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。     

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.     

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。     

弱纹理环境下的视觉惯性里程计优化方法

基于视觉的机器人自主定位与导航系统都是利用点特征进行工作,但在弱纹理环境中,无法提取充足的点特征,系统的精度与鲁棒性就会下降。为此,提出了一种弱纹理环境下的视觉惯性里程计优化方法。将点线特征融合,相对于点特征,线特征在弱纹理环境下有较强的鲁棒性,可提供更多的环境几何结构信息,有利于三维地图的构建。为了提高精度,使用紧耦合的方式将相机与IMU采集到的数据融合。利用滑动窗口算法,将IMU预积分后的误差与点线重投影误差,在滑动窗口中用最小化误差函数的方式进行优化。通过EuRoc数据集,将优化后的系统与VINS-Mono系统进行比较。经测试,不同场景中的几组数据的绝对轨迹误差都很小,且均方根误差下降3%左右。验证了算法的精度与鲁棒性。     

基于基座力传感器机器人连杆惯性参数识别

基于机器人基座力传感器的输出信号,探讨了一种利用牛顿-欧拉动力学递推方程识别机器人连杆惯性参数的方法.通过理论推导,阐述了利用该方法识别机器人连杆惯性参数的求解思路与步骤;作为该方法的简化与补充,探讨了利用连杆的重力作用识别连杆质量及其质心三维坐标的静态识别方法.进行仿真计算,验证了该方法的正确性.使用上述方法识别的机器人连杆惯性参数包含了机器人的关节特性,进行动力学建模时无需再对机器人的关节特性建模.     

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。     

基于惯性导航的管道探测蛇形机器人定位算法

为满足管道探测蛇形机器人地下定位的精度需求,提出了一种基于扩展卡尔曼滤波(EKF)的双惯导(INS)+编码器里程计融合定位算法。系统建立了管道内部蛇形机器人及其运动轨迹的数学模型,以两套惯导的位置信息为状态量,使用绕线盘+旋转编码器代替传统轮式里程计测得机器人在载体坐标系中每个采样时间的距离增量作为状态方程控制量,以惯导之间的距离作为量测量,融合扩展卡尔曼滤波算法建立了管道探测蛇形机器人双惯导定位模型,克服了单惯导定位误差累计的缺点。经实验验证:双惯导+地表编码器里程计融合定位方法能够有效提高蛇形探测机器人在地下管道内部定位的精度,且在不同运行条件下及惯导系统不同安装距离时均有效,具有较高的实用价值。     

基于Kinect传感器的室内机器人自定位研究

针对同步定位地图创建（SLAM）中的定位问题,提出一种基于Kinect传感器的室内机器人自定位方法。利用Kinect传感器采集图像信息和深度信息,获取场景图像的SIFT匹配特征点集,并将特征点集的像素和深度信息转为三维数据,利用ICP算法计算机器人相邻位姿的旋转矩阵与平移向量。采用RANSAC方法去除SIFT匹配外点,提高了运动参数的计算精度。通过实验验证该方法的可行性。     

基于单目视觉里程计的移动机器人自定位方法

为解决在列车底部直线移动的机器人对风管进行识别定位摘解时需到达两节车厢之间的自定位问题,提出一种基于单目视觉里程计的自定位方法.该方法根据单目相机在列车底部竖直向上拍摄时图像颜色较深,而当相机将要到达两节车厢之间时所拍摄图像中会有明显亮度变化区域的特点,选取关键帧图像,通过图像处理提取出图像中目标区域信息,根据所提出的...     

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CCD传感器的智能小车系统及其串口视频调试工具开发

开发了基于CCD视频传感器的智能小车系统及其串口视频调试工具。智能车系统以Freescale公司的16位HCS12单片机为核心,包括：电源管理、图像采集、电机驱动、转向舵机控制、速度检测以及辅助调试等模块,实现了图像数据快速转换、噪声消除、图像还原、导引线提取、转向控制、速度控制等功能。其串口视频调试工具可以将单片机采集的图像上传到PC机以图片显示,用以分析、观察算法处理结果,准确、直观,是重要的辅助工具,在试验中取得了较好的效果。     

基于多维校正的无线传感器网络多维标度定位算法

节点定位是无线传感器网络(WSN)配置和运行的基本和关键问题之一.针对目前已有的多维标度(MDS)定位算法的局限性,提出了一种基于多维校正的分布式无线传感器网络多维标度定位算法(MDS-MC).它通过自适应搜索算法建立局部节点定位区域(Nb),保证了相邻Nb区域的坐标转换,减少了网络中的冗余公共节点;同时根据锚节点间的距离信息修正了节点间的距离估计,并将经典MDS算法与粒子群算法相结合,优化了节点的位置估计,解决了节点间距离不完整时的定位问题.在此基础上,研究了不同场景下节点的定位误差和能耗.实验结果表明,该算法定位精度高、能耗小,特别是对非理想环境有很好的鲁棒性,满足大规模无线传感器网络应用的需要.     

Linear encoder based low frequency inertial sensor

In this article, we present a novel concept of inertial sensor, based on a linear encoder. Compared to other interferometric sensors, the encoder is much more easy to mount, and the calibration more stable. A prototype has been built and validated experimentally by comparison with a commercial seismometer. It has a resolution of about 10?pm/√Hz. In order to further improve the resolution, two concepts of mechanical amplifiers have been studied and compared. One of them is shown to be extremely promising, provided that the amplifier does not stiffen the sensor.     

无线传感器网络移动节点辅助定位算法

从目标跟踪(用多个静态已知位置的传感器跟踪和预测一个移动的目标)的逆向方法出发,提出一种采用可移动节点在未知节点布设区域上空进行行列扫描,同时向未知节点发射相应标识信号给未知节点的定位算法--LA-SCAN.它具有至少两个优势:1)由于未知节点只需接收第一次标识号,用于节点定位的通信能耗极低;2)未知节点只需要移动节点移动间距、布设区起点位置和接收到的标识号即可计算m估计坐标.理论分析和仿真结果表明LA-SCAN算法具有高的性能表现.     

基于测距定向的WSNs分步求精定位算法

针对现有算法无法满足在不同环境中对定位精度的要求,提出一种基于测距定向的分步求精定位算法(stepwise refine-ment localization algorithm based on ranging and orientation,SRLRO)。通过分析环境因素对RSSI(received signal strength indica-tion)测距的影响,算法首先建立RSSI测距定向模型,确定指向待定位节点所在较小区域的多条直线,通过质心算法求这些直线交点的质心。为了进一步提高算法精度,算法采取了一些优化规则。仿真和实验表明,在不同环境因素的影响下,算法都具有较高的定位精度。     

基于图论模糊聚类的室内自适应RSSI定位算法

针对现有RSSI定位算法无法满足室内环境下对目标的自适应定位,提出一种基于图论模糊聚类的室内自适应RSSI定位算法IAL-GT-FC。算法根据室内环境下各区域RSSI分布的差异性,建立基于图论和模糊聚类的RSSI模糊聚类模型,并基于该模型将定位区域自适应划分成若干环境差异较小的子区域;通过建立参数自适应规则,自适应调整各子区域内的环境参数,使其满足该区域内RSSI测距的需要;结合该区域内的环境参数,通过建立相邻区域间的RSSI补偿机制对未知节点进行RSSI测距补偿;最后采用权重质心法对未知节点进行位置求解。通过实验,证明该算法具有较高的定位精度和较强的自适应能力,能够满足室内环境下对目标的精确定位。     

无线传感器网络加权垂直平分线定位算法

针对APIT算法和基于垂直平分线的区域定位算法(MBLA)迭代次数多,定位精度低的缺点,提出了加权垂直平分线定位算法——WMBLA。该算法根据待定位节点接收到的2个锚节点的RSSI值的比值,移动两锚节点连线的垂直平分线,然后确定待定位节点在垂直平分线的哪一侧。仿真表明:WMBLA算法定位精度显著提高,定位误差是MBLA的一半,是APIT算法的1/4,迭代次数是MBLA的1/3。     

一种无线传感器网络分步求精节点定位算法术

传感器网络由于资源受限,定位算法需要综合考虑算法开销、网络构建成本、定位精度等多方面因素.本文针对Boun-ding Box定位算法定位精度过于依赖于锚节点密度的问题,提出一种锚节点数量适中的无线传感器网络分步求精定位算法(SRBB).该算法利用锚节点位置信息,结合多边测距定位方法分步求精,并町有效识别出网络中的孤节点,消除其对定位过程的影响.算法原理简单,便于实现,仿真实验表明,SRBB可利用适量的锚节点达到较高的定位精度,算法开销适中.     

基于无线传感器网络的室内定位系统

为解决已有室内定位系统精度低、成本高的问题,将无线传感器网络( WSN)技术应用到室内定位中.开展了对已有定位系统包括RADAR、Active Badge和Cricket等的分析,设计了一套基于无线传感器网络的室内定位系统.该系统使用GAINSJ无线传感器网络节点组网,整个系统由汇聚节点、参考节点和目标节点构成.汇聚节...     

基于原子体系的量子惯性传感器研究现状

惯性传感器的性能直接决定了惯性导航系统的精度。基于原子体系的量子惯性传感器有望在更小体积和更低成本下达到传统惯性传感器的性能,且理论上可以获得比现有技术更高的测量灵敏度和长期稳定性。近些年随着量子精密测量领域的快速发展,量子惯性传感器的实用化和工程化方面研究进展显著,未来通过替代传统加速度计和陀螺仪,有可能形成高度集成、低功耗和低漂移的量子惯性导航系统。文章简要介绍了基于原子体系的量子惯性传感器的基本原理,总结了以原子干涉陀螺仪、原子自旋陀螺仪、原子干涉加速度计、原子干涉重力仪和重力梯度仪为主的量子惯性传感器研究现状,并对有待解决的关键技术问题进行了梳理和分析,可为量子惯性传感器的发展提供参考。