的伪测量,提高了移动机器人的位置和姿态估计精度.同时,对于由多传感器测量模型组成的非线性系统,通过基于李导数的能观性秩条件分析方法对该系统的能观测性进行了详细的理论分析与数学证明,得到了系统局部弱可观的条件,从而确定了系统状态可以被无偏估计所需要的测量输出以及控制输入.仿真结果表明,在满足能观测性条件时,本文提出的方法能够有效地获得移动机器人较准确的六自由度位姿,且相比传统方法显著提升了定位精度.     

基于光束平差法的双目视觉里程计研究

机器人自定位是实现机器人自动导航及其他智能行为的前提, 一种基于光束平差法的移动机器人双目视觉里程计可以有效地实现机器人自定位. 为此, 首先采用点模式匹配方法建立相邻图像之间的特征匹配关系, 根据立体视觉算法得到匹配点对的三维对应关系; 然后, 计算摄像机的相对运动参数, 并采用光束平差分段优化算法对其进行优化. 所提出的双目视觉里程计能够避免车轮半径变化、空转、打滑等对里程计测量精度的影响, 相对定位精度较高.

     

基于运动平滑约束项的快速误匹配剔除算法

针对图像拼接时用随机抽样一致性（RANSAC）算法迭代计算过程中计算量大、匹配正确率低的问题,提出了一种基于运动平滑约束项的误匹配剔除算法。首先采用快速旋转不变特征（ORB）算法提取特征点,基于汉明距离实现特征点初匹配;其次,基于运动平滑约束项统计邻域支持估计量实现误匹配粗剔除;然后,进一步采用空间几何约束关系实现误匹配精剔除;最后,利用分组排序采样求解模型参数,采用加权平均实现图像融合。实验结果表明,该算法的误匹配剔除率相比缩小抽样点总量算法提升了75.6%,相比自适应阈值算法提升了24%,此方法能有效剔除误匹配,实现图像精确拼接。     

相似场景下基于局部地图的激光SLAM前端算法改进

在走廊、隧道等相似场景下,传统激光SLAM（同步定位与地图创建）算法由于观测数据的相似性,算法性能将严重劣化,甚至完全失效。为解决该问题,本文在hdl_graph_slam算法的基础上,首先基于匀速运动假设改进了运动预测模型,获得了更准确的初始位姿估计;然后通过引入局部地图概念实现点云的稠密化,改善了相似场景下前端里程计的性能。在室内实验中,场景的还原度达到了99.54%,较改进前提高了57.25%;在室外实验中,里程计漂移由原先的111.62\m降至7.65\m。实验结果表明,提出的算法在室内和室外的相似场景中均能带来显著的性能提升。     

基于采煤机工作面端头量测的改进因子图高精度自主定位方法

采煤机的高精度定位是煤炭开采自动化和智能化的重要研究方向,其中惯性导航系统和里程计是长壁综合机械化采煤机定位主要传感器之一.通过两者的信息融合,能够有效抑制惯性导航系统的发散并且具有较好的自主导航能力,但是仍然无法满足井下长时间的高精度导航要求.鉴于此,分析目前常用辅助传感器在采煤机开采过程中存在的问题,提出基于UWB采煤机工作面端头量测的改进因子图优化方法.利用UWB在工作面端头的位置量测信息,推导并构建惯导/里程计/UWB的约束方程和图优化模型.同时通过惯性信息的预积分,减少待优化的节点数量,降低算法的计算量.在此基础上,加入里程计标度因数误差和安装误差的因子节点进行联合估计和优化.最后通过仿真和实际跑车测试表明,相较于传统卡尔曼滤波的采煤机定位方式,所提出方法能够有效提高采煤机的定位精度.     

Image flow segmentation and estimation by constraint lineclustering

Image flow is the velocity field in the image plane caused by the motion of the observer, objects in the scene, or apparent motion, and can contain discontinuities due to object occlusion in the scene. An algorithm that can estimate the image flow velocity field when there are discontinuities due to occlusions is described. The constraint line clustering algorithm uses a statistical test to estimate the image flow velocity field in the presence of step discontinuities in the image irradiance or velocity field. Particular emphasis is placed on motion estimation and segmentation in situations such as random dot patterns where motion is the only cue to segmentation. Experimental results on a demanding synthetic test case and a real image are presented. A smoothing algorithm for improving the velocity field estimate is also described. The smoothing algorithm constructs a smooth estimate of the velocity field by approximating a surface between step discontinuities. It is noted that the velocity field estimate can be improved using surface reconstruction between velocity field boundaries     

基于超宽带技术的轨道交通定位算法研究

针对目前轨道交通应答器加里程计的定位方式存在定位精度不足、成本高等局限性,研究了一种基于超宽带(Ultra Wide Band)技术的定位方法。根据待测物的运动特点与UWB模块的测距性能,设计了有约束条件的定位综合算法,算法融合使用最小二乘法、Taylor递归法、Kalman滤波,并加入轨道方程约束和连续性约束两种约束条件。该算法解决了地面参考基站所包围区域的外部定位精度差的问题,克服了UWB模块因非视距、多径效应而出现较大误差的不足。实验分析与计算结果显示,当待测物体在地面参考基站50 m范围内,定位误差在10 cm以内;此方法定位速度快、误差小,具有较高的工程应用价值。     

结合视觉惯性模组的室内三维布局鲁棒重建方法

针对使用传统单目相机的全自动三维重建方法结果精确度差和整体结构理解缺失等问题,提出一种结合视觉惯性里程计和由运动到结构的全自动室内三维布局重建系统.首先利用视觉里程计获得关键帧图像序列和对应空间位置姿态,并利用运动恢复结构算法计算精确相机位姿;然后利用多图视立体几何算法生成高质量稠密点云;最后基于曼哈顿世界假设,针对典型的现代建筑室内场景,设计一种基于规则的自底向上的布局重建方法,得到最终房间外轮廓布局.使用浙江大学CAD&CG实验室场景现场扫描数据集和人工合成的稠密点云数据集作为实验数据,在Ubuntu 16.04和PCL 1.9环境下进行实验.结果表明,文中方法对三维点云噪声容忍度高,能够有效地重建出室内场景的三维外轮廓布局.     

基于多传感器融合的移动机器人定位

针对移动机器人定位系统中单一传感器定位精度低与环境地图的重要性问题, 提出了一种基于多传感器融合的移动机器人定位方法. 首先, 在未知环境下, 分别利用单一里程计, 扩展卡尔曼滤波(extended Kalman filter,EKF)算法融合里程计、惯性测量单元(inertial measurement unit, ...     

基于多传感器数据融合的机器人里程计设计与实现

设计并实现了一种基于FPGA和多光电鼠标的高精度机器人里程计。多个PS/2光电鼠标传感器测量位移数据,利用FPGA解析PS/2协议并完成数据融合,得出高精度机器人里程计结果。针对传统Luo一致性数据融合算法的缺陷进行改进,并通过归一化特征值加权法得到每个传感器测量值被系统综合支持的程度,完成多传感器测量数据融合。实验结果表明:该数据算法计算步骤固定,方便在FPGA上实现;该里程计在有异常数据干扰情况下,能够达到较高的测量精度。