非理想光照下基于全景图像的足球机器人目标拟合与提取算法

以“旅行家3号(Voyager-III)”移动机器人为研究对象,探讨全景视觉下目标足球的椭圆拟合与提取算法.通过对现有的随机 Hough 变换方法和非线性最小二乘方法的对比,并探讨两者在不含有噪声影响和有孤立点存在影响下的1/2和1/4椭圆拟合结果,对计算的复杂度和实时性性能作出评价.在非理想光照条件下,利用 Markowitz 投资组合模型进行足球目标的特征提取,可使目标与背景边缘的差异性得到增强,目标边缘清晰,为后续全景视觉下圆形畸变后的椭圆拟合与提取去除噪声.实验表明,该方法适用于足球机器人比赛应用实际,识别结果准确、可靠.     

基于单目视觉的AUV水下定位方法

为解决传统水下定位传感器在定位方面的不足,提出一种基于目标光源的单目视觉四自由度定位方法,推导了四自由度定位算法原理,提出了深度定位、水平定位和艏向定位方法。设计了作为目标的共线排列定位光源系统。静态和动态试验证明所提出的单目视觉定位方法原理正确,目标光源系统合理可行,可以在深度为4~0.5 m范围内进行稳定的四自由度定位。经过校正,与SBL和测深仪的相对精度达到10 cm以内。实验说明上述方法对AUV执行近距离使命任务具有实际意义。     

一种微型无人机单目视觉SVO/INS组合导航方法

针对未知环境中微型无人机自主导航问题,提出一种单目视觉SVO/INS组合导航算法。使用半直接视觉里程计(SVO)作为视觉里程计前端,首先对SVO的初始化模块、关键帧选择及跟踪失败处理策略进行了重新设计,实现了SVO在摄像头前视场景中的应用。之后,设计了误差状态卡尔曼滤波器,基于惯性测量单元的测量值进行状态预测,采用SVO的估计结果作为观测值进行状态更新。使用EuRoc数据集对所提算法进行验证,结果表明所提算法可实现对无人机的位置、姿态和速度以及未知尺度、惯性测量单元零偏、重力方向的估计。导航时间3 min位置估计误差为0.15 m,俯仰和横滚角估计误差小于0.5°,航向角估计误差小于1.2°。所提方法具有计算量小、实时性好的优点,适用于机载计算资源有限的微型无人机导航。     

基于非线性优化的单目视觉/惯性组合导航算法

针对自主移动机器人在GPS拒止环境下准确实时定位的问题,提出一种单目视觉/惯性组合导航算法。为解决视觉/惯导工作频率不一致问题,利用预积分技术预先处理惯性测量值;引入了一种快速高精度线性初始化方法,分步估计初始系统尺度、重力方向、速度及零偏;结合全局地图三维点约束削弱累积误差,基于是否更新地图点,构建了两种基于非线性优化的单目视觉/惯性紧耦合模型,以保证导航的局部精度及全局一致性。实验结果表明:初始化方法可快速(15 s内)实现高精度状态初始化;与单目视觉导航算法相比,提出的算法不仅可获取绝对尺度信息,且导航精度更高;与传统滑动窗口非线性优化方法相比,提出的算法在窗口优化过程中加入全局地图三维点约束,可有效削弱累积误差,验证了算法的正确性和可行性。     

基于视觉测量与神经网络的工业机器人位姿补偿

为提高六轴工业机器人的绝对定位精度,本文提出了一种利用视觉测量数据通过ELM(Extreme Learning Machine)神经网络实现机器人位姿补偿的新方法．利用固定在机器人末端的手眼相机获取机器人的末端位姿,并借助ELM实现机器人末端执行器从目标位姿到预测指令位姿之间映射,用修正转角代替原转角使机器人末端执行器运行至修正位姿,实现补偿．特别的是,对于使用的ELM,以网络预测均方误差为指标定量选取了网络的最佳参数．相比之前的方法,本文提出的算法具有能够同时高精度补偿姿态角及位置误差的显著优点．为验证该位姿误差补偿方法的有效性,本文进行了实验验证．结果表明,相比较于未补偿前的机器人末端位姿误差,经该方法补偿后的位姿误差被稳定控制在较低水平,平均位置误差降低89.1 %;平均姿态角误差降低96.8 %．除此以外,位置误差与姿态角误差的标准差也分别降低了85.66 %和93.24 %．     

基于渐消记忆滤波的1点RANSAC单目视觉姿态估计算法

针对1点RANSAC(Random Sample Consensus)单目视觉EKF(Extended Kalman Filter)算法中的滤波发散问题,分析了滤波发散的产生原因,提出了一种基于渐消记忆滤波的1点RANSAC单目视觉姿态估计算法。该算法通过在EKF滤波方程中引入加权因子,逐渐加大当前数据的权重,相应地减少旧数据的权重,有效地扼制了算法中的滤波发散问题。最后通过两组验证性实验验证说明了算法的有效性。实验结果表明:该算法能够有效地解决1点RANSAC单目视觉EKF算法中的滤波发散问题,具有更高的精度。第一组双轴联动实验,航向角的平均误差减小2.4158?,俯仰角平均误差减小0.1782?;第二组偏航轴大角度转动实验,摄像机航向角的估计误差一直保持在1.5?以内。     

基于骨架提取和启发式算法的路径规划方法

针对农业机器人在大棚中执行搬运任务时的高效率且尽可能沿地图中心行驶的需求,提出一种基于骨架提取和启发式算法的路径规划方法。首先设计了自适应阈值的地图骨架路径关键点提取步骤,用关键点指导启发式搜索树的构建。然后采用膨胀RS曲线代替直线进行树的生长,保证机器人的运动学约束和防碰撞,同时提出一种混合碰撞检测方法,进一步提高算法效率。最后设计关键点扩展步骤,提高算法的鲁棒性。仿真结果表明,简单地图下,本算法效率约是RRT*-Connect算法的5倍、Hybrid A*算法的7倍,复杂地图下约是RRT*-Connect算法的300倍、Hybrid A*算法的9倍,能够满足机器人的运动学约束。     

基于不规则三角网的水下地形导航数据库构建方法的优化（英文）

采用规则格网模型构建地形导航数据库时,存在精度较低以及效率较低的问题。为了优化地形导航数据库构建方法,提出了一种基于不规则三角网的地形导航数据库构建方法。基于分割合并法对源数据点按经纬度坐标进行分割,分别求出每个数据块数据点的凸壳,然后依据改进的凸壳算法逐点加入非凸壳数据点形成子块三角网,用改进的三角网合并算法对相邻的凸壳子块进行合并,完成子三角网的优化合并形成完整的地形导航数据库。仿真结果表明基于不规则三角网的地形导航数据库构建方法具有效率高、精度高、分辨率可调整的优点。