基于空气阻力因子估计的乒乓机器人精确轨迹跟踪

乒乓机器人轨迹跟踪中,由于摄像机成像畸变、目标高速运动造成的成像模糊和空气阻力等不确定因素会导致跟踪误差.针对这些问题,本文提出一种基于空气\"阻力因子\"估计的轨迹跟踪算法.该方法结合了Kalman滤波器快速高效的跟踪优点,先从空气动力学模型推导出\"阻力因子\"项,并将其引入状态向量,重新对增广的状态向量进行非线性特征建模,再采用针对非线性估计的扩展Kalman滤波算法进行状态估计.实验结果表明,该算法跟踪精度优于传统轨迹跟踪算法(速度误差由±0.5m/s减少为±0.2m/s),并具有数值计算的实时性和高效性.     

基于实时图像的乒乓机器人Kalman跟踪算法

针对乒乓球高速运动图像模糊、空气阻力以及摄像机成像畸变等因素导致的误差问题,提出一种自适应测量协方差的离散Kalman轨迹估计算法.该算法通过动态调整测量协方差的大小,实现了对目标运动轨迹的准确跟踪,并进一步为乒乓球落点预测和手臂击打奠定了基础.实验表明,在图像采集速率高于70 帧/s、乒乓球速度超过5 m/s的情况下,该算法能有效地克服测量噪声和数据丢失的干扰情况的影响,给出优良的跟踪结果.同时该算法跟踪精度高,计算量小,适用于高速目标跟踪的场合.     

基于FMCW雷达微多普勒室内人体感知方法

针对室内场景下FMCW雷达在动态感知方面,存在识别静止人体常有丢失目标或与环境中微动物体互相干扰的问题,提出一种基于FMCW雷达微多普勒的人体存在感知的识别方法.首先基于FMCW雷达的采样数据立方体构建RDM(Range Doppler Map),通过投影累积的方式计算得出目标所在范围对应的雷达精确距离门子集;然后,基于距离门子集由短时傅里叶变换得到高精度微多普勒时频特征图,从中提取幅值特征,速度中心特征,速度带宽特征等共10个具备实际意义的特征矢量;最后,基于实测数据以支持向量机对不同特征矢量组合进行最优化筛选.实验结果表明,存在一种由其中5个特征矢量组成的最佳组合,使得对室内静止人体、环境扰动、走动人体的整体识别率最高,达到了 97.98％,不仅提高了分类模型性能还增强了其可解释性.     

面向多行人实时检测的路侧 3D 毫米波雷达和相机融合方法

为了提高复杂场景的多行人实时检测的准确性,提出了一种基于 3D 毫米波雷达和视觉融合的检测方法。首先采用 YOLOv5s 对视觉信息进行行人检测,将雷达数据通过数据预处理层、检测层、跟踪层输出的三维目标点。其次对雷达和相机进行时间上的同步标定,使用 EPnP 算法拟合雷达和相机的外部参数矩阵完成空间标定。然后根据目标检测框重叠率和中心点归一化欧氏距离特征构造关联矩阵,最后输入匈牙利算法完成数据关联,输出融合目标。实验结果表明,在遮挡、行人交错等复杂场景下,所提出的融合方法检测正确率均高于单一传感器,对比最近邻域和全局最近邻域的数据关联算法平均检测正确率分别提高了 4.12% 和 2.54%,平均关联精确率分别提高了 4.25% 和 2.93%,对于多行人实时检测具有实际的应用价值。     

在线角速度估计的乒乓球机器人视觉测量方法

针对目前乒乓球机器人在视觉跟踪过程中无法准确识别和跟踪旋转球轨迹,导致预测结果误差较大的问题,提出基于在线旋转角速度估计的视觉测量方法.该方法应用空气动力学的理论知识对旋转球的受力情况进行分析建模,构建旋转球轨迹的过程方程和观测方程,利用非线性扩展Kalman滤波器对包括角速度在内的运动状态进行估计.通过仿真实验和实际轨迹跟踪实验验证了该方法的有效性和正确性,且预测结果优于同类跟踪方法.该方法亦可应用于实时高速目标跟踪的场合.     

基于77GHz毫米波雷达与工业相机的目标检测与精度分析

本文主要讨论了基于AWR1642毫米波雷达和工业相机的目标检测方法与结果分析。本文以AWR1642毫米波雷达以及acA 1600-20gc工业相机为硬件基础,在进行正确配置后,通过程序分别对雷达开发板以及相机进行简单的编译和开发。运用简单算法对串口数据进行处理得到毫米波雷达目标检测数据,之后通过MATLAB平台创建界面,进而实现对获取数据的实时显示。根据帧差原理,通过Visual Studio平台调用OpenCV视觉库,实现对相机获取图像的处理,得到并显示视觉检测数据。之后,设立典型目标和参照,整合通过两种方式获取的数据并进行分析,得出二者检测能力的差异和特点。本设计能够满足分别通过毫米波雷达和工业相机实现目标检测与定位的基本需求,并且测试精确度较高,可针对运动目标进行检测。     

瞬时液相扩散连接工艺参数及应用研究进展

介绍了瞬时液相扩散连接的原理,分析了主要工艺参数对接头质量的影响,描述了瞬时液相连接技术的应用情况,指出了现有瞬时液相扩散连接技术的不足,并进行了展望.     

一种基于卡尔曼预测的动态目标跟踪算法研究

针对视频序列中目标的跟踪,均值漂移算法和卡尔曼滤波器相结合的目标跟踪算法已经被提出,而在移动机器人上实现对机动目标的实时跟随时,机器人自身的运动引起目标在像平面的偏移不能被忽略,在详述了两者的关系的基础上,建立起以机器人一个周期内的运动作为输入量的状态方程,以卡尔曼滤波器的估计值作为均值漂移算法的启动点,均值漂移算法的最终收敛点作为每帧的跟踪结果,并以此收敛点替代滤波器的估计值,两种算法交替使用,互为补充.实验表明所提算法可以实现在室外环境下对动态目标的实时跟踪.     

基于3D毫米波雷达与相机的改进联合标定方法

针对传统的相机和毫米波雷达联合标定方法只能在某一固定平面标定存在数据采集繁琐的问题,基于传统方法提出一种适用于三维空间内的快速标定改进方法。首先进行雷达与图像预处理;其次通过时间同步策略在短时间内完成大量数据的采集与匹配;然后在空间标定上使用随机采样一致性算法（RANSAC）减少离群点的干扰,完成初步的粗标定;最后使用列文伯格-马夸尔特（LM）算法对粗标定结果进一步迭代完成精标定。实验表明:改进的标定方法使整体均方根误差收敛约10pixels,与使用传统联合标定算法相比,标定精度显著提升;整体标定过程时间约12min完成。     

热像仪下基于几何约束的空间温度场重建

针对二维热图缺乏空间深度信息,而现有建立目标物体空间温度场模型的多传感器方案存在标定复杂、设备成本高和使用条件受限等问题,本研究提出了一种基于几何约束的单一热像仪下的空间温度场重建方案.首先利用热像仪采集得到温度矩阵,通过自动阈值法将其重新映射到灰度颜色空间,得到目标物清晰的边缘信息从而滤除无关背景,再通过热像仪成像过程中存在的几何约束关系和相机成像原理,直接计算目标物在热像仪坐标系中的位姿关系,然后将目标物体的三维模型投影到二维热图平面,得到三维模型的纹理映射参数,随着热像仪对目标物体多视角的数据采集,完成目标物体表面的空间温度场重建.实验结果表明,与多传感器的空间温度场重建方案相比,本文的单一热像仪方案平均误差仅4.3%,可准确稳定地完成目标物的空间温度场重建.