基于超宽带定位的四旋翼目标跟踪技术研究

针对无人机室内地面目标跟踪问题,论文提出了一种基于超宽带室内定位技术的跟踪方法.首先建立了四旋翼和地面机动目标的动力学模型.然后,通过超宽带定位技术得到目标的量测信息.其次,利用扩展卡尔曼滤波估计目标的状态信息达到减少跟踪误差的目的,并且基于解算的信息提出了人工势场法作为四旋翼的路径规划算法.最后利用反步法控制策略解决...     

四旋翼无人机自适应导航控制

研究四旋翼(Quadrotor)无人机导航控制问题。针对传统的四旋翼无人机导航控制方法的目标定位误差和实时性差问题,提出了基于CLOS技术的导航控制方法。采用CLOS技术所开发的导航控制系统使得四旋翼无人机能够在移动停机坪完成自主导航和着陆的任务,并详细研究了导航控制系统的设计和仿真。仿真结果显示了所设计的导航控制系统的性能和有效性,可应用于四旋翼无人机的实时导航。     

多旋翼无人机磁罗盘校准方法

为提高多旋翼无人机航向角解算精度,研究磁罗盘校准和罗差补偿方法。通过详细分析罗差产生原因,并结合多旋翼应用,将磁罗盘干扰划分为机体坐标系静态干扰、机体坐标系动态干扰、导航坐标系静态干扰、导航坐标系动态干扰四大类。针对机体坐标系动态干扰,结合多旋翼应用背景,研究干扰的离线测量与在线补偿方法;针对机体坐标系静态干扰,提出一种飞行过程中实时校准方法;针对导航坐标系静态干扰,创新性采用GNSS模块的速度方向信息修正罗差;导航坐标系动态干扰为原理性误差,这里暂不讨论。结果表明：研究内容可有效补偿机体坐标系动态与静态干扰,以及导航坐标系静态干扰对磁罗盘和航向角解算精度的影响,有助于改善无人机的飞行性能。     

多机只测角无源定位中的空间对准方法

空间对准是实现多机只测角无源定位首先要解决的问题,对此,提出一种适合该应用背景的空间对准方法.该方法选择融合载机初始时刻地理坐标系作为融合中心坐标系,首先将载机在各自机体坐标系中获得的方位角转换到各自载机地理坐标系中;然后再将其转换到原点位于各载机质心、与融合中心地理坐标系平行的坐标系中,推导出方位角位于此坐标系的解析表达式.对目标来波方向、载机姿态角、各载机相对融合中心距离等因素的影响进行仿真分析,得出了各因素对空间对准过程影响的量化结论.     

轻小型无人机遥感定位系统误差消除技术研究

传统无人机定位系统误差消除技术存在误差消除精准度低的问题,需对轻小型无人机遥感定位系统误差消除技术进行深入研究。根据轻小型无人机航线、地理参考和初始位置坐标系,构建轻小型无人机遥感定位模型;利用该模型对目标定位原理展开分析,通过模型构建和无人机隐秘飞行特征,对目标位置进行转换,获取转换后的坐标系位置信息,通过无人机飞行姿势变化幅度范围,获取精准误差影像序号,并进行修正,由此完成系统误差消除。实验结果证明,该技术误差消除精准度较高。     

基于DDPG算法的旋翼无人机智能跟踪方法

针对旋翼无人机视觉伺服控制可视性约束差与控制效率低的问题,介绍四旋翼无人机的动力学模型与传统视觉伺服的基本原理;针对视觉伺服增益调节问题,提出了一种基于深度强化学习的旋翼无人机视觉伺服控制的马可科夫模型;并结合深度确定性策略梯度（DDPG）算法训练了模型,最终得到线速度和角速度2个解耦的伺服增益。结果表明,与传统的基于图像的视觉伺服（IBVS）方法相比,该方法能保证目标始终在视场中、飞行轨迹平滑、到达目标位置所需时间短,满足旋翼无人机视觉伺服控制可视性约束条件,同时,控制效率比传统控制方法高23.5%。实验中该方法能在复杂的非线性环境中实现精确控制,增加了视觉伺服技术的应用场景。     

多媒体传感器网络中基于多视觉信息的被动目标定位算法

目标定位是无线传感器网络应用研究中一个重要而有意义的问题,由于被动目标与信标间无主动通信联系,以及摄像机节点本身传感模型的方向性和区域性,使得传统的定位算法并不适用于新兴的多媒体传感器网络.提出了一种多媒体传感器网络中基于多视觉信息的被动目标定位算法,由发现目标的若干个摄像机节点自组织形成簇,利用单目视觉成像模型,获取目标的上下两点在定位平面的坐标后建立在统一世界坐标系下的直线表达式,簇头节点融合簇内所有直线方程,建立最小二乘意义下的代价函数,令其取最小值从而获得目标的准确位置坐标信息.最后通过实验验证了本算法比仅用单摄像机节点直接定位能够获得更高的定位精度.     

基于深度学习的多旋翼无人机单目视觉目标定位追踪方法

针对无人机对目标的识别定位与跟踪,本文提出了一种基于深度学习的多旋翼无人机单目视觉目标识别跟踪方法,解决了传统的基于双目摄像机成本过高以及在复杂环境下识别准确率较低的问题。该方法基于深度学习卷积神经网络的目标检测算法,使用该算法对目标进行模型训练,将训练好的模型加载到搭载ROS的机载电脑。机载电脑外接单目摄像机,单目摄像头检测目标后,自动检测出目标在图像中的位置,通过采用一种基于坐标求差的优化算法进行目标位置准确获取,然后将目标位置信息转化为控制无人机飞行的期望速度和高度发送给飞控板,飞控板接收到机载电脑发送的跟踪指令,实现对目标物体的跟踪。试验结果验证了该方法可以很好的进行目标识别并实现目标追踪     

基于双目视觉的无人飞行器目标跟踪与定位

针对小型无人飞行器跟踪目标的问题,提出了一种基于双目视觉和Camshift算法的无人飞行器目标跟踪以及定位算法。双目相机得到的左右图像通过Camshift算法处理可得到目标中心特征点,对目标中心特征点进行三维重建,得到机体坐标系下无人飞行器与目标间的相对位置和偏航角,应用卡尔曼滤波算法对测量值进行了优化,将所得估计值作为飞行控制系统的反馈输入值,实现了无人飞行器自主跟踪飞行。结果表明所提算法误差较小,具有较高的稳定性与精确性。     

无人机自主巡检系统的关键技术研究

无人机（UAV）将成为未来电力巡检的主要工具,目前其飞行路径主要根据GPS进行设计。GPS定位精度低,部分区域GPS信号弱,是阻碍无人机电力巡检广泛应用的主要瓶颈。针对复杂环境下的输电线路态势感知,提出一种基于单目视觉的无人机自主巡检系统,实现脱离GPS的自主导航。该系统采用基于深度学习的目标识别检测算法,利用单目视觉的投影变换对尺度已知的待检测目标进行三维定位,然后通过基于大疆SDK开发的飞控程序调整无人机的飞行姿态并自主导航,实现无人机实时巡检。实验结果表明,距离目标物10?m时,该系统在世界坐标系[X、][Y、][Z]三个方向的定位误差分别为0.31 m、0.06 m、0.24 m,处理速度0.76 frame/s,准确性和可行性得到了验证。     

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.     

一种基于弹道曲线模型的脱靶量测试方法

针对传统的脱靶量测试设备体积庞大、不便移动且测试成本高等缺点,提出了一种基于弹道曲线模型的双目立体视觉的脱靶量测试方法。研究了摄像机的成像模型及坐标系变换,分析了摄像机标定的一般方法,构建了摄像机标定模型,并推导了标定参数的表达式。基于双目立体视觉测试技术设计了弹道曲线模型的弹丸脱靶量测量系统,其测量过程简单且标定结果稳定,可实现弹丸运动目标的快速检测,通过对运动目标的空间定位和轨迹拟合实现了脱靶量的测试。实验结果表明:弹道直线模型和曲线模型均能简便地求解飞行弹丸脱靶量,后者比前者更贴近实际弹丸飞行轨迹,可获得更高精度的脱靶量,弹道曲线模型的脱靶量平均绝对误差(MAE)比直线模型降低了大约一半。     

一种基于随动视觉的排爆机器人自主抓取系统

在传统基于固定视觉的排爆机器人抓取系统中,相机视觉易被遮挡且不能保证拍摄清晰度。基于随动视觉技术,提出一种将深度相机置于机械手末端并随机械手运动的排爆机器人自主抓取系统。利用深度相机计算目标物体的三维坐标,采用坐标转换方法将目标物体的位置坐标信息实时转换至机器人全局坐标系,并研究相机坐标系、机器人全局坐标系与末端执行器手爪工具坐标系三者的动态映射关系,实现排爆机器人的自主抓取。实验结果表明,与传统固定视觉方法相比,随动视觉方法可在误差2cm内,使得机器人机械手爪准确到达目标物体所在位置,且当机器人距离目标物体100cm~150cm时,抓取效果最佳。     

基于相机空间点约束的机器人工具标定方法

工具标定就是确定工具坐标系相对于机器人末端坐标系的变换矩阵,但传统的解决方案是通过人工示教点约束的方法,为此提出一种基于视觉相机空间的自动工具标定方法。在末端工具上增加特征点如圆环标志,利用相机建立机器人三维空间与相机二维空间之间的关系,通过自动的三维空间视觉定位,实现对圆环标志的中心点的点约束,视觉定位不需要相机的标定等繁琐过程。基于机器人的正运动学和相机空间点约束完成工具中心点(TCP)求解。重复实验的标定误差小于0.05 mm,实验的绝对定位误差小于0.1 mm,验证了基于相机空间定位的工具标定具有较高的可重复性以及可靠性。     

基于目标检测的机器人手眼标定方法

智能协作机器人依赖视觉系统感知未知环境中的动态工作空间定位目标,实现机械臂对目标对象的自主抓取回收作业。RGB-D相机可采集场景中的彩色图和深度图,获取视野内任意目标三维点云,辅助智能协作机器人感知周围环境。为获取抓取机器人与RGB-D相机坐标系之间的转换关系,提出基于yolov3目标检测神经网络的机器人手眼标定方法。将3D打印球作为标靶球夹持在机械手末端,使用改进的yolov3目标检测神经网络实时定位标定球的球心,计算机械手末端中心在相机坐标系下的3D位置,同时运用奇异值分解方法求解机器人与相机坐标系转换矩阵的最小二乘解。在6自由度UR5机械臂和Intel RealSense D415深度相机上的实验结果表明,该标定方法无需辅助设备,转换后的空间点位置误差在2 mm以内,能较好满足一般视觉伺服智能机器人的抓取作业要求。     

基于GIS的工程测绘机器人自动定位系统设计

根据传统定位系统在传递信息时采用惯性传感器,导致调试结果误差大的问题,设计了基于GIS的工程测绘机器人自动定位系统。根据工程测绘机器人自动定位系统总体结构,将系统分为硬件系统和软件系统两部分。通过s2c2440微处理器向ONPYHON480图像传感器中发送采集图像信号,经过135mm/F2.8全面幅远摄定焦光学镜头将图像信号转换为电子信号,通过直接内存存取系统传送到存储单元之中。设计电源电路为工程测绘机器人自动定位系统提供设备电力供应,避免电源本身所产生杂波对系统产生干扰。选择PDU模式收发短信息,利用GIS技术开发电子地图,实现工程测绘机器人自动定位。调试结果表明,该系统具有定位结果误差小的特点,静态测试点定位误差在3mm以内,动态测试点定位误差在6mm以内,辅助提升系统自动化程度。     

全源矿井定位:一种智能煤矿位置服务新范式

矿山动目标定位系统为煤矿智能化建设提供基于位置的服务。而传统的矿井定位系统中定位信标与定位标签之间大多采用单一或组合通信技术,结构不灵活,覆盖范围受限,鲁棒性不高,定位精度有限;使用单一或组合测距技术,无法根据使用场景的不同自适应选择最优测距技术;位置求解算法固定,无法根据使用场景的不同和信号变化自适应选择最优求解算法。提出了全源矿井定位新范式,可根据定位环境和目标承载平台的变化,从所有可用定位信号测量设备中动态选择满足当前需求的最优设备组合,自适应地从可用的测距算法、位置解算算法、结果优化算法中选择最优的算法组合,计算出目标节点的最优位置。给出了全源矿井定位系统架构,探讨了矿井中可用的定位信号测量设备和可用于定位的测量属性值类型,对比了单一矿井定位与全源矿井定位在定位服务器方面的功能差异。研究了全源矿井定位中的3项关键技术:统一定位框架技术,旨在解决全源定位的模块化、组合式、可扩充需求;全源定位信息融合技术,对测量属性值进行有机组织,达到提高定位精度的目的;通信定位一体化技术,通过无线通信网络本身所具有的定位能力,简化全源矿井定位系统的设计并提高定位精度。提出了基于“端-边-云”的全源矿井定位系统实施架构,以便与煤矿智能化的主流建设模式相适应,大幅降低实施难度和系统成本。     

单目视觉人工路标辅助INS的组合导航定位方法

提出一种单目视觉人工路标辅助惯性导航系统(Inertial Navigation System,INS)的定位方法。首先设计人工路标,并用相机拍摄各预先设置的人工路标,记录拍摄每个路标时相机位置和姿态,建立视觉路标库。在利用惯性导航系统定位过程中,对单目相机采集到的图像进行路标提取、与路标库中相应路标进行匹配,估计当前相机位置和姿态,然后利用卡尔曼滤波将视觉匹配估计的位置信息和INS有效地融合。实验结果表明:传统航位推算方法的平均误差为0.715 m,本文组合导航方法的平均误差为0.154 m,该方法有效地提高了惯性导航定位的精度。     

基于单目视觉的仓储物流机器人定位方法

针对轮式仓储物流机器人的自主定位问题,提出了一种基于视觉信标和里程计数据融合的室内定位方法。首先,通过建立相机模型巧妙地解算信标与相机之间的旋转和平移关系,获取定位信息;然后,针对信标定位方式更新频率低、定位信息不连续等问题,在分析陀螺仪和里程计角度误差特点的基础上,提出一种基于方差加权角度融合的方法实现角度融合;最后,设计里程计误差模型,使用Kalman滤波器融合里程计和视觉定位信息弥补单个传感器定位缺陷。在差分轮式移动机器人上实现算法并进行实验,实验结果表明上述方法在提高位姿更新率的同时降低了角度误差和位置误差,有效地提高了定位精度,其重复位置误差小于4 cm,航向角误差小于2°。同时该方法实现简单,具有很强的可操作性和实用价值。