基于惯性传感器和视觉传感器的室内定位研究

针对视觉定位实时性不高和惯性定位误差积累的问题,叙述了一种融合视觉全局定位和惯性传感器局部定位的移动机器人导航定位方法。该方法以惯性传感器定位为主,引入视觉定位技术来消除其积累误差,达到提高移动机器人定位的目的。实验表明,该方法能够克服视觉定位和惯性定位的缺点,定位精度优于单独采用惯性定位或视觉定位。     

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。     

基于惯性测量单元旋转的陀螺漂移估计和补偿方法

陀螺仪的漂移误差是影响惯性导航系统的姿态测量精度的重要因素。常用的陀螺漂移估计及航向角误差修正方法需要用磁强计或GPS等外部传感器的辅助数据来实现,存在室内、磁干扰等环境下应用受限的问题。对此该文提出了惯性测量单元旋转的改进方法。该方法在测量过程中对陀螺仪施加独立于物体运动的特定旋转,通过旋转前后不同姿态下陀螺仪和加速度计输出的倾角数值,得到惯性测量单元漂移估计。实验表明,该估计算法可有效地提高航向角的测量精度。     

捷联惯性测量组合快速位置标定

根据捷联惯性测量组合的测量误差数学模型,分析了在进行位置标定时地球自转角速度对惯性测量组合的陀螺仪和加速度计输出的影响.对惯性测量组合不同位置下的输出公式进行运算,抵消掉了含有方向的量,得出了捷联惯性测量组合的误差参数,从而提出了1种使用数据处理方法无需精确对北的快速位置标定法.实际标定实验表明:应用该方法可以缩短测试时间,降低测试成本.     

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.     

微型惯性测量组合标定技术

对微型惯性测量组合 (MIMU)的系统标定技术进行了研究 ,利用加速度计的静态输出 ,得出了初始安装角误差、零位偏差及标度因子的计算方法 ,详细介绍了各参数的测量原理及计算公式。从实际应用的角度出发 ,对加速度计零偏的实时计算方法、基座初始水平偏差的影响及横向灵敏度的影响进行了分析 ,得出了相应的数学模型及修正算法。在此基础上进行了一定距离姿态及位置测量试验 ,给出了试验结果。试验结果表明 ,位置测量精度可提高到 1～ 2 cm ;初始位置实时标定可得到与单独标定及预调整近似的结果     

基于直线检测的室内移动机器人视觉定位方法

针对室内移动机器人定位问题,提出了基于直线检测的室内移动机器人视觉定位方法.该算法通过Canny算子对图像进行边缘检测,设计自适应霍夫变换检测边缘中的直线,对直线进行平移和旋转变换,求取视场中心点到直线的距离,使用证据推理判断视场中心点是否穿越直线,从而获得机器人的实时坐标.实验结果表明:该算法切实可行,实时性好,定位精度高,具有很强的鲁棒性,很好地解决了室内移动机器人的定位问题.     

基于图像处理的移动机器人视觉定位方法

移动机器人视觉定位方法,主要是将目标物体的图像像素与移动机器人和目标物体之间的距离联系起来。应用视觉传感器搜寻目标物体,并借助于图像处理技术提取目标物体的特征对目标进行定位。通过计算目标物体图像的像素数,比例关系来确定目标物体与机器人之间的距离。这种方法成功地运用于RIRAII移动机器人上。     

微小型惯性测量组合的标定方法研究

在捷联惯性航向姿态测量系统中,微惯性器件是核心部分,陀螺和加速度计的精度直接影响整个系统的性能.本文设计了微惯性测量单元MIMU的结构,建立了数学模型,采用翻滚法和转台法,分别标定加速度计和陀螺的零位偏差、标度因子及安装角误差.     

一种融合视觉与IMU信息的车载激光雷达三维地图构建与定位方法

针对激光雷达非匀速运动畸变问题,提出一种融合视觉惯性里程计和激光雷达里程计,进行三维地图构建与定位(simultaneous localization and mapping, SLAM)方法.经预处理和时间戳对齐后的数据,应用视觉估计和惯性测量单元(inertial measurement unit, IMU)预积分对视觉进行初始化,通过约束的滑窗优化和视觉里程计的高频位姿,将传统雷达匀速运动模型改进为多阶段匀加速模型,从而降低点云畸变.同时,利用列文伯格-马夸尔特(Levenberg-Marquardt, LM)方法优化激光里程计,提出一种融合词袋模型的回环检测方法,最终实现三维地图构建.基于实车试验数据,通过与LEGO-LOAM(lightweight and ground-optimized lidar odometry and mapping on variable terrain)方法的结果对比,本文方法在平均误差和误差中位数上分别提升了16%和23%.     

基于惯性导航的消防室内定位技术研究

面对城市高层建筑火灾,消防室内定位的需求日益凸显。首先讲述了消防室内定位现状,详细介绍惯性导航定位技术腰部方案和脚部方案的原理,并针对目前主流的消防室内定位技术进行对比论证,最后提出了惯性导航消防室内定位技术创新改进方案。     

一种非视距三维超声波室内定位系统研究

目的 针对超声波室内定位系统在非视距定位中精度较低的问题,为减少非视距环境误差与时钟同步等硬件误差,从定位系统整体出发提出一种非视距环境下基于对射式测距的超声波定位系统。 方法 利用差分修正Chan-Taylor 算法结合 Chan 算法与 Taylor 级数展开算法的优势,通过 Chan-Taylor 算法估计空间中已知坐标点并记录其误差信息,以实际坐标为参考点,运用相邻范围内参考点对未知点差分加权,修正该点经 Chan-Taylor 算法的初始估计坐标,得到最终位置。 为简化定位系统复杂度,提高视距环境定位精度,提出改进差分修正 Chan -Taylor 算法,减少初始参考点密度,将符合参考点最小间隔条件的待测点经差分修正后的估计坐标记为新参考点,优化原参考点体系误差信息分布情况。 结果 算法仿真实验结果表明:在非视距环境下,差分修正 Chan-Taylor 算法在不同参考点分布区域的平均误差与 Chan 算法和 Chan-Taylor 算法相比减小 6. 43%到 37. 46%;改进差分修正Chan-Taylor 算法在视距定位中平均定位误差减少至少 11. 15%,均方根误差值 FRMSE 降低 22. 59%。 搭建超声波室内定位系统以验证改进差分修正算法的定位精度,实验结果表明:定位误差范围在 3 ~ 7. 5 cm,其中 90%的误差值小于 6 cm,与 Chan-Taylor 算法相比提高 28. 23%。 结论 该超声波室内定位系统在非视距定位中精度有明显提高,在视距定位中提升较小。 可通过提高 Chan-Taylor 算法精度和改进参考点加权函数以优化定位算法;通过优化超声波接收端信号识别方法,增大发射端信号范围以在硬件方面进一步提升该系统定位精度。     

工装室内定位技术研究

为解决车间自动化立体库的邻近工装准确定位存取问题,在讨论基本的Landmarc二维定位算法的基础上,提出了考虑等势点和基于路径损耗模型等两种改进的Landmarc二维定位算法,并进行了实验验证.研究结果表明,相对于基本定位算法,应用改进的工装定位算法可获取更佳的定位精度.     

基于概率法的移动机器人无线网络定位系统

 作为一种全新的室内定位技术,将无线路由器的无线信号强度（Receive Signal Strength Indicator,RSSI）值应用在室内移动机器人定位领域。为实现室内移动机器人的定位,提出利用无线信号强度值定位的概率法,根据无线信号强度值在室内环境中的分布特点,分析概率法定位原理,开发一种基于VC++6.0平台室内移动机器人定位系统,该定位系统包括硬件平台和软件平台,并进行移动机器人定位实验,得到较好的定位实验结果。同时,分析机器人定位精度,确定影响定位精度的因素主要包括障碍物、人体、温度和湿度等。定位实验结果表明,在结构化环境下机器人定位的最大偏差为1.2758m,最小定位偏差为0.3007m,可以较好地满足室内移动机器人的定位要求。     

SCARA型精密装配机器人零位误差的校正

研究了ＳＣＡＲＡ型精密装配机器人零位误差校正技术，开发了精密装配机器人零位误差校正的软件，并进行了零位误差校正的实验     

移动机器人作战平台立体视觉三维建模方法

虚拟现实技术在移动机器人作战平台遥操作中的应用,可增强操控人员的视觉临场感,提高操控效率.基于立体视觉的三维建模是构建虚拟环境的基础.根据立体视觉的基本原理,研究了立体视觉的三维建模方法.在对比同类型中不同算法基础上,提出适合立体视觉系统的三维建模算法,提出提高空间点求解精度的改进算法,最后用Open Inventor进行三维模型可视化显示.试验结果表明,该方法具有良好的建模效果,能精确反映障碍物深度信息.     

基于有源射频识别信号强度的室内移动机器人测距方法

为采用几何法进行室内移动机器人定位,提出了基于有源射频识别(RFID)信号强度测距方法.分析了无线信号传播的特点和无线信号强度指示(RSSI)测距的原理,建立对数-常态分布传播损耗模型.采用有源RFID的HR-6020C读写器和WS-HT06电子标签构建实验系统,其中读写器作为基站固定于一点,电子标签作为移动节点时刻发送信号.通过实验得到距离与RSSI值关系曲线,利用有源RFID系统对理论模型中的参考点信号强度和比例因子进行标定,并分析了测距精度.影响测距精度的因素主要包括标签的位置、数量和实验环境等.根据确定的传播损耗理论模型进行了测距实验.结果表明,在3 m范围内测距最大偏差为41.68 cm.这为基于RFID的室内场馆移动机器人定位提供了依据,可以满足机器人的定位精度要求.     

变电站机器人视觉伺服系统研究

变电站巡检机器人替代人工巡检变电站设备,主要是机器人携带CCD摄像仪和红外成像仪,在固定点对目标设备的状态进行检测。由于机器人的定位误差和机器人本体自由度的误差,会造成机器人到固定点取图像时巡检目标偏移甚至丢失。采用Adaboost图像识别分类方法和光学成像原理组成视觉伺服控制系统,对机器人进行调整,使巡检目标保持在图像的中心位置。实验结果表明,机器人视觉伺服系统能有效避免机器人定位和自身误差带来巡检目标偏移和丢失的影响。     

基于超声波的零转弯半径自主跟随机器人定位控制研究

零转弯半径的自主跟随机器具有无正方向、自主跟随、运动灵活等特点。利用无线通信和超声波模块对机器人平台进行定位,通过PID控制确定机器人移动的距离、速度以及机器人转向。为了能达到自主跟随定位的目的,设计了一款手持设备。机器人在接收到手持设备的超声波信号后,通过数据的协同处理,可得到手持设备相对于机器人的位置信息。机器人检测到本体相对手持设备的位置信息后,通过控制算法使机器人向手持设备靠近,从而达到机器人跟随手持设备运行的目的。     

基于Android的室内定位系统的研究与实现

为满足定位市场的服务需求,改进传统的定位技术在室内使用存在着定位精确度低、耗电量大等缺点,作者对基于WiFi位置特征匹配的室内定位技术进行了深入研究,分析了各种因素对WiFi信号的影响以及一些常用定位算法的对比,通过在特征库建立阶段采用高斯过滤法剔除误差较大的信号强度值,提高了数据库中采集值的数据精度.在定位阶段采用改进的K加权近邻法,将改进后的算法作为在线匹配算法,有效地避免定位过程中偶然的信号波动给定位带来误差,设计与实现了一个基于Android系统的WiFi室内定位系统.