MEMS惯性测量组合初始标定方法研究

为了降低MEMS惯性测量组合(IMU)的测试成本,提出一种借助于机器视觉技术标定MEMS惯性测量组合的方法.综合考虑了3个加速度计和3个陀螺仪的标定因数、零偏误差和安装方位误差因素的影响,建立了IMU数学模型.在外力的推动下,悬挂于2个屏幕之间的IMU作不规则运动,安装在IMU上的2根准直激光束在屏幕上生成4个指示光斑.借助于双目三维重构技术测量指示光斑在世界坐标系内的坐标,然后应用欧拉角算法确定载体坐标系相对于世界坐标系的旋转角速度向量和线加速度向量.求解IMU数学模型,确定模型中的待定参数.实验结果表明:该文给出的方法可以准确测量载体坐标系相对于世界坐标系的旋转角速度向量和线加速度向量.     

融合车辆动力学的双目视觉惯性SLAM研究

针对地下车库环境中无人驾驶汽车视觉同时定位和建图(SLAM)定位精度低的问题,提出一种融合惯性测量单元(IMU)角速度信息和车辆动力学信息的预积分方法．以IMU频率进行旋转预积分,以车辆动力学频率进行平移预积分．在平移预积分的计算中引入角速度信息,使其可以表达非平面运动．首先使用李代数和旋转群推导了相关的预积分公式、雅可比及噪声状态转移方程;然后以此预积分为基础将车辆动力学信息融合到双目视觉惯性SLAM中,以提高定位精度．地下车库实车实验表明：该方法将双目视觉惯性ORB-SLAM3的平均定位精度提高了32%.     

基于改进自适应混合滤波算法的输电杆塔倾角测量方法

针对输电杆塔在线监测系统在使用低成本惯性测量单元(inertial measurement unit, IMU)测量杆塔倾角时存在测量精度低、姿态解算易发散、稳定性差的问题,提出一种基于改进自适应混合滤波算法的输电杆塔倾角测量方法。首先建立杆塔姿态解算坐标系,并结合四元数法确定了定姿方案。其次,运用改进型PI互补滤波算法对陀螺仪及加速度计进行信息融合,高低频优势互补,初步提升系统的姿态解算精度。最后将初步去噪后的信息作为Sage-Husa自适应滤波算法的初值,并引入滤波发散判据,在发散时调整误差协方差矩阵,从而对发散进行有效抑制,提高算法稳定性。实验结果表明,该算法可以有效提高测量精度,抑制解算结果的发散。     

臂载线结构激光手眼矩阵的精确标定——多坐标系转换法

针对臂载线结构激光手眼结构的标定问题,提出一种多坐标系转换法.该方法借助激光跟踪仪和标定物,测量末端连杆和线激光坐标系相对于激光跟踪仪的齐次变换矩阵,从而快速计算线激光坐标系相对于机械臂末端连杆坐标系的手眼矩阵.该方法具有操作简便、误差小、精度高、对实验器材没有严格要求等优点.使用移动-转动-移动(PRP)三自由度机械臂进行手眼矩阵标定实验.实验结果表明:手眼矩阵旋转轴测量误差小于0.001,旋转角度误差小于0.07°,位移矩阵误差小于0.25 mm.该方法适用于任意二自由度及以上的机械臂与二维或三维传感器形成手眼结构的手眼矩阵标定.     

基于单目视觉的工业机器人抓取系统设计

针对工业机器人在示教模式下上料无法对位姿出现偏差的工件完成抓取的问题,设计了一种基于单目视觉的工业机器人抓取系统。系统使用单目视觉采集工件图像,利用九点标定法将图像中的工件形心坐标转换为机器人坐标系下的坐标;通过图像处理算出工件的旋转角度,引导机器人运动至目标位置并配合抓手完成对工件的抓取。最后以PCB为对象搭建了抓取系统,经过多次抓取实验,发现该抓取系统位置误差在2 mm以内、姿态误差在1.5°以内,能够满足自适应抓取工件的定位要求。     

用于位姿测量的LED标识点坐标优选方法

单目视觉位姿测量过程中,被测物体与摄像机光轴之间的夹角随着姿态的变化而变化,并受到环境噪声、提取算法和摄像机等因素的影响,像平面的像点坐标存在不可忽略的误差,单目多角度标识点三维坐标测量方法实现了位姿测量过程和坐标测量过程的统一,能够减小图像中心提取误差的影响.本文研究了单目视觉位姿测量的误差传播模型,从摄像机图像误差出发,预测和估计输出姿态误差,选取最适合的单目多角度定位标识点坐标,实验结果证明本文提出的基于误差传播的定位标识点坐标优选方法能够有效地提高单目视觉位姿测量的精度.     

基于视觉的六自由度机械臂运动学参数辨识

提出一种新型低成本的基于单目视觉的机器人末端位姿测量方法,设计并实现了六自由度机械臂的运动学参数辨识。采用分级测量方法和标定板绝对编码方法,解决了当前视觉测量过程中测量范围小、测量精度受相机畸变影响大等问题;使用基于位置误差的运动学参数辨识模型和单目视觉测量系统,简化了机器人的标定过程。最后,通过实验验证了方案的实用性和有效性。     

单目视觉SLAM车载摄像机快速位姿估计及景物重构

针对单目视觉同时定位与地图构建(simultaneous localization and mapping, SLAM)应用,提出一种快速车载摄像机位姿估计及景物结构3D重构算法。在无具体标定物的情况下,利用移动机器人二自由度运动导致摄像机采集视图中对应极点的特殊性质,标定出真实摄像机与虚拟摄像机间的相对姿态,并利用主动视觉方法进一步标定出移动机器人坐标系与虚拟摄像机坐标系间的相对位移;构造无穷单应变换,将真实视图中通过SIFT算法得到的假设欧氏匹配点集转换为对应虚拟摄像机的虚拟假设欧氏匹配点集,并利用基于RANSAC的归一化三点算法快速地对本质矩阵进行估计和分解;利用已观测到的路标三维信息,递归地剔除本质矩阵分解出的平移量的尺度不确定性,并利用线性三角形法重构出景物结构。实验结果表明:该算法在保证运算精度的同时,具有更快的运算速度。     

惯性测量单元全自动简易标定台设计

针对传统惯性器件标定台价格昂贵且体积庞大的问题,该文提出了一种全自动简易标定平台.以传统“三轴嵌套”模式为基础,设计了标定台的机械结构;考虑惯性传感器中的误差因素,建立了相应的线性误差模型,通过拟合载体坐标系下的输出和IMU传感器的输出获取误差参数,得到IMU在载体坐标系下的输出;以MPU9250芯片为基础,根据六位置标定法,得出芯片中陀螺仪与加速度计的标定结果.将标定后的MPU9250与高精度的MTI-300进行了对比分析,并结合人体行走定位实验,检验了标定效果.结果表明：该文设计的简易标定台能够有效提高IMU的测量精度,与商用系统相比整个系统欧拉角测量误差均方根降低至3.5以下.     

单目视觉和惯导松耦合的行人位姿判定

针对室内视觉定位特征稀疏时鲁棒性较低的问题,文章利用惯导元件输出频率大、短期精度高的特点,提出了一种低负载的单目视觉和惯性测量单元(inertial measurement unit, IMU)信息融合方法。该方法在初始化阶段根据位移相似性原理设计算法解算视觉位移尺度信息,在导航阶段将视觉信息输出的状态量通过尺度旋转变换后作为观测量进行卡尔曼滤波。通过实验验证了该方法的有效性,实验结果证明,所设计的视觉惯导组合导航系统在提升处理效率的同时,全过程均方根误差比单一同步定位与制图(simultaneous localization and mapping,SLAM)系统下降了17.1%。     

基于深度信息的橡胶挤出件外形尺寸测量

采用单目视觉测量橡胶挤出件时,针对标定面与测量面不一致而导致测量精度低的问题,提出一种基于深度信息的橡胶挤出件外形尺寸测量方法.首先,根据测量对象外形特点,在直接线性变换方法(DLT)实现的相机标定基础上,提出一种具有高度差的视觉测量模型;然后,基于模型中深度信息,推导得出非标定面上对应像点坐标校正算法;最后,将该方法应用于橡胶挤出件外形尺寸测量.实验表明,所述方法可提高橡胶挤出件非标定面上的测量精度,使系统测量结果相对误差小于0.2%.     

惯性测量组件离心机标定及误差分析方法

针对传统惯性测量组件(IMU)标定方法不能根据加速度计测量量程提供足够大的信号激励,并且现有离心机标定方法未考虑IMU在离心机上的安装位置偏差的问题,提出了一种基于离心机的IMU标定及误差分析方法. 将IMU按照6个基准位置安装于离心机上,通过离心机在水平面内旋转,为IMU提供角速度激励和加速度激励. 通过对IMU的输出进行旋转积分,可以消除地球自转以及离心机不水平带来的谐波影响,获得IMU的输出方程. 在不考虑IMU在离心机上安装的位置偏差角的情况下,采用线性最小二乘法求解;在考虑IMU偏差角的情况下,采用牛顿法求解,可以标定出IMU的标度因数、安装误差、零偏、IMU偏差角等共计27个误差系数. 建立了标定方案中的离心机控制模型和误差传播模型,并对模型进行了仿真验证. 仿真试验表明,该标定方法步骤简单,输入激励可调,标定结果误差可控.      

基于结构光立体视觉的激光再制造工件的测量

为了实现激光再制造工件的快速准确测量,提出了1套与激光再制造机器人耦合的视觉系统.该视觉系统由2个摄像机、1个激光投射器和计算机组成.摄像机和激光投射器组成扫描测头,由6自由度机器人手持实现多视角扫描.并自动完成数据拼接,消除‘死角'.首先,通过MATLAB编程完成系统标定,分别标定出单目摄像机内外参数矩阵,双目相机关...     

基于主动视觉的结构光手眼系统自标定方法

为实现结构光手眼系统的标定,提出一种基于主动视觉的结构光手眼系统自标定技术。该标定技术无需使用特制靶标,只需场景中三个特征点,通过控制机器人进行四次线性无关的平移运动和两次带旋转运动,即可实现结构光手眼系统的标定。四次非线性相关的平移运动标定摄像机内参数和手眼矩阵旋转部分,两次带旋转标定手眼矩阵的平移部分,两次带旋转运动中提取的两激光条,结合特征点所在平面信息,标定光平面方程。实验结果表明,三维数据测量精度可达到±1.32mm,平面特征点间的长度测量误差为±0.73 mm;该标定方法简单,特征选取容易,对结构光手眼系统的实际工业现场使用有重要意义。     

基于数据融合的全舰统一姿态基准测量系统

为测量大型舰船甲板的变形,对甲板变形引起的局部姿态误差进行补偿,设计了基于多IMU数据融合的全舰统一姿态基准测量系统．提出了甲板变形测量方法,建立了IMU布局优化数学模型,并运用遗传算法对IMU的布局进行了优化求解．仿真结果表明,建立全舰统一姿态基准测量系统是测量舰船甲板变形的有效办法,利用布局优化后IMU的输出信息进行全舰甲板变形估计,估计精度优于2.3arcmin,并能减少舰载武器系统所需IMU的数量．     

结合精度补偿的机器人优化手眼标定方法

为了解决制造现场机器人高精度视觉测量定位的问题提出了一种结合模型精度补偿的机器人方位与手眼关系同步标定方法。该方法首先将视觉系统与机器人之间的位姿关系即手眼关系以及标定板与机器人坐标系的空间转换关系作为待优化求解对象,用齐次坐标矩阵分别表示机器人运动学正解以及视觉系统与标定板之间的位姿关系,进而构建闭环的机器人手眼关系优化方程;然后,使用三维旋转群表示旋转矩阵,建立了标定模型方程,用非线性全局优化的方式同步得到标定方程中矩阵的旋转和平移初始解,采用最小化相机的重投影误差提高了标定精度;最后,使用机器人运动学标定设备提升了本体的模型精度,再进行视觉标定得到了更准确的标定结果。实验结果表明:该标定方法只需提前示教若干点即可自动完成,操作简易高效;在补偿了机器人本体的臂长和关节零位误差后,算法精度从0.15mm提升至0.10mm。与经典的手眼标定方法相比,所提方法在不同测试数据集下的标定精度和稳定性均最优。     

基于单目视觉和惯性测量的飞行器自定位研究

为了获得飞行器高精度、高稳定性的定位结果, 结合低成本的单目摄像机和惯性测量单元, 通过对单目视觉和惯性测量进行多传感器融合, 实现飞行器的自定位。 视觉定位模块中, 对 3 种当前最新的单目视觉定位方法分别进行不同场景下的实验和比较, 分析它们各自用于飞行器定位时的优势和劣势。 为了解决视觉定位对图像特征的依赖问题, 引入一种基于扩展卡尔曼滤波的多传感器融合方法, 将视觉定位和惯性测量以松耦合方式进行融合, 用惯性测量补偿因视觉定位不稳定而产生的误差。 实验证明, 该方法在视觉定位不稳定的情况下能有效降低定位结果的误差。     

基于极限学习机快速分类的人体跌倒检测方法

为了准确快速检测人体跌倒状态,提出基于惯性测量单元(inertial measurement unit,IMU)测量和处理数据的极限学习机(extreme learning machine,ELM)快速分类判别方法。分析了人体运动行为特征,构建了腿部运动参数提取模型;通过IMU采集人体腿部运动特征数据,并进行姿态解算;采用ELM方法对人体运动特征的加速度、角速度和姿态进行分类,判断人体是否处于跌倒状态;根据机器学习评价指标对ELM参数进行优化,得到最佳参数。进行了人体运动状态测量实验,结果表明,ELM方法能够对IMU测量和处理数据进行准确快速地分类。当隐含层结点为1 000时,ELM检测方法跌倒检测的准确率为96. 45%,灵敏度为97. 32%,特异性为89. 32%。因此,采用ELM快速检测方法,可有效地对人体运动特征数据进行分类,实现对人体跌倒行为的准确检测。     

基于极限学习快速分类方法的人体跌倒检测方法

为了准确快速检测人体跌倒状态,提出基于惯性测量单元(inertial measurement unit,IMU)测量和处理数据的极限学习机(extreme learning machine,ELM)快速分类判别方法。分析了人体运动行为特征,构建了腿部运动参数提取模型;通过IMU采集人体腿部运动特征数据,并进行姿态解算;采用ELM方法对人体运动特征的加速度、角速度和姿态进行分类,判断人体是否处于跌倒状态;根据机器学习评价指标对ELM参数进行优化,得到最佳参数。进行了人体运动状态测量实验,结果表明,ELM方法能够对IMU测量和处理数据进行准确快速地分类。当隐含层结点为1 000时,ELM检测方法跌倒检测的准确率为96. 45%,灵敏度为97. 32%,特异性为89. 32%。因此,采用ELM快速检测方法,可有效地对人体运动特征数据进行分类,实现对人体跌倒行为的准确检测。     

基于单目视觉的Delta机器人零点标定方法

针对实际工程应用中少自由度高速抓放并联机器人的精度问题,提出了一种基于视觉测量的快速标定方法.以Delta机器人为例,通过系统分析和机构合理简化,建立了零点误差模型.构造出基于单目视觉平面测量的零点误差辨识模型,借助单目视觉仅检测机器人动平台沿水平面运动时末端x、y向的位置误差,识别出零点误差,进而修改零点位置实现末端位置误差补偿.标定实验结果表明该方法简单、有效、实用性强.