路网匹配定位方法研究

针对车载惯性导航设备由于其惯性器件随时间漂移产生误差导致系统定位精度逐渐变差的问题,提出了一种路网匹配定位方法以提高车载导航系统的综合定位精度,该方法基于视觉测量原理通过双目摄像装置采集道路周边环境特征进行匹配定位,介绍了匹配定位的基本原理和系统实现所需的关键技术,通过实际跑车测试,验证了该方法的合理性和可行性。     

视觉辅助遥操作在卫星在轨自维护中的应用

为了克服时延对空间机器人遥操作的影响,提出了利用视觉技术辅助遥操作进行卫星自维护的方法.针对遥操作数据传输滞后的问题,设计并实现了一种基于视觉的共享控制策略,该策略将维护任务分为自由空间控制与自主视觉伺服控制.在自由空间控制阶段,通过3D图形预测仿真以及实时反馈的视频流,提高了遥操作者的视觉临场感.在自主控制阶段,采用冗余特征视觉伺服控制,克服了系统对标定精度的依赖性,从而提高了整个系统的智能化程度.最后,通过对典型的卫星维护任务实例的分析,验证了该方法的有效性.     

新的导弹协同定位技术

导弹协同作战的关键技术之一是导弹的精确定位技术,针对在体系对抗条件下,如何提高导弹集群的导航定位精度问题,构建了以弹载数据链和惯导系统为核心的协同定位系统,提出了一种基于相互测距信息的导弹协同定位方法.该方法使用加权秩亏自由网平差的方法来估计导弹集群的惯导系统定位误差.仿真表明:该方法可以有效地延缓惯导位置误差的发散速度和提高惯导定位精度,随着导弹数量的增多,惯导定位精度不断提高,当导弹数量大于4时,惯导定位精度将提高2倍以上.     

具有方向特性的X角点的亚像素检测定位

X角点被广泛应用于相机标定与可见光视觉跟踪系统,不仅具有位置信息,还可以具有方向信息.针对X角点的精确位置检测和方向检测,提出了一种利用X角点对称性的检测与定位算法——对称性计算算子(SC,Symmetry Calculation),简称SC算子.该算法主要由两部分组成.先利用对称性计算值确定X角点像素位置,然后基于二次曲线拟合及直线相交求亚像素位置.通过角点定位实验,仿真分析高斯噪声和畸变对定位精度及鲁棒性的影响,并与Harris算法及Micron Tracker系统进行比较.实验表明,本文方法能有效检测X角点,排除其他类型的角点和干扰点,具有较高的定位精度和鲁棒性.      

基于相互测距信息的机群组网协同定位技术

在网络中心战条件下,针对无GPS(Global Positioning System)时如何提高机群的导航定位精度问题,构建了以机载数据链和惯导系统为核心的协同定位系统,设计了协同定位系统的测距方案,分析了协同定位过程中的时间同步问题,提出了一种基于机间相互测距信息的机群组网协同定位方法.该方法利用几何图形平移旋转来估计机群各飞机的惯导系统定位误差.仿真表明:该方法可以用于长时间估计惯导位置误差,有效延缓惯导位置误差的发散速度,当5架飞机协同定位时,机群惯导位置精度将提高2倍左右.     

基于全局稀疏地图的AGV视觉定位技术

为了实现自动导引车（AGV）在复杂工业环境下的高精度定位,克服环境变化给定位带来的影响,提出了基于全局稀疏地图的视觉定位方法。首先,设计了大容量二维编码点,作为人工路标铺设在工业环境的地面;然后,基于一种四边形识别算法,在复杂工业环境中准确分割和识别二维编码点;最后,利用二维编码点提供的编码信息,鲁棒匹配图像中的特征点,并以此为基础,使用一种分参数块优化的三维重建策略,实现了工业环境的大规模地图构建,为AGV视觉定位提供了一种稀疏电子地图。AGV视觉的定位通过匹配车载视觉传感器图像中的特征点和稀疏电子地图实现。停车重复定位精度小于0.5 mm,角度偏差小于0.5°,轨迹平均位移误差小于0.1%。实际应用结果表明,该方法能在复杂工业环境中实现AGV视觉的定位,定位的速度和精度方面都满足工业应用的要求,为AGV的视觉定位提供了新的思路。      

一种鲁棒的室外移动机器人定位方法

以Pioneer3-AT型室外轮式移动机器人为平台,采用码盘、陀螺仪、电子罗盘和GPS对机器人进行定位,设计了一种新型的联合卡尔曼滤波器,以逐级滤波的方式融合多传感器信息.首先将里程计和陀螺仪相融合,然后将融合后的定位信息与电子罗盘相融合,最后与载波相位差分GPS(RTK-GPS)相融合.该滤波器可以补偿传感器的累积误差,消除输出波动,实现机器人较高精度的定位.城市环境下RTK-GPS经常因为建筑物的遮挡而失去差分状态,定位精度不稳定,滤波器根据RTK-GPS定位精度的不同状态,选取不同的系统量测噪声协方差矩阵,使算法可以自动适应RTK-GPS传感器定位精度的变化,因此定位方法具有鲁棒性.实验结果表明,机器人可以稳定地实现0.4m的定位精度.      

平面3自由度柔顺微动机器人加工误差分析

在微/纳米级定位领域,误差分析是提高微动机器人运动精度的重要方法.其中,对加工误差的分析尤其关键.为此,对平面3自由度(DOF,Degree of Freedom)柔性并联微动机器人的加工误差进行了研究.通过对机器人静刚度求解,建立了加工误差与其末端执行器定位精度的关系模型.通过理论计算途径及有限元方法(FEM)讨论了各结构参数加工误差对末端精度的影响程度,结果表明柔性铰链圆弧切口半径误差以及铰链圆弧切口中心线角度偏差对机器人末端精度的影响最大.研究所得结论可用于指导此类机构设计,确定加工过程中各机构参数的公差要求,并有助于提高标定精度.     

空间机器人自主定位定向方法研究

针对机器人在月球或火星上进行采矿的应用背景,研究了切平面捷联惯导方案、视觉定位方案、静态和动态的视觉/惯性组合定位定向方案.所提出的视觉/惯性组合导航系统使惯导系统的导航精度有很大的提高,同时只要求机器人携带很少的设备,大大降低了系统的成本.仿真结果表示该方案可行.      

一种电磁定位系统工作空间拓展方法

针对NDI电磁定位跟踪设备工作空间有限且在工作空间内定位精度不一致的问题,提出了一种利用机械臂移动磁场发生器从而拓展电磁定位系统工作空间且保证定位精度的方法。利用NDI系统返回的误差指示值衡量定位精度,当误差指示值超出设定的阈值时,利用机械臂移动磁场发生器使传感器重新位于NDI系统的最佳测量工作区,并将电磁定位系统测量的位姿通过空间变换方式统一到机械臂基座坐标系,从而在保证定位精度的同时也起到扩展工作空间的作用。为验证所提方法的有效性,通过实验验证定位误差与误差指标值及传感器到磁场发生器中心的距离成正相关关系;通过拓展前后的误差分析表明,所提方法能有效降低定位误差,平均位置误差从2.61 mm降低到1.34 mm,平均姿态误差从2.42°降低到1.37°。所提方法可应用于类似血管介入手术导管在大范围移动的器械定位与跟踪。      

国土星卫片图象的几何畸变与卫星姿态分析

主要讨论了国土星卫片的成象比例尺,卫星姿态误差对图象几何精度的影响及其姿态参数的控制精度等问题。在简化模型的前提下,按照严谨的数学关系,本文导出了卫片的比例尺和误差计算的数学解析式,并提出了在给定最大定位误差时,对卫星姿态控制精度的总体设计要求。     

基于模板识别的高精度自动定位系统

为满足机器人辅助 医疗手术中高精度自动识别物体的需要,利用Bumblebee 2 摄像头拍摄图像,把黑白交互的椭圆和圆作为一个模板,用改进的角点提取方法提取出图像中的角点;在对图像进行增强之后,利用模板黑白格的几何对称性特征提取模板中的角点,然后区分出椭圆中的角点和圆中的角点,最后利用向量垂直关系提取出椭圆中的目标角点,识别出模板.通过Bumblebee 2自带的深度函数,提取模板的深度,得到模板在摄像头空间中的坐标,达到高精度自动定位物体的目的,克服传统摄像机需要标定内外参数的步骤.实验表明,定位误差在0.42 mm之内,基本上可以满足手术的要求.     

基于计算力矩法的眼内手术机器人的重力补偿

为了提高一种具有远程运动中心(RCM)机构的眼内手术机器人的定位精度和稳定性,在建立机器人坐标系的基础上,通过动力学等效,对机器人各构件质心瞬态位置进行分析。根据拉格朗日方程建立机器人动力学模型。提出基于计算力矩法的重力补偿方法。在此基础上,通过MATLAB/Simulink软件对重力补偿模型进行仿真。比较独立比例微分(PD)控制方法及重力补偿方法的各关节运动响应曲线,表明重力补偿模型可有效补偿重力项;同时,分析重力补偿模型响应曲线与期望曲线的误差,证明重力补偿模型具有较高的补偿精度和可行性。     

具有死区特性的空间机器人基于干扰观测器的L2反步控制

研究了载体位置及姿态均不受控时空间机器人在惯性空间中的轨迹跟踪问题.考虑到系统存在参数不确定及死区特性等情况,提出了一种基于干扰观测器的L₂反步控制方案.结合拉格朗日方程和系统Jacobi关系矩阵建立系统的动力学模型.利用干扰观测器对系统建模误差进行观测补偿,并通过L₂干扰抑制法对观测误差进行消除,同时采用死区模糊补偿器对系统死区特性造成的影响进行补偿.该控制方案不需要预知准确的惯性参数,不用对惯性参数进行线性化处理,并且不要求估计系统不确定项和死区参数的上界,从而简化了系统的控制.数值仿真证明了该控制方案的有效性.      

基于改进关键帧选择的ORB-SLAM2算法

针对同时定位与建图（SLAM）算法精度不高且跟踪易失败的问题，提出了一种改进关键帧选择的ORB-SLAM2算法。通过ORB-SLAM2算法计算帧间相对位姿；在原有算法的基础上，增加旋转与平移量作为判定依据，决定是否创建新关键帧；针对移动机器人所安装的相机与机器人产生相对运动引发误拍摄，导致劣质关键帧生成的问题，设计了劣质关键帧剔除算法；基于RGB-D数据集与自主研发的移动机器人进行了实验验证。实验结果表明:改进的关键帧选择算法能够准确及时地选择关键帧，最优情况下定位误差约为原误差的51.9%，有效消除了相机与机器人之间相对运动产生的影响，直线误差仅为原误差的82.1%。改进算法能够有效提高定位精度，减少跟踪失败。      

无人机位姿测量的点特征视觉方法

针对无人机在动态环境下快速高精度定位的问题，提出了用单目相机对无人机上的人工特征点进行位姿解算的方法。在无人机上放置一定数量的小型LED灯，并将其作为视觉测量的特征点，并以其中一个点作为原点建立无人机机体坐标系。通过多场景测量确定特征点在机体坐标系下的三维位置，再将三维位置与特征点在图像中的成像位置相匹配，最后使用EpnP算法求解出无人机的位置和姿态。在实验部分，利用三轴移动平台和三维转台，分别对位置解算结果和姿态解算结果进行误差测量。试验结果表明，位置解算误差在2%以下，姿态误差在8%左右。同时，该算法的处理时间在2 ms左右，该算法可以满足无人机对定位的实时性和精度的要求。