大场景光学运动捕捉系统标定方法研究

为解决大场景下光学运动捕捉系统精度检测困难的问题,提出利用全站仪标定大场景下光学运动捕捉系统定位精度的方法。首先在光学运动捕捉系统的四个分区域均匀选取若干公共点,其次利用同尺寸同心靶球解决全站仪和光学运动捕捉系统测量点不一致的问题,之后通过全站仪和光学运动捕捉系统分别测量得到公共点的真实值和测量值,基于罗德里格矩阵的抗差最小二乘迭代方法计算全站仪坐标系到光学运动捕捉系统坐标系的位姿变换矩阵,最后坐标系统一并计算光学运动捕捉系统在分区域和整体区域下的定位精度。同时,基于该方法实现了度量运动捕捉系统和Vicon运动捕捉系统的外参标定。实验结果表明：光学运动捕捉系统在四个分区域的定位精度分别为2.385 mm、0.877 mm、1.787 mm、2.890 mm,整体区域下光学运动捕捉系统的定位精度为8.126 mm。说明大场景下光学运动捕捉系统的定位精度明显降低,验证了利用全站仪进行光学运动捕捉系统标定和运动捕捉系统外参标定的可行性和有效性。     

基于抗差估计的VIO/UWB自适应组合定位算法

在GNSS信号拒止的室内环境定位中,针对视觉惯性里程计（VIO）在长期运动或无回环等不利环境下产生误差累积偏移以及超宽带（UWB）受非视距影响定位精度难以保证的问题,提出了一种基于抗差估计的UWB辅助视觉惯性自适应组合定位算法。首先,构建UWB与VIO的优化框架,利用UWB定位结果对VIO进行全局约束。其次,在后端优化阶段加入抗差估计,实时调整传感器间的权重值,抑制UWB非视距的影响。最后,在EuRoc数据集和真实场景中进行了实验验证。真实场景实验结果表明,组合算法在非遮挡条件下定位精度相比于VINS＿Mono提高75.05%,基于抗差估计的组合算法在遮挡条件下定位精度相比于不加抗差估计的组合算法提高37.53%。