基于Kinect深度数据的移动机器人障碍检测方法研究

（北方工业大学,机械与材料工程学院,北京,100144） 摘要： 未知室内环境中的障碍检测是室内移动机器人领域的热点问题。在低成本条件下为更加准确的对环境中的障碍进行检测,提出一种基于低成本Kinect传感器点云数据进行环境障碍检测的有效方法。首先通过Kinect三维点云数据,对点云数据进行去燥处理,并进行三维数据到二维平面的投影的转换并通过DBSCAN聚类算法对投影的二维点云数据进行聚类分析。通过设置相邻顶点间最大距离阈值对convex-hull凸包算法进行改进,试验结果表明改进的凸包算法能够对障碍进行有效识别。该方法在Matlab中进行了方法验证,并在P3-DX移动机器人平台上进行了试验验证,结果表明该方法能够有效对环境中的障碍进行有效识别。     

基于双频激光干涉相位检测的高精度波片测量

波片精度对偏振光学系统性能有着重要的影响,故需要对其相位延迟量和快轴方位角进行高精度测量。提出了一种新型基于双频激光干涉相位检测的高精度波片测量方法,采用双频激光外差干涉光路,利用一个可旋转半波片和一个角锥反射棱镜测量待测波片,可实现任意波片的相位延迟量和快轴方位角的高精度同时测量。所提方法不受波片、偏振片等双折射器件的方位角精度的影响,从原理上避免了该类系统误差。所设计的系统具有共光路结构,测量稳定性高,信号处理采用相位检测方式相对于一般的光强检测方式测量精度更高。此外,所设计的测量系统中元件很少,结构简单,测量过程快捷。误差分析表明,在现有实验条件下,测量系统的波片相位延迟量的测量不确定度约为3.9′,快轴方位角的测量不确定度约为5′′。实验比对结果表明,所提方法的测量结果与其他方法测量结果的一致性很好。重复性测量实验表明,测量结果的标准偏差约为2′。     

基于MEMS陀螺仪的随机误差分析

为了提高MEMS陀螺仪测量精度,减少随机误差的影响,对产生随机误差的噪声源及其随机误差模型进行了分析。通过分析MEMS陀螺仪自身结构的缺陷并且对其输出数据进行了相应的滤波处理与平稳性检验,确立了合适的误差模型并利用Kalman滤波进行误差补偿,验证了模型的有效性。同时运用Allan方差法对MEMS陀螺仪噪声项进行了分析,确定了影响MEMS陀螺仪测量性能的主要因素以及比较了滤波前后的各项噪声源系数,检验了滤波效果且实验结果证明误差模型显著提高了MEMS陀螺仪的测量精度。