基于点线特征视觉惯性融合的机器人SLAM算法

针对弱纹理环境下单目视觉SLAM系统只依靠提取点特征鲁棒性较差的问题,提出一种点线特征视觉与惯导融合的机器人SLAM算法。首先,采用自适应加权提取点线特征并使用普吕克坐标法表示线段,减小计算量同时较好克服线特征提取时线段割裂的不足;其次,采用四叉树法实现点线特征提取均匀化解决特征堆积问题,同时消除点线特征误匹配,再利用视觉点线信息与IMU紧耦合优化机制提高机器人SLAM算法精确度。最后,将该算法在EuRoC数据集和弱纹理环境中进行实验,结果表明,改进后线特征提取相较于传统线特征提取鲁棒性提高了12.94%,相较于原生算法ORB-SLAM3,改进后特征匹配时间节约了19.2%,大型弱纹理环境中绝对定位精度提高了55.6%,所提算法在弱纹理环境中定位效果具有较强的鲁棒性和精确性。     

一种新型稳定平台伺服控制系统

深入研究了三自由度并串联混合机构稳定平台,设计了一个非线性自适应控制器。考虑到实际系统工作中存在摩擦、负载扰动和动力学参数误差,分离出动力学模型中的未建模动力学参数、摩擦力参数和负载扰动,建立了关于待辨识参数的线性动力学模型。运用Lyapunov方法设计了一个非线性自适应控制器。构建了并串联光电稳定平台伺服系统实验平台。分别将所设计的控制器与计算力矩控制器分别在高速和低速扰动情况进行了实验,实验表明所提出非线性自适应控制器在低速0.006(°)/s时,跟踪精度分别为滚转轴0.071°、俯仰轴0.064°、偏转轴0.038°,在20(°)/s高速状态下,跟踪精度分别为滚转轴0.045°、俯仰轴0.042°、偏转轴0.029°,其控制效果明显好于传统控制。