基于C#.NET位姿监控软件设计与实现

针对航空载体研制试验、跳伞训练等需要对定位和姿态实时监测的问题,基于.NET框架使用C#语言在Visual Studio2010构建位姿实时监控软件系统,在Dev控件和Terra Explorer基础上,构建平面显示和三维显示工具。采用数据总线的思想,将监测终端上传的定位、姿态信息放到数据总线上,开辟子线程实现定位、姿态信息的可视化;并将数据存入SQL2008数据库,用于后期分析处理提供重要依据。经测试,设计的监测软件,具备良好的实时性与友好的人机交互界面;满足跳伞训练复杂度高、节奏快对定位、姿态实时监测要求;亦可应用于其他定位和姿态监控领域。     

多机器人SLAM后端优化算法综述

对于移动机器人研究领域来说,现阶段研究热点是如何在全球定位系统失效的情况下同时定位与地图构建(simultaneous localization and mapping,SLAM)。对于单个机器人SLAM已经有很多解决方案,然而当转移到多机器人平台时,对于存在的问题又面临很多新的挑战。本文首先分析了多机器人SLAM,着重探讨了多机器人SLAM后端优化算法。分析了多机器人SLAM研究过程中遇到的不同问题,以及现阶段这些问题的处理算法。讨论了多机器人SLAM中扩展卡尔曼滤波、扩展信息滤波、粒子滤波、基于图优化的SLAM、地图融合等后端优化算法的研究现状,分析了算法的优缺点,并提出了未来发展的方向。     

基于视觉伺服的小型四旋翼无人机自主飞行控制研究进展

 在GPS信号较弱甚至失效的环境下,视觉伺服能够通过视觉信息控制自主飞行,因此近年来视觉伺服在自主飞行控制领域受到广泛关注。根据获取的图像信息不同,可将视觉伺服分为基于位置的视觉伺服和基于图像的视觉伺服。与基于图像的视觉伺服相比,基于位置的视觉伺服位姿估计稳定,可直观地在直角坐标空间定义机器人运动,符合机器人工作方式,且控制器设计简单,但控制精度受摄像机和机器人标定精度的影响,且计算量较大。对于小型四旋翼无人机自主飞行控制的应用研究中,视觉伺服的实时性、精确性和鲁棒性尚待提高,且小型四旋翼无人机的智能化不高,在室内室外模式转换及室内协同控制方面还有广阔的发展空间。     

基于视觉的多机器人协作SLAM 问题

 视觉SLAM 仅采用图像作为外部信息,用于估计机器人位置的同时构建环境地图。SLAM 是机器人自主性的基本前提,如今在小动态环境采用激光或者声呐传感器构建2D 地图得到较好地解决。然而动态、复杂和大范围下的SLAM 仍存在问题,使用视觉作为基本的外部传感器是解决问题的一个新颖热门的研究方法。在视觉SLAM 中使用计算机视觉技术,如特征检测、特征描述和特征匹配,图像识别和恢复,还存在很多改善的空间。本文在视觉SLAM 领域的最新技术的基础上,对基于视觉的多机器人协作SLAM 领域的前沿技术进行综述。