单目视觉定位方法研究综述

根据单目视觉定位所用图像帧数不同把定位方法分为基于单帧图像的定位和基于双帧或多帧图像的定位两类。单帧图像定位常利用已知的点特征、直线特征或曲线特征与其在图像上的投影关系进行定位,其中用点特征和直线特征的定位方法简单有效而应用较多;基于双帧或多帧图像的定位方法因其操作复杂、精度不高而研究的还较少。通过对各方法的介绍和评述,为单目视觉定位问题的研究提供参考。     

基于单目视觉的水下机器人悬停定位技术与实现

以7000m载人潜水器的水下悬停为应用背景,以单目CCD摄像机为传感器,提出了基于模型的单目视觉定位和基于特征的视觉伺服两种水下机器人视觉悬停技术方案,分别适用于已知模型的观察目标和未知模型的观察目标两种情况．以自行研制的水下机器人控制系统实验平台为实验载体,利用前视摄像机和水下人工目标,建立了水下演示实验验证系统,并在室内实验水池中,分别实现了两种悬停方法的水下演示实验．演示实验表明：在两种视觉悬停方法的闭环控制下,水下机器人能够抵抗恒定水流干扰和人工位置扰动,很好地实现水下悬停作业．     

工业机器人装配中基于相机位姿估计算法的单目视觉定位研究

为了提升工业机器人在装配作业中的效率和精准度,结合软指派算法进行研究,构建基于相机位姿估计算法的单目标视觉定位系统,并对其进行仿真验证。实验结果显示,在参数对成功率的影响实验中实验成功率最低为92.5%,在图像噪声对成功率的影响实验中成功率最高达到了97.5%,位置估计误差最大值不超过4 mm,旋转误差在伪特征点的数量为最大时得到了最大值7°。     

基于深度学习的视觉里程计方法综述

视觉里程计（visual odometry,VO）是处理搭载视觉传感器的移动设备定位问题的一种常用方法,在自动驾驶、移动机器人、AR/VR等领域得到了广泛应用。与传统基于模型的方法相比,基于深度学习的方法可在不需显式计算的情况下从数据中学习高效且鲁棒的特征表达,从而提升其对于光照变化、少纹理等挑战性场景的鲁棒性。简略回顾了基于模型的视觉里程计方法,从监督学习方法、无监督学习方法、模型与学习融合方法、常用数据集、评价指标、模型法与深度学习方法对比分析六个方面全面介绍了基于深度学习的视觉里程计方法。指出了基于深度学习视觉里程计仍存在的问题和未来的发展趋势。     

基于立体视觉的球形机器人定位方法

针对球形机器人定位问题,提出了基于立体视觉的球形机器人定位方法.通过双目相机采集环境图像序列,提取Shi-Tomasi特征点,计算尺度不变特征变换(SIFT)特征描述符,并利用欧氏距离进行立体匹配;通过KLT算法进行特征点跟踪;采用解析法求解机器人在前后帧图像之间的位姿变化量;同时采用特征点筛选、RANSAC算法和卡尔曼滤波等方法,提高运动估计的准确性和鲁棒性.实验结果验证了所提出方法的可行性.     

基于视觉反馈的多机器人自重构系统研究

在执行特种任务时,为了能够实现自重构功能以适应复杂地形环境,多机器人必须拥有一套安全高效的自主对接分离系统.鉴于此,提出一种基于视觉反馈实时获取机器人相对位姿信息的方法,使控制机器人按照规划轨迹进行自主对接.首先,调整机器人对接尾座到达水平状态;然后,利用摄像头捕获到的标记板解算机器人的位姿信息;最后,控制机器人按照规划轨迹进行对接操作.独特的分离系统在多机器人出现故障时可做到实时分离,抛弃故障单元.经实验验证,自重构系统对接成功率高达97.3%以上,具有良好的鲁棒性.     

水下机器人定位算法

水下机器人的定位信息一般应包括位置信息和航向信息。选用超声波传感器测距,再作圆弧求交点的方法可获取位置信息,给出2种计算位置的算法;水下环境复杂,机器人的航向信息难以获取,建立拟合机器人的历史位置信息的曲线,进而对曲线进行求导来近似代替机器人航向的航向估计模型。水下实验验证了定位算法的可行性及可靠性,位置定位绝对误差小于20 cm,航向定位绝对误差大都在10°以内,满足定位要求。并分析定位误差来源,给出航向算法的修正模型。     

移动机器人编队视觉定位方法研究

该文提出一种基于视觉的移动机器人编队定位方法。该方法采用基于纹理的图象对机器人进行标识,然后使用纹理中的特征点对机器人的位置和姿态进行估计,使用最小二乘算法使估计结果误差最小。实验证明该方法能够有效地对编队的移动机器人定位,同时对环境干扰具有鲁棒性。     

基于视觉的空中加油定位技术研究

空中加油作为增加飞行器续航能力的一种有效手段,正受到越来越多的关注和研究,而具有低成本、无源性等优点的视觉导航技术为自动空中加油的实现提供了可靠的解决方案。首先介绍了空中加油的基本概念,包括软、硬两种不同方式以及从交会到脱离的过程;然后以加油锥套、受油接口、飞行器机体三种不同的研究主体为切入点,梳理了针对自动空中加油问题的视觉定位解决方案,着重阐述了其中基于视觉的检测跟踪和位姿估计过程,总结了其中可用的视觉定位算法;最后讨论了当前该领域待解决的问题,并展望未来的研究方向。     

基于水下机器人定位与探测方法研究综述

深海作为人类尚未完全开发的宝地已经逐渐成为各界研究人员工作的战略目标,而水下机器人能够代替人类进行水下的各种危险操作与探索工作,故当前水下机器人已广泛应用于诸多领域,协助人类进行水下开发与研究。其中水下目标探测与定位技术是水下机器人的重要研究内容。文章介绍并比较了几个应用于水下距离探测的方法、基本原理以及机理。阐述了超声波传感器水下测距、激光雷达水下测距、水下双目视觉测距等目前被广泛使用的方法,并结合水下机器人探测技术和应用现状对未来研究进行分析和展望。     

基于深度学习的RGB图像目标位姿估计综述

6自由度（DoF）位姿估计是计算机视觉与机器人技术中的一项关键技术,它能从给定的输入图像中估计物体的6DoF位姿,即3DoF平移和3DoF旋转,已经成为机器人操作、自动驾驶、增强现实等领域中的一项至关重要的任务。首先,介绍了6DoF位姿的概念以及基于特征点对应、基于模板匹配、基于三维特征描述符等传统方法存在的问题;然后,以基于特征对应、基于像素投票、基于回归和面向多物体实例、面向合成数据、面向类别级的不同角度详细介绍了当前主流的基于深度学习的6DoF位姿估计算法,归纳整理了在位姿估计方面常用的数据集以及评价指标,并对部分算法进行了实验性能评价;最后,给出了当前位姿估计面临的挑战和未来的重点研究方向。     

水下视觉环境感知方法与技术

有效感知水下环境是水下机器人自主运动与作业的关键。本文首先对水下视觉环境感知的共性问题进行分析,总结了视觉退化和折射畸变两大共性问题对水下视觉成像产生的影响。其次,围绕如何应对上述挑战,分别从水下视觉恢复方法、水下3维视觉感知以及水下视野增强方法3个方面对国内外主流的水下视觉环境感知方法的研究现状展开综述。最后,对水下视觉环境感知的未来发展趋势进行展望,重点包括集群化视觉感知、多模态感知信息融合、仿生视觉感知等热点研究方向。     

基于视觉的机器人自主定位与障碍物检测方法

针对稀疏型同时定位与地图构建（SLAM）算法环境信息丢失导致无法检测障碍物问题，提出一种基于视觉的机器人自主定位与障碍物检测方法。首先，利用双目相机得到观测场景的视差图。然后，在机器人操作系统（ROS）架构下，同时运行定位与建图和障碍物检测两个节点。定位与建图节点基于ORB-SLAM2完成位姿估计与环境建图。障碍物检测节点引入深度阈值，将视差图二值化；运用轮廓提取算法得到障碍物轮廓信息并计算障碍物凸包面积；再引入面积阈值，剔除误检测区域，从而实时准确地解算出障碍物坐标。最后，将检测到的障碍物信息插入到环境的稀疏特征地图当中。实验结果表明，该方法能够在实现机器人自主定位的同时，快速检测出环境中的障碍物，检测精度能够保证机器人顺利避障。     

基于改进DCP算法的水下机器人视觉增强

对水下机器人的视觉增强问题进行了研究,提出了基于改进暗通道优先（IDCP）的图像增强算法对单目视觉图像进行预处理．首先对水下图像的色偏与雾化等现象进行退化建模,然后通过计算亮暗通道的视差来获取图像的景深信息,以精确估计水体的背景颜色,同时计算得到相应的透射图．在此基础上,采取自适应比例因子选择策略对透射图进行后处理以得到具有更高对比度的图像恢复效果．此外,进一步采用颜色校正方法以去除残余色偏,并提高图像的整体亮度．针对水下多场景的实验结果表明,与常规方法相比,本文的IDCP方法能够在纠正色偏的前提下实现具有更高清晰度和亮度的视觉增强效果．     

基于视觉定位的机器人智能拆垛系统

针对传统示教再现机器人仅能进行位置确定、轨迹固定的拆垛任务,局限于固定场景的问题,设计了一个基于视觉定位的机器人智能拆垛系统.该系统利用目标像素中心坐标转换求得对应世界坐标.针对眼在手外的安装相机方式,导致目标经图像处理算法求得的旋转角度可能由于相机自身的偏转而产生误差的问题,提出利用相机外参系数补偿目标旋转角度.最后设计拆垛策略,通信引导机器人以由近及远的抓取顺序执行拆垛任务,并无需人工干预自动完成整垛拆卸.经过实验数据表明,该系统可在未知工作场景中对未知位置目标进行抓取,位置误差可达1.1 mm,角度误差可达1.2°,堆垛一层定位时间为1.2 s左右,满足工业场景中对拆垛机器人的精度与效率需求.     

基于二维码修正机器人系统的位姿估计方法

为了解决机器人系统工具端定位精度不高的问题,提出一种基于二维码修正机器人系统的位姿估计方法。通过机器人系统获取的地面定位修正二维码图像信息,计算出机器人系统实际位置与机器人示教位置的转换矩阵,并利用转换矩阵生成新的工件坐标系,按照新的工件坐标系移动机器人系统,到达修正后的目标位置。该方法使机器人工具端达到了高精度定位,修正了机器人系统的位姿偏差,精度可达到0.5 mm。     

基于大数据聚类的工业遥操作机器人位姿定位控制系统设计

针对工业遥操作机器人位姿定位过程中难以同步控制位置和姿态角,导致位姿定位准确性较差的问题,利用大数据聚类技术,从硬件和软件两个方面优化设计工业遥操作机器人位姿定位控制系统。通过位姿传感器的改装,保证传感器设备能够同时测量机器人位置与姿态,改装定位控制器和驱动器。在系统硬件的支持下,考虑机器人组成结构、运动原理和动力学理论,构建机器人数学模型,在该模型下模拟机器人遥操作过程,确定机器人位姿的定位控制目标。实时采集机器人位姿数据,利用大数据聚类技术计算定位控制量,在控制器的约束下,实现系统的位姿定位控制功能。通过系统测试实验得出结论：综合多种类型的运动情况,在优化设计系统的控制下,机器人的位置误差平均值为4.5mm,姿态角控制误差为0.04°。     

基于大数据聚类分析的爬壁机器人位姿定位控制系统设计

为提高爬壁机器人运动位姿精准度与稳定性,解决现有位姿定位控制系统存在的控制效果不佳的问题,利用大数据聚类分析技术,通过软、硬件结构的设计,实现爬壁机器人位姿定位控制系统的优化;改装爬壁机器人位姿传感器、爬壁机器人驱动元件、爬壁机器人位姿定位控制器的内部连接结构及工作方式,扩大系统存储器的存储空间,通过系统电路的连接完成硬件系统的设计;根据爬壁机器人的组成结构和工作机理,建立机械结构与运动模型;在构建模型下,采集爬壁机器人实时运行数据,利用大数据聚类分析技术处理初始采集数据,判定爬壁机器人的当前位姿;规划爬壁机器人位姿及关节轨迹,结合当前爬壁机器人的运行数据,计算爬壁机器人位姿定位控制量,在控制器的约束下,实现爬壁机器人位姿定位控制功能;通过系统测试实验得出结论:通过设计位姿定位控制系统的应用,爬壁机器人样机的足端轨迹控制误差、关节角度控制误差和占空比控制误差均低于预设值,即设计系统具有良好的位姿定位控制效果。     

基于视觉的水下管线识别与定位系统

论述了在水环境下如何通过视觉识别管线并给以精确的定位。提出了水下视觉系统的总体设计方案。在识别目标时,以目标的颜色为特征,并将颜色从ＲＧＢ窨转换到ＨＳＩ空间,使图象处理的速度和特征抽取的鲁棒性得到提高。对水下环境中点和线的精确定位进行了详细的分析,给出定位算法。最后的实验结果证明了算法的有效性。     

基于深度学习的刚体位姿估计方法综述

刚体位姿估计旨在获取刚体在相机坐标系下的3D平移信息和3D旋转信息,在自动驾驶、机器人、增强现实等快速发展的领域起着重要作用。现对2017-2021年间的基于深度学习的刚体位姿估计方向具有代表性的研究进行汇总与分析。将刚体位姿估计的方法分为基于坐标、基于关键点和基于模板的方法。将刚体位姿估计任务划分为图像预处理、空间映射或特征匹配、位姿恢复和位姿优化4项子任务,详细介绍每一类方法的子任务实现及其优势和存在的问题。分析刚体位姿估计任务面临的挑战,总结现有解决方案及其优缺点。介绍刚体位姿估计常用的数据集和性能评价指标,并对比分析现有方法在常用数据集上的表现。最后从位姿跟踪、类别级位姿估计等多个角度对未来研究方向进行了展望。