基于卡尔曼滤波器的轮式机器人定位方法

以自主研发的两轮差动驱动轮式机器人为试验平台,以码盘、陀螺仪和数字罗盘作为机器人的定位系统,建立了两轮差动机器人的运动学方程,采用卡尔曼滤波器对3种传感器的数据进行融合,获得机器人的位置和姿态信息。     

平面环境约束辅助的单目视觉惯性里程计（英文）

为提高视觉惯性导航系统在宽动态、长航时、大范围作业环境中的精确性与鲁棒性,提出了一种平面环境约束辅助的单目视觉惯性里程计。通过在视频图像中提取并跟踪均匀分布的FAST特征点,并采用对称光流剔除误跟踪点,实现了视觉特征点高效检测与精确跟踪;无需计算稠密深度地图,仅从稀疏特征点集中检测共面特征点,拟合空间平面,构建了对视觉特征点三维坐标的空间几何约束;融合视觉特征点重投影误差、共面特征点坐标约束以及惯性测量单元（Inertial measurement unit, IMU）预积分误差构造代价函数,采用非线性优化方法估计了系统状态。最后,分别在公开数据集和实际户外场景中评估了算法的准确性和有效性。实验结果表明,相较于VINS-Mono和ORB-SLAM3算法,本文方法的定位结果有显著提升,实现了复杂应用环境中精确、稳定导航,在机器人、无人驾驶等领域具有较大的实用价值。     

基于双目视觉的主从式机器人主手系统设计和研究

提出了一种基于双目视觉的主从式机器人主手系统,采用双目视觉技术实时识别并跟踪手柄的运动,同时测量其空间位姿。首先通过背景差分法检测出手柄,然后用卡尔曼滤波器对手柄的位置和速度进行预测,跟踪手柄的运动。在标记点的立体匹配中采用了特征匹配和区域灰度匹配相结合的方法,并引入唯一性和顺序一致性约束来剔除伪匹配,最终测罱出手柄的实时空间位姿信息。实验结果证明系统方案是可行的。     

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.     

基于卷积神经网络与扩展卡尔曼滤波的 单目视觉惯性里程计

针对单目相机采集室外图像易受环境光照影响、尺度存在不确定性的缺点,以及利用神经网络进行位姿估计不准确的问题,提出一种基于卷积神经网络(CNN)与扩展卡尔曼滤波(EKF)的单目视觉惯性里程计。采用神经网络取代传统里程计中基于几何约束的视觉前端,将单目相机输出的估计值作为测量更新,并通过神经网络优化EKF的误差协方差。利用EKF融合CNN输出的单目相机位姿和惯性测量单元(IMU)数据,优化CNN的位姿估计,补偿相机尺度信息与IMU累计误差,实现无人系统运动位姿的更新和估计。相比于使用单目图像的深度学习算法Depth-VO-Feat,所提算法融合单目图像和IMU数据进行位姿估计,KITTI数据集中09序列的平动、转动误差分别减少45.4%、47.8%,10序列的平动、转动误差分别减少68.1%、43.4%。实验结果表明所提算法能进行更准确的位姿估计,验证了算法的准确性和可行性。     

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.     

一种可参数自标定的鲁棒视觉/惯性定位方法

以视觉/惯性里程计为代表的视觉/惯性定位方法近年来被广泛应用。传统的视觉/惯性里程计通过离线标定方法得到固定的相机畸变参数,当相机畸变参数标定不准确或发生变化时定位精度会下降。针对于此,提出了一种面向相机畸变参数在线自标定的鲁棒视觉/惯性里程计方法:首先,将相机畸变参数加入到视觉/惯性里程计的待优化变量中,推导了视觉重投影误差关于待优化变量的雅可比矩阵;然后通过因子图优化技术,实现相机畸变参数的在线自标定与载体导航信息的实时优化求解;最后,通过EuRoC数据集试验和实际试验验证了所提方法的有效性。实际试验结果表明:相对传统的视觉/惯性里程计方法,所提方法在室外开阔场景中精度提升了65.40%。     

基于点线特征融合的立体视觉里程计

大多数视觉里程计通过跟踪图像序列中点特征几何位置的变化实现对相机位姿的估计.线是点的集合,相对于离散的点,帧间线特征的位置变化更具有显著性,因而有利于提高特征检测跟踪的鲁棒性.另外,在一些弱纹理场景中,点特征不够丰富,作为对点特征的补充,提出了一种融合点线特征的立体视觉里程计算法.构建新颖的点线重投影误差模型作为目标函...     

基于模糊卡尔曼滤波器的锂电池荷电状态与健康状态预测

针对当前锂电池荷电状态(State of charge, SOC)与健康状态(State of health, SOH)预测精度较低的问题,提出了一种基于模糊卡尔曼滤波器的预测方法。采用非线性二阶电阻电容模型表示锂电池,并通过最小二乘误差优化算法对模型参数进行估计,从而更准确地确定蓄电池容量作为SOH值的基础。扩展卡尔曼滤波器(Extended Kalman filter, EKF)可在初始SOC值未知的情况下对其进行准确预测,而模糊逻辑有助于消除测量和过程噪声。仿真结果表明,在城市测功机驱动计划期间(Urban dynamometer drving schedule, UDDS)测试中最大的SOC估算误差是0.66%;通过离线更新卡尔曼滤波器,可对电池容量进行估计,结果表明,最大估计误差为1.55%,从而有效提高了SOC值的预测精度。     

An improved three-point method based on a difference algorithm

The reason for the rounding error in a measurement system under the condition of a limited sampling period is analysed, and a three-point method based on the difference algorithm (D3P method) is proposed. The effect of the rounding error is reduced by differential approximation of the roundness error and reconstruction of the transfer function. The generalized three-point method (G3P method), the three-point method based on the first-order difference algorithm (I-D3P method) and the three-point method based on the second-order difference algorithm (II-D3P method) are compared and analysed by simulation. The results show that the accuracy of the D3P method is greatly improved compared with that of the G3P method under the restricted sampling period and that the D3P method retains high precision in the case of failed error separation of the G3P method. An experimental system was constructed to realize error separation, and the experimental results show that the D3P method has higher accuracy than the G3P method over a small sampling period.     

基于运动目标自适应检测的改进ViBe算法

传统视觉背景提取(ViBe)算法检测结果存在Ghost区域,且受环境变化影响,在提取前景时容易产生误检或漏检。针对这些问题,提出了一种基于运动目标自适应检测的改进ViBe算法。首先在背景模型初始化过程中,通过对均值背景建模设置调节参数方式获取真实背景,利用该背景初始化ViBe背景模型;其次在前景检测过程中,根据场景变化引入自适应半径阈值对前景进行自适应检测;最后对检测结果中存在的空洞进行数学形态学闭运算填充。实验结果表明,改进算法能够有效抑制Ghost区域,并在环境变化的情况下较完整地检测前景目标,与传统ViBe算法相比,检测的精确率提高了10%以上,误检率和漏检率分别降低了20%和7%,且改进算法满足实时性要求。     

An improved scanning method based on characteristics of the human visual system for scanning electron microscopy

An improved scanning method for the scanning electron microscope (SEM) is proposed. Here, quincuncial scanning (sampling) instead of a conventional (raster) scanning is used. This scanning method is very effective for quality improvement of an SEM image obtained under undersampling conditions (rough sampling). The present study focuses on characteristics of the human visual system, specifically the low response of eyes in diagonal directions. When using this method coupled with a high-precision interpolation, the number of pixels necessarily doubles. It is not surprising that it is advantageous for printing. A more important advantage is the fact that SEM images can be acquired with a shorter recording time. Hence, this type of scanning will be helpful for quick and frequent recordings in a "snapshot" mode, which up to now has not been achieved successfully by SEM.     

基于人工生命算法的并联机器人最优轨迹规划

基于机器人直纹面概念和人工生命算法,提出一种并联机器人位姿轨迹最优规划方法.应用计算几何中的三维直纹面生成原理,对机器人末端执行器的位置和姿态进行统一描述.考虑到机器人姿态直纹面面积及其变化率能够反映和评价机器人的运动学和动力学性能,通过求解等效角位移矢量在空间的运动轨迹形成的三维直纹曲面面积及其变化率,并将其作为泛函的泛函极值,同时考虑运动时机器人的灵活度,建立机器人位置和姿态轨迹优化的数学模型.采用人工生命优化算法对代表并联机器人位姿轨迹的高阶参数化空间曲线的参数进行优选,通过优化轨迹直纹曲面面积及其变化率和机器人的灵巧度,使并联机器人具有良好的运动学和动力学性能.最后以一三自由度球面并联机器人轨迹规划实例,验证所提出方法的可行性.     

一种基于混沌优化算法的PCB板元件检测方法

先进电子制造生产中经常要对PCB板元件进行检测与识别,介绍了一种基于图像模板匹配算法的PCB板元件自动快速检测方法.从检测速度和准确度出发,首先提出了一种图像相似性度量参数指标,并提出一种利用并行混沌算法融合单纯形的算法,来优化搜索图像相似性,给出了算法实现的全过程.用实际拍摄的PCB板元件进行性能测试,验证了该优化算法能提高检测速度.     

一种面向室内 AGV 路径规划的改进蚁群算法

针对传统蚁群算法在大规模和复杂环境中,全局搜索效率差,收敛速度慢,路径转弯次数过多且不够平滑等问题,本文提出一种改进蚁群算法。该方法通过动态更新不同等级蚂蚁路径上的信息素,加快算法的收敛速度;通过引入距离函数和方向函数作为启发因子,改善路径搜索质量;采用一种改进自适应伪随机转移策略,减小陷入局部最优解的概率;在最优路径的基础上引入三次均匀B样条曲线进行优化,提高路径的平滑性。通过在2种不同规模环境下的路径规划实验表明,本文算法相比传统算法在分别减少55.6%和59.4%转弯次数的基础上,提升87.5%和100%的收敛速度,验证了本文算法的优越性。最后,以QBot2e为平台,将本算法应用到室内自动导引车(AGV)路径规划中,进一步验证了算法的实用性。     

基于遗传算法与有向图拓扑排序的工艺路线优化

针对工艺设计中的工艺路线优化问题,归纳了工步间的基本优先级约束关系。基于约束关系,将整个工艺活动过程转化为工步有向图,工步节点间的拓扑关系以约束矩阵的形式存储。提出了约束矩阵判错的检测方法;建立了工步图的拓扑排序模型。设计了一种随机的深度优先搜索算法对工步图进行拓扑排序,得到全部可行的一定数目初始工艺计划作为遗传算法的初始种群。算法中,提出了基于车间动态资源的加工序列编码策略;定量分析了工艺计划评价准则,采用罚函数的方法将目标函数和约束条件建立成一个无约束的优化目标函数,由此确定了染色体的适应度函数;设计了遗传操作算子(选择、交叉、变异),并通过基于模拟退火机制的精英策略加速算法收敛。最后,通过实例证明了该算法的有效性。     

基于改进 EfficientNet 的锻件磁粉探伤智能检测方法研究

针对锻件生产企业零件缺陷检测效率低下,检测精度不高的问题,提出一种基于改进EfficientNet模型(EfficientNet-F),对两种锻件的荧光磁粉探伤图像进行检测。构建以EfficientNet为主干特征提取网络的深度学习模型,并引入特征金字塔为特征融合层,进而提高模型的多尺度特征融合能力;引入完备交并比和注意力机制以提高模型鲁棒性和检测效率。同时,搭建荧光磁粉探伤图像采集平台,构建缺陷样本数据集。试验表明,EfficientNet-F的最优模型在测试集上的均值平均精度达到了95.03%。F1得分值为0.96,浮点运算数为1.86 B。相较于其他深度学习模型,该方法提高了检测的精度和效率,可以满足相关生产企业的需求。