基于单目位姿估计的拉力扭转形变测量方法研究

拉力作用下的高精度扭转形变测量是材料力学性能测试的难点。针对轴形试验件在拉力作用下的扭转形变测量问题,提出了一种基于单目位姿估计的非接触式测量方法。在试验件的一端延伸连接一个轻质平面标志板,利用固定于地面的测量相机对平面标志板实时成像,并根据单目位姿估计原理解算试验件变形前后平面标志板的相对姿态变化。若试验件只发生扭转变形,则平面标志板的姿态变化可由绕试验件轴向的旋转角描述,通过对平面标志板的姿态变化矩阵进行Rodrigues分解,可得到试验件轴向在空间中的向量表示及绕轴向的旋转角大小,该旋转角即为试验件的扭转变形角。搭建了实验平台,开展了实际拉力扭转形变测量实验,结果表明:基于单目位姿估计的非接触式轴形试验件扭转形变测量方法精度高,系统结构简单,是拉力扭转形变测量的一种有效测量方法。     

固连于可控旋转平台相机的外参标定

为了进行大视场角的测量任务,可以将相机安装在运动精确可控的平台上,以平台的姿态运动来扩展相机的视场角。相机相对于平台的位姿关系的精确标定是保证测量结果准确的前提。本文主要利用一维标志物体,根据成像关系,建立了外参标定的约束方程;发展了线性求解外参的方法,以及非线性优化的标定方法。为了克服线性法正交性差,以及非线性优化法不能求解平移向量的缺点,总结出了组合求解法,该方法可以应用于仅能够作旋转运动的平台。数值模拟和实验结果均表明姿态角的标定精度较高,而平移向量则对噪声十分敏感。最后分析了算法偶尔出现奇异的原因。     

一种单目相机/三轴陀螺仪/里程计紧组合导航算法

针对车载基于MEMS-IMU/里程计/GPS组合导航系统在无GPS信号情况下,定位误差发散较快问题,提出一种基于单目相机/三轴陀螺仪/里程计紧组合导航方法,实现了较高精度定位。该方法分为初始化阶段和导航阶段两部分,在初始化阶段,通过三轴陀螺仪和里程计在线估算单目相机的尺度因子;在导航阶段,先通过基于三轴陀螺仪/里程计的航位推算实时解算载体位姿,再将单目相机观测到的带有尺度因子的特征点作为观测量,通过非线性优化方法,估计出载体位姿误差并进行修正。利用四轮小车开展算法验证实验表明,室外非闭环情况下累积误差约为里程的1.9%,在室外闭环情况下累积误差为里程的0.5%。     

平面镜反射辅助视场下相机位姿估计问题的Cramer-Rao下界

针对不通视条件下的相机位姿估计问题,可通过移动平面镜实现相机对目标镜像的多次观测,进而求解相机与目标之间的相对位姿关系。本文研究了该配置下位姿估计误差的CramerRao下界问题,推导了平面镜反射中心透视投影模型中物点、光心、镜像虚拟像点三者之间的共线方程及位姿估计误差理论下界的计算公式,并进行了数字仿真验证。结果表明:增大平面镜摆动角度、减小平面镜到相机的距离或增加平面镜有效移动次数,都可降低位姿估计误差的CRLB。上述结果可为某些不通视条件下摄像测量的现场布设提供可靠的性能指标。     

无人机动平台着陆惯性/视觉位姿歧义校正算法

针对无人机移动平台着网回收应用场景,提出了一套基于二维码的惯性/视觉位姿估计算法,重点解决无人机回收过程中位姿解算歧义问题,提升无人机动平台回收导航精度、鲁棒性与实用性。首先,设计多个二维码构建非共面二维码序列,使用非共面3D-2D点对打破位姿解算特征点的共面约束。然后,使用极小平面位姿估计算法(IPPE)进行平面二维码位姿估计,并融合惯性信息引入姿态约束,解决无人机着网回收过程中的相对位姿解算歧义问题。多架次飞行实验表明所提出位姿估计算法能有效消除位姿解算歧义,具有较好的鲁棒性,且作用距离大于30 m,回收末段达到厘米级定位精度,满足无人机动平台着网回收需求,具有较好的应用前景。     

有旋转自由度的高精度四边形单元

从具有三次位移模式的平面等参元出发 ,通过对单元自由度进行线性变换并引入连续介质力学中关于旋转度的定义 ,构造出角结点有旋转自由度的高精度四边形单元。该单元与平面等参元有相同的单元特征及精度     

抗尺度变换的矢量地图匹配导航方法

相比于景象匹配导航,矢量地图匹配导航具有无损变换、空间效率和时间效率高等优势。针对矢量地图匹配导航过程中实时图与基准图尺度不一致的情况,提出了一种抗尺度变换的位姿解算算法,并将其应用到矢量地图匹配导航系统中。该算法将尺度因子作为未知参数,与位姿参数一起进行估计,从而避免了尺度差异造成的位姿解算误差较大的问题。仿真结果表明,抗尺度变换的位姿解算算法用于小尺度变换下的矢量地图匹配时,经度标准差和纬度标准差均小于0.06″,航向角标准差小于0.06°。     

坐标矩阵奇异值分解下的视觉导航点对应关系计算方法

为解决视觉导航中空间点与图像点之间的映射问题,提出一种坐标矩阵奇异值分解下的点对应关系计算方法。首先,针对一般几何分布下的空间点配置情况。然后,建立了视觉导航点对应关系计算模型,以矩阵奇异值分解为工具,推导了特征点集坐标矩阵等式,构建了与旋转、尺度以及平移无关的不变特征,并计算特征点对应关系。所提出的方法避免了传统方法中特征点对应关系的指数级搜索或者在搜索特征点对应关系时需要人工设计较为复杂的匹配策略。试验结果表明,所提出的方法能够在极少次数搜索下准确获得点对应关系。     

基于双向重投影的双目视觉里程计

针对视觉里程计中的特征点漂移与累积误差问题,提出一种基于双向重投影的双目视觉里程计方法。为降低特征点匹配的高错误率及改善匹配效率,提出一种改进的随机采样一致(RANSAC)算法。该算法依据特征点寿命长短、环形匹配、优质匹配等方法选取优质特征点以降低特征点样本容量,从而改善RANSAC算法的效率;为抑制视觉里程计累积误差、提升位姿估计精度,提出一种双向重投影的位姿估计算法,该方法通过解算下一帧图像中的最小化重投影误差得到相机位姿以更新空间点集,更新后的空间点重新投影至当前帧图像以提升位姿解算精度。最后利用KITTI数据集进行了仿真。结果表明该算法的150 m内定位误差在X方向小于1 m,在Z方向小于0.9 m;相对于ORB-SLAM2算法,定位精度提升了约20%,系统的稳定性更好,有效削弱了累积误差,验证了该算法的正确性与可行性。     

框架 - 剪力墙结构分析的高精度平面单元

从三次平面等参元出发，构造出角结点有旋转自由度的高精度矩形单元。该单元与平面等参元具有相同的单元特征及精度，同时具有连续介质力学中关于旋转度的定义。     

坐标点分布对三维坐标变换参数估计不确定度的影响（英文）

相机坐标系和目标坐标系中公共特征点的测量精度和相对几何分布对参数估计具有重要影响,直接影响视觉导航精度。由于坐标点的测量精度依赖于测量系统的精度,而公共点的分布选取更容易调整,因此仅讨论公共特征点相对几何分布对平移旋转参数估计精度的影响。首先,采用非线性模型和加权整体最小二乘算法求解变换参数,并采用蒙特卡罗方法归纳总结了不同的特征点分布对参数估计精度的影响。同时,为了工程化应用,将坐标点分布的分散度进行量化作为其权重,提出一种重构协因数矩阵的方法。最后,基于实际测量数据的对比试验表明,在没有先验知识的情况下,所提出的方法可以改善参数的估计精度,即变换参数的后验标准差至少减小6.7%。     

关于在炮风洞中辨识静、动稳定导数的数学模型

国内用激波风洞做动稳定性导数试验已有几年的历史。这类设备的特点是试验时间短,振动周期数少,采样点子较密。测量仅限于一个方向的姿态角θ。数据分析采用WOBBLE技术中的单自由度模型。这样,由于测量误差,换算方法和数学模型误差等的影响。得到的锥模型动导数散布较大。本文分析的重点是:用单自由度模型分析实际上是6自由度的空间运动,会带来多大误差?这是当前试验工作中十分关心的问题之一。具体分析以下几个因素的影响。(1)真实运动是非平面型,而单自由度是平面运动。(2)真实运动一般是滚转的,往往还呈现变转速,即p_0和(?)均不为零,而单自由度是不滚的。(3)真实运动的轨道呈现弯曲的空间曲线,且是减速运动,这是法向力、阻力和重力作用的结果,而单自由度对应于等速直线运动。     

基于多传感器信息融合的双足机器人自主定位

针对单目视觉SLAM应用于双足机器人过程中易出现跟踪失败和传统位姿传感器累积误差较大的问题,提出了一种融合三种传感器信息的机器人定位方法。首先获取机器人关节编码器数据,运用运动学求解输出位置信息,再由基于特征识别的SLAM系统估计机器人头部单目相机位姿,经过尺度恢复和坐标系校正后输出位置信息,同时获取惯性测量单元的偏航测量,最后通过扩展卡尔曼滤波算法融合三种信息,从而更加精确稳定地对机器人进行定位。以双足机器人NAO为研究平台,在室内进行多组实验对所提出的方法进行验证,结果表明融合所得结果与传统位姿传感器输出信息相比,均方根误差明显降低;相比单目视觉SLAM跟踪失效率至少降低88%。     

基于深度学习的室内动态场景下的VSLAM方法

当前应用于室内的视觉同时定位和地图构建算法(VSLAM)主要面向静态的环境,算法的定位精度和稳定性会大大受到环境中运动物体的影响。针对这一问题,提出了一种面向室内的动态场景下的VSLAM方法。在ORB-SLAM2架构上进行改进。在相机捕捉图像后,首先利用GCNv2神经网络对图像提取出特征,同时利用轻量级的ESPNetV2神经网络对图像完成语义分割。然后,结合改进的移动一致性检测来确定动态物体,剔除其动态特征获得其静态特征点来完成位姿估计,最终生成含有语义信息的点云地图和八叉树地图。采用TUM数据集验证所提出算法,实验结果表明在高动态场景下绝对轨迹误差的均方根误差平均减少95%,显著提升了在动态场景下的定位精度。     

漂浮基空间机械臂基于双向映射神经元网络的逆运动学控制

基于双向映射神经元网络,讨论了载体位置、姿态均不受控制情况下,漂浮基空间机械臂的运动学控制问题.为此,根据系统几何关系,结合系统动量守恒、动量矩守恒关系.分析、建立了空间机械臂的广义运动雅可比关系.以此为基础,利用双向映射神经元网络及李雅普诺夫直接方法,设计了一种收敛的空间机械臂逆运动学控制方法,以控制空间机械臂的末端位姿朝着惯性空间的期望位姿点运动.提出的控制方法的突出优点在于:既不需要确切知道空间机械臂运动雅可比矩阵的具体结构,也不需要了解系统动力学参数的相关信息.一个作平面运动的自由漂浮两杆空间机械臂系统的数值仿真,证实了方法的有效性.     

基于Retinex理论的稀疏直接法VSLAM三维重建

基于视觉的同时定位与建图(VSLAM)已广泛应用于室内机器人导航任务中.面向自主导航及地图复用性的需求,实时三维重建需克服环境光照不均、角点提取数量及质量不高、位姿漂移等问题.为此,提出构建一类基于稀疏直接法单尺度Retinex的SLAM(RDSOL)系统.RDSOL继承稀疏直接法里程计(DSO)主体框架,算法上打破后...     

基于真实工况下的工业机器人关节转角辨识与分析

本文基于多目视觉测量系统,对真实工况下连续运动的工业机器人进行关节转角的实时重构．该方法通过机器人运动前后的坐标集,在对刚体运动进行最优拟合的条件下,采用最小二乘法获得了各关节的旋转矩阵与平移向量．在此基础上,在考虑相邻关节牵连运动的前提下,获得了各关节的相对旋转矩阵．结合罗德里格斯变换理论通过相对旋转矩阵,确定了各关节转角．仿真与实验分析,验证了该方法的有效性与正确性．在该测量与辨识体系下,初步确定了各关节转角随机器人运动的真实状态．2与3杆臂由于物理尺寸呈细长形状,连杆挠度较大,这时变形误差与振动建立了关系,角振动幅度很大,曲线随机性较强．其余杆臂由于刚度较大,关节转角曲线呈光滑状态．     

线特征优化配置在室内RGB-D SLAM系统中的应用

运动估计是视觉同时定位与建图（SLAM）研究中的核心问题。从几何-物体特征基元的提取、匹配（关联）和参数化研究入手,结合因子图优化,构建室内RGB-DSLAM系统框架。将“线特征优化配置”策略引入至点-线-平面多观测约束的位姿估计,通过ICL-NUIM和TUM基准数据集实验,确定最优的线特征提取数量,提升系统在弱纹理区域的定位鲁棒性,并增强结果的可解释性。与ORB-SLAM2、PL-SLAM及SP-SLAM的对比实验表明：所开发的系统取得了最优的全局定位性能,相较SP-SLAM在ICL-NUIM数据集8个子序列、TUM数据集4个子序列上的平均轨迹估计精度分别提升了4.33%和21.40%。     

一种基于线特征的RGB-D视觉里程计算法

基于特征点的视觉里程计在点特征稀少的环境下难以得到足够的匹配点对,从而导致相机运动估计失败,因而提出采集人造环境中特征明显的边缘作为线特征来提高视觉里程计算法的稳定性.采用深度相机获取的RGB图像进行LSD线特征提取,推断线特征对应的图像位置的深度信息,避免深度缺失,将线段上的2D点反投影为3D点,拟合3D点为三维直线...     

室内环境下基于图优化的视觉惯性SLAM方法

基于图优化的即时定位与同步构图(SLAM)方法是在视觉里程计运动估计的基础上通过增加一个回环检测,从而对非线性多约束进行优化来提高定位精度。在视觉运动估计中,针对视觉特征点匹配错误率高的问题,提出了一种ORB特征点聚类抽样匹配跟踪的方法。在位姿图优化上,提出了一种改进型的回环检测方法,减少了两种错误匹配的可能性。最后将视觉SLAM与惯性导航进行组合,提高了系统的稳定性和定位精度。使用公开的室内SLAM测试数据集进行仿真,结果表明,该方法的定位均方根误差在厘米级,生成的点云地图清晰可见。