一种基于深度特征的室外环境下激光地图辅助视觉定位方法

针对无GPS或弱GPS信号下的室外环境中的车辆无法定位问题,提出了一种利用激光地图辅助视觉定位方法。首先利用双目相机的视差图的深度与三维激光雷达地图进行匹配,然后通过最小化深度残差来估计六自由度相机位姿,接着利用视觉跟踪产生的良好的初始估计和提出的深度残差方法可有效地估计相机的位姿,最终通过估计相机的位姿完成定位。通过对比多个公开数据集,验证所提方法的准确性和有效性,最后利用实验小车采集校园数据,仿真和实验结果都证明利用此方法的有效性和在室外环境下的视觉定位的准确性。     

位姿闭环控制的高精度脑外科机器人

为解决现有脑外科机器人存在的绝对定位精度难于满足精细手术应用的问题,提出一种视觉伺服的系统方案,引入高精度光学跟踪手段,对机器人的末端位姿进行实时测量并反馈。采用一种基于关节空间控制和位姿空间动态补偿综合的机器人视觉闭环控制方法,并设计了动态校正控制算法。仿真结果表明:动态位姿闭环可以有效克服各种参数误差因素的影响,对机器人的绝对定位和跟踪误差具有校正作用,明显改善了轨迹跟踪精度,同时提高了鲁棒性能。绝对定位达到神经外科手术±1mm的精度要求,实际运用取得了令人满意的结果。     

基于在线重建的遥操作预测显示系统

为了提高遥操作的操作效率,采用一种基于单目视觉的预测显示方法来解决时延导致的视觉反馈滞后问题.该方法通过基于地图的相机位姿估计算法来实时跟踪机器人的状态,在线构建机器人工作环境的三维几何结构模型,并结合多纹理映射技术进行渲染,将模型重投影到预测视点下,得到逼真的预测图像.搭建了一个基于客户端-服务器端模式的系统平台,用于未知环境下的遥操作.结果表明,在总长为7.112 m的摄像机运动轨迹中,位姿跟踪的平均误差约为0.015 m.该系统不仅能提供预测图像,而且支持生成任意视点的图像,有利于操作者从各个角度观察机器人工作场景.     

位姿自适应卡尔曼滤波SLAM信标循迹的研究

实时定位和地图构建算法(SLAM)作为一种机器人定位并自主循迹行驶的重要方法,其位姿估计和关键点信标循迹的研究是一项核心问题。针对现有各类改进的SLAM算法在信标循迹的定位效率低、循迹精度差、总体耗时长等缺陷,提出了一种位姿自适应的卡尔曼滤波SLAM算法。针对SLAM系统的数学模型,建立了位姿自适应的基本描述方法,结合卡尔曼滤波对SLAM进行整体优化,消除了噪声干扰造成的系统偏差。通过计算机仿真实验研究,相对于Hybrid-SLAM、Fast-SLAM、EK-SLAM三种改进的SLAM算法,模拟机器人在不同随机采样点的位移偏差趋势角度更低,同时信标点定位总精度分别提升了0.219 m、0.236 m、0.437 m,平均角度偏差分别提升了2.14°、1.76°、1.18°,循迹时间分别提升了8.543 s、11.416 s、11.878 s。改进方法在关键点信标定位、路径规划和自动驾驶等方面的具有较好的应用价值。     

基于目标检测的室内动态场景SLAM

室内动态场景下的同步定位与地图构建(simultaneous localization and mapping, SLAM)系统容易受到运动障碍物的影响，从而导致其位姿估计精度和视觉里程计的稳定性降低。本文提出一种基于YOLOv4目标检测网络的视觉SLAM算法，获取语义信息，并利用LK光流法判断动态特征，在传统的ORB-SLAM2系统上将动态特征点剔除，只使用静态特征点来估计相机的位姿；建立稠密点云地图，并转化成节约内存空间的八叉树地图。在TUM公开数据集上对该方法进行测试和评估，实验结果表明：在动态环境下，该系统与ORB-SLAM2相比，相机位姿估计精度提高83%，且减少了生成的环境地图的存储空间，为后续实现机器人导航具有重要意义。     

基于二维码的相机位姿求解

针对视觉机器人定位问题,提出基于二维码的相机位姿求解方法,以实现视觉机器人的精准定位.利用开源计算机视觉库(open source computer vision library,OpenCV),首先对二维码的标准位置和相机进行标定;其次对图像进行预处理,得到二维码准确的边缘轮廓;然后利用循环遍历和最大距离算法求解特征点,对于像素过低导致的边缘失真采用"像素突变"算法进行优化;最后利用特征点通过坐标变换求解出相机位姿.在实际场景中对该方法进行测试,试验结果表明算法的旋转轴误差为±0.18 m,旋转角误差为±2°,平移量总误差为±0.02 m,可以有效地对视觉机器人进行精准定位.     

空间机器人自主视觉伺服控制策略

针对传统的空间机器人遥操作控制方法受时延影响严重的问题,基于最新研制的4自由度空间机器人,提出一种基于多目相机的自主复合控制策略.该策略包含了眼在手和眼到手2种相机配置结构,每个相机均具有独立的位姿计算能力,前者保证了伺服控制的精度以及操作的灵活性,后者能够在观察到全局视景的情况下做出伺服控制.为满足机器人视觉实时控制的需求,对视觉处理算法进行了特别考虑.首先,设计了基于多边形形状拟合的特征识别方法,提出曲线矢量数据贪婪算法来处理图像遍历拟合过程中计算密集的问题;其次,结合特征识别结果和模型目标的空间信息,提出基于弱透视模型的单目位姿估算及优化算法;最后,依据所提策略在实验室环境中完成了自主导航及捕获任务,验证了在较低层次进行这种复合控制的可行性和有效性.     

基于视觉目标跟踪的侦察机器人导航方法

针对未知环境下侦察机器人的自主导航问题,提出了一种基于视觉目标跟踪的侦察机器人导航方法.首先利用二进制鲁棒独立元素特征(BRIEF)提取方法来检测和描述待跟踪视觉目标的局部不变特征点,在快速的特征匹配计算基础上提出由粗到精的目标定位两步法实现机器人导航过程中视觉目标的实时准确跟踪.其次对基于视觉目标跟踪的自主导航任务进行行为分解和实现,在行为中集成视觉目标跟踪算法.最后利用基于宏行为的机器人事务执行机制实现移向视觉目标的自主导航控制.实验结果表明,提出的方法能够使侦察机器人实时准确地跟踪视觉引导目标,在复杂障碍物环境下可靠地完成移向目标的自主导航任务.     

基于混合模型的移动机器人同时定位与环境建模

提出一种基于混合地图模型的融合声纳传感器观测信息与里程计信息的同时定位与环境建模(SLAM)方法.该方法用混合模型即栅格地图模型和直线特征地图模型表示环境地图.首先,采用三区域声纳模型以及贝叶斯法则构建栅格地图,并通过在空间和时间上融合不同时刻多个声纳传感器的信息提高地图精度.然后,引入霍夫变换提取直线特征,创建直线特征地图,并通过比较地图中直线段的方向相似性、共线性与交叠性,确定全局与局部地图是否匹配.最后,利用直线特征以及扩展卡尔曼滤波器(EKF),通过状态预测、观测预测、位姿更新3个阶段估计出机器人更新的位姿信息,校正构建的地图模型,从而实现机器人的同时定位与环境地图构建.仿真实验和真实环境实验验证了该算法的可行性与有效性.     

融合多传感器信息的移动机器人自定位方法

提出一种给定环境模型下移动机器人全局自定位算法,通过融合声纳传感器和视觉传感器的异质传感信息把具有多模态、鲁棒性强的Markov方法和单模态、高效准确的EKF方法组合应用并加以改进,来实现准确和快速的全局定位,同时提高位姿跟踪的准确性.Markov方法中位姿空间的低分辨率离散减小了存储需求,声纳感知模型对位姿空间分布进行初始化并提供了全局的位姿假设,视觉感知模型实现了位姿分布更新,而基于视觉特征的EKF方法则提高了定位的精度.实验结果验证了本方法的有效性.     

基于智能空间的家庭服务机器人SLAM

提出了基于智能空间的家庭服务机器人同步定位与地图构建(SLAM)方法.利用双目立体视觉传感器提取环境特征,获取环境中物体的Harris角点,通过立体匹配算法获取角点的三维几何信息,同时获取环境中这些几何特征对应的图像特征信息,并将混合信息进行绑定,作为实时更新信息存入智能空间信息库中,构建出三维立体混合特征地图.在SLAM实现过程中,首先建立系统模型并对该模型进行重构以实现线性化;其次移动机器人与智能空间实时地进行交互,实现快速数据关联;最后利用卡尔曼滤波算法处理信息的不确定性,估计出机器人的位姿,同时保存环境特征,逐步构建出环境地图.实验表明,该方法实时性好、精确度高.     

未知环境下的移动机器人SLAM方法

基于改进粒子滤波器,提出了一种应用于未知环境下的移动机器人的同步定位与地图创建方法.针对传统粒子滤波器经过多次迭代后粒子退化从而需要大量粒子才能提高定位精度的问题,设计了一种基于人工鱼群算法的粒子滤波算法,该方法主要利用人工鱼群算法对预估粒子进行二次更新,从而调整了粒子的分布使其更加接近真实位姿,提高机器人的SLAM性能.经过Matlab仿真实验,证明了该方法能够准确快速地对机器人定位,并且构建的地图精度也很高.     

冶炼机器人位姿标定及运行可靠性

对冶炼用CS-1双臂工业机器人现场使用中的位姿标定及运行可靠性进行了研究．提出了一种简便有效的现场标定计算模型和标定方法对机器人进行位姿标定,由标定变换矩阵补偿同一测点的实际值和计算值的误差,可同时减少机器人定位误差和由臂杆几何参数偏差所引起的运动误差,显著提高需进行连续路径控制的机器人的现场定位精度和位置跟踪精度．此外,提出了用增加机器人现有硬件的冗余功能和设置敏感器件的替代功能以提高机器人现场运行可靠性的方法．实践证明,该方法能提高恶劣环境下易失效部件的可靠度,进而提高机器人的整机使用性能     

一种融合点线特征的视觉里程计架构设计与定位实现

基于视觉的同时定位与地图构建（SLAM）技术是实现移动机器人自主导航的关键.当机器人处在陌生环境中时,通常会利用周围目标的点特征来估计导航相机的位姿,并利用光束法平差来估计相机位姿和特征空间位置.但如果环境中的特征信息不丰富,则无法准确估计相机轨迹,且欧式坐标与反深度信息下的光束法平差部分条件下不收敛.为此,提出了一种在缺少特征点的环境下通过收集深度相机信息,同时利用点特征与线特征融合的视觉里程计,构建了融合视差角光束法平差与基于线特征的光束法平差的策略,从而使重投影误差达到最小化.最后与其他基于特征的SLAM系统进行比较,实验结果表明,在缺少特征点的真实环境中,系统位姿估计的性能与准确度得到提升.      

一种基于视觉测量的大型碟式聚光器 镜面单元位姿调节方法

根据大功率碟式聚光器镜面单元结构特点及在线安装过程中对镜面单元位姿快速检测、高效调节和精确定位的需要,提出了一种基于三目视觉测量和机器人辅助安装的镜面单元位姿调节方法.建立了任一镜面单元角点空间坐标方程,设计了镜面单元位姿调节系统结构,并明确了相应调节方法与步骤.以38 k W碟式聚光器为例,对镜面单元不同位姿进行了光学计算,分析了视觉测误差和镜面单元制造误差等因素对镜面单元位姿调节的影响.结果表明,基于视觉测量的调节方法,在不考虑其他误差情况时,当视觉测量误差和镜面单元制造误差的综合误差控制在±2 mm内,能满足镜面单元位姿调节精度要求.     

一种点线特征融合的双目同时定位与地图构建方法

基于特征点的视觉同时定位与构图方法依赖于图像质量以及可提取的特征点数量,且稀疏的特征点不能直观表达环境的结构信息。为此,提出一种将图像的点特征和线段特征融合的双目同时定位与构图方法。算法前端提取图像的点特征和线段特征,进行特征跟踪并完成相机位姿求解,从跟踪线程中分离出特征提取线程,进一步提升了前端线程的帧率。后端采用集束调整对局部地图进行优化,利用基于词袋模型的闭环检测以抑制系统的累积误差。最后结合点线特征共同构建环境地图。在公开数据集上进行了实验,与当前主流算法相比,提出的算法在保证定位精度的同时能够获得更丰富的环境地图,具备较好的鲁棒性与实时性。     

基于机器学习与视觉的四足机器人步态精确监测方法

为保证四足机器人在复杂地形中能准确行进,对其步态实时监测方法进行了研究,提出一种基于机器学习和双目视觉的步态精确监测方法。首先为降低视觉残影误差,从已知步态轨迹“动中取静”确定对足端的最佳观测点位。此外,为补偿视觉系统误差所致足端位姿测量误差,提出一种基于深度神经网络的足端位姿精确预测方法。最后仿真结果表明所设计神经网络有99.68%的概率能达到0.025 mm足端位置预测精度,可满足实时、高精度监测要求。此方法将机器学习的泛化能力与视觉系统复杂误差来源相结合,使视觉方法实现了高精度测量,为足式机器人步态实时精确监测提供了新思路,进而为其足端精确定位及步态周期性保持提供了有益的方法参考。     

视觉传感机器人焊缝跟踪系统

利用环形激光扫描传感器,建立了一种用于焊缝定位与焊缝跟踪的孤焊机器人视觉传感系统,基于图像分割、特征提取和三维计算等技术,实现了待焊工件形状位置信息的三维数值计算,并以对接焊缝和斜坡焊缝为对象进行了焊缝定位和焊缝跟踪试验.结果表明,提出的弧焊机器人视觉系统能够实时获得被焊工件的形位信息,实现焊缝的实时定位与跟踪.     

基于改进遗传算法的足球机器人自定位方法

为解决中型组比赛环境下足球机器人的自定位、绑架和跟踪问题,提出一种基于改进遗传算法的机器人自定位方法.首先建立根据图像上白线点与模型地图对应点距离之和最小来评定目标函数的遗传算法数学模型;然后在遗传算法的全局自定位基础上,利用梯度优化算法局部修正主位姿,以提高自定位的精度和算法的鲁棒性;最后针对绑架和跟踪,提出机器人运...     

基于激光雷达的停车场车辆定位算法

在停车场、隧道中GPS、Wi-Fi信号受限的情况下,提出一种基于激光雷达的车辆自主定位方法。采用激光雷达SLAM（simultaneous localization and mapping）算法,通过三维激光雷达点云匹配获取车辆的估计位姿;根据图优化方法和非线性优化方法,对所有位姿进行后端调整,进而得到分辨率可控的环境信息平面栅格地图;基于蒙特卡洛方法,采用粒子滤波器进行实时车辆定位,并提出了粒子采样的一种改善方式,实现了较高精度的激光雷达自主定位。结果表明：粒子滤波器能够有效地实现车辆在停车场等无GPS环境下的定位,定位精度在10 cm之内。