基于深度学习的平面位姿估计算法

为了在未知物体三维模型的情况下使用深度学习进行平面位姿估计，采用编码器-解码器网络，从单个RGB图像中检测平面实例分割及法线信息，并利用这些信息进行位姿解算，获得每个平面的实时位姿。实验结果显示,平面召回率为0.625，平面法线召回率为0.414，实时性为18.5 f/s，验证了算法的可行性。     

回转体形状恢复与位姿估计方法

机器人抓取场景中经常包含许多具有回转结构的物体,然而由于这些物体不存在已知的三维模型,无法快速高效地确定回转体形状和位姿。针对这个问题,在现有的基于单视图回转体建模方法的基础上,将位姿估计和重建过程结合,提出回转体形状恢复与位姿估计的方法。首先利用训练好的整体嵌套的边缘检测(holistically-nested edge detection,HED)网络模型得到图像中回转体的边缘轮廓并进行细化处理,再与传统边缘检测方法相融合,提取回转体轮廓信息;其次,根据回转体成像特殊几何约束,依据单张回转体照片建立比例模型;最后,利用同一回转体不同角度的两张图像估计其尺度与位姿。通过实验表明,该方法能够通过两张同一回转体的照片,估计回转体的真实尺度与空间位姿,同时不需要点云信息,是一种鲁棒性较好的回转体形状恢复与位姿估计方法。     

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。     

基于多掩膜技术的无监督深度与光流估计方法

针对自动驾驶领域现有方法在处理动态、遮挡等复杂实际场景时存在的估计不准确问题,提出了一种以多掩膜技术为基础的无监督深度与光流估计方法,通过无监督学习从单目视频序列中提取目标深度、相机运动位姿和光流信息。根据不同外点类型设计了多种特定掩膜,以有效抑制外点对光照一致性损失函数的干扰,并在位姿估计和光流估计任务中起到剔除外点的作用。引入预训练的光流估计网络,协助深度和位姿估计网络更好地利用三维场景的几何约束,从而增强联合训练性能。最后,借助训练得到的深度和位姿信息,以及计算得到的掩膜,对光流估计网络进行了优化训练。在KITTI数据集上的实验结果表明,该策略能够显著提升模型的性能,并优于其他同类型方法。     

基于刀具矢量的并联机床插补研究

为了直接利用CAD/CAM软件提供的标准刀位文件中的刀具矢量信息,以一种六自由度并联机床为例,在简化多余自由度选取的基础上提出一种描述刀具空间位姿的新方法,并对刀具矢量在并联机床空间直线、圆弧粗插补阶段位姿控制中的应用进行了研究.     

Stewart并行机构位姿误差分析

在获得6-6 SPS六自由度Stewart并行机构封闭运动学位姿正解精确解析的基础上,提出了六自由度并行机构位姿误差的一种分析方法.针对一种X-型Stewart并行机构,进行了必要的数字模拟位姿误差分析.模拟结果表明在杆长所限定的工作空间里,与Y-型Stewart并行机构相比,X-型6-6 SPS六自由度Stewart并行机构除在特殊形位对于六杆综合输入误差具有较高的放大作用外,对于六杆综合输入误差的放大作用要小近一个数量级.     

Stewart并行机构位姿误差分析

在获得６－６ＳＰＳ六自由度Ｓｔｅｗａｒｔ并行机构封闭运动学位姿正解精确解析的基础上,提出了六自由度并行机构位姿误差的一种分析方法。针对一种Ｘ－型Ｓｔｅｗａｒｔ并行机构,进行了必要的数字模拟位姿误差分析。     

一种基于随机森林的头部位姿估计算法

针对人头部位姿势估计问题,提出一种基于随机森林的头部位姿估计算法.对现有算法只能以高质量人脸深度图像为输入和对面部数据缺失敏感的缺陷,在随机森林分支节点分裂机制中,加入分类测度解决头部区域的分割,以及改进回归测度来估计头部位姿,提出结合两种测度的优化方法,同时在原有几何特征通道基础上加入纹理信息以优化识别率,完成构造基于随机森林的头部位姿估计模型.结合该算法搭建基于Xtion PRO的实时头部位姿估计软件系统进行实验,结果表明,提出的两种测度模型能够较好地解决头部分割和位姿估计问题,该系统能够实时准确的估计头部位姿,并对部分头部遮挡具有鲁棒性.     

轨道不平顺模拟器位姿反解解算及坡道模拟

为了实现轨道不平顺室内模拟,对轨道不平顺模拟器的双六自由度模拟平台位姿反解进行研究. 结合双六自由度模拟平台几何参数,在14个作动器空间向量表述基础上,利用齐次坐标矩阵建立了轨道不平顺模拟器双六自由度模拟平台位姿反解数学模型. 建立了坡道模拟对应的双六自由度模拟平台位姿协调关系模型,借助于Matlab/Simulink仿真模型进行了位姿反解解算,通过仿真模型解算结果与几何理论计算结果分析对比,表明了两种计算方法结果具有很好的一致性,验证了所建反解数学模型、位姿协调关系模型及仿真模型的准确性.      

六自由度3-RRRS并联机器人机构位姿正逆解

提出一种六自由度 3RRRS并联机器人机构 ,建立了位姿正逆解的解析表达式 ,其中位姿正解有 4组 ,位姿逆解有 8组 .     

6-6 并联机构封闭运动学位姿正解单解

用代数法研究了6-6六自由度Stewart 并联机 构封闭运动学位姿正解单解.在添加了一个附加位移传感器的基础上,解得了上平台六铰接 点中三个铰接点在惯性坐标系中的矢量分量,并将其直接转化为六个自由度,从而获得了6 -6 六自由度Stewart 并联机构封闭运动学位姿正解单解及其存在的条件.     

一种改进的面向SLAM系统的相机位姿估计方法

相机位姿估计是SLAM系统的关键环节,影响着整个SLAM系统的精度和效率.针对SLAM中相机位姿估计存在的问题,提出了一种改进的相机位姿估计方法.该方法的主要思路是将特征点法和直接法结合起来,以此来提升特征点数量不足时相机位姿估计的精度和鲁棒性.首先,提出了一个将相机运动模型和图像划分相结合的特征匹配算法,该算法在保证匹配速度的同时,提高了特征匹配的精度与数量.其次,在特征点的基础上,通过引入光度信息,提出了表观形状加权融合的相机位姿估计方法,该方法在缺乏特征点时依然可以稳定工作.最后,基于优选的关键帧,实现了局部与全局融合的相机位姿优化,其中局部优化通过构建局部关键帧共视关系实现;全局优化通过基于闭环检测构建的位姿图来实现.为验证上述位姿优化方法的性能,构建了基于该方法的SLAM系统,并在当前流行的场景图像数据集上进行了重建实验,重建结果验证了本文方法的有效性.     

可重构12自由度微装配技术及其实现

研究可重构微装配技术及功能构成. 以精密微小型机械系统为装配对象,提出了可重构12自由度微装配技术和实现方法,具体包括6自由度宏动机器人、6自由度精密微动工作台、集成微力检测与反馈的组合式微夹持器和位姿检测装置等可重构模块. 研究并开发出可重构12自由度微装配系统,根据系统所测得的位姿数据信息和夹持数据信息成功实现了微小型轴和齿轮孔的装配. 可重构12自由度微装配技术为实现精密微小型机械系统的装配提供了一种新的思路和方法.     

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.      

多自由度机器人位姿稳定性控制方法研究

对于多自由度机器人位姿控制方法来说,机器人位姿稳定性受到各种因素的干扰,容易发生位姿失稳现象,为此,提出一种新的方法来解决此问题.采用扩展卡尔曼滤波算法实现多自由度机器人各个传感器数据的有效融合,获取多方位机器人位姿数据;通过传感器信号处理去除机器人位姿测量噪声,使用自适应扩展技术实现机器人参量与姿态角校正信息融合,通过反演积分项自适应调节姿态参量并弥补稳态误差,实现机器人的位姿稳定控制.仿真实验结果表明,该控制方法能够准确实现多自由度机器人位姿稳定性控制,即使引入扰动机制仍然不会出现控制失衡,具有较好的稳态控制效果.     

基于机器视觉的微工作台位姿三点法测量

基于机器视觉,提出一种全行程检测六自由度微工作台三维运动位姿的新方法,此方法可利用单目视觉来实现目标的三维位姿检测.用三个固定在微工作台上的标准球的球心作为标志点表征工作台在三维空间的位姿,通过固定好的摄像机对工作台上三个标准球在三维空间的视觉跟踪,检测标准球在视野中位置和直径的变化,判断球心在固定坐标系的三维坐标,建立图像空间与物空间的映射模型,得到工作台在三维空间的位姿,进而检测到工作台在每个采样时间的运动误差.     

六自由度3—RRRS并联机器人机构位姿正逆解

提出一种六自由度3－RRRS并联机器人机构,建立了位姿正逆解的解析表达式,其中位姿正解有4组,位姿逆解有8组。     

2D-3D配准中的初始位姿估计方法

针对2D-3D医学图像配准过程中存在的初始参数变换范围小和配准对象单一等局限性,提出了一种基于参数映射和图像分割的初始位姿估计方法,扩大了三维物体空间参数的起始运动偏差范围,解决了骨科手术导航系统在配准过程中可估计参数少和多骨块图像配准难等问题.首先,使用区域生长算法对多骨块影像进行图像分割与感兴趣目标的提取,完成待配准目标数据的获取.其次,基于正交融合投影原理构建投影成像模型,将空间刚体变换参数分解到正侧位平面上,建立空间参数与平面参数间的映射关系.然后,将投影生成的正交双平面模板与对应目标图像进行匹配,并将得到的正侧位平面配准参数转换为空间参数,从而完成三维物体初始位姿的有效估计.最后基于颅骨、完整股骨和骨折股骨的CT数据对该方法进行验证,并与传统2D-3D图像配准方法进行对比研究.实验结果表明,所述方法可使5个空间参数的初始变换范围达到±30 mm或±20°,并且对在该范围内的不同研究对象都展现出良好的初始位姿估计效果.与传统图像配准方法相比,基于上述方法进行2D-3D迭代优化的整体配准时间平均缩短46.5%,单个平移参数配准精度最高提升69.2%,单个旋转参数配准精度最高提升9...     

基于边缘梯度的散焦图像深度恢复

在散焦图像中,点的模糊程度随物体的深度而变化,因此可以利用散焦图像中点的散焦程度来估计物体的深度信息。本文提出了一种基于散焦图像中物体的边缘梯度关系来恢复图像深度图的新算法,用一个已知参数的高斯函数对图像进行再模糊,然后求出模糊后的物体边缘梯度,再与原图像中物体边缘梯度相比,再将该比值与图像的深度关联,求出图像中物体边缘处的深度,再利用后续深度插值方法和深度图优化恢复出整幅图的深度信息。这种算法仅需要一幅图像即可进行深度信息恢复,有较好的有效性。     

6—6并联机构封闭运动不位姿正解单解

用代数法研究了６－６六自由度Ｓｔｅｗａｒｔ并联机构封闭运动学位姿正解单解。在添加了一个附加位移传感器的基础上,解得了上平台六铰接点中三个铰接点在惯性坐标系中的矢量分量。并将其直接转化为六个自由度,从而获得了６－６六自由度Ｓｔｅｗａｒｔ并联机构封闭运动学位姿正解单解及其存在的条件。