一种基于粒子滤波的双目视觉惯导SLAM技术

针对智能无人系统的定位与地图构建问题,提出一种基于粒子滤波的双目视觉惯导SLAM（即时定位与地图构建）方法。算法基于传统粒子滤波思想设计实现,后端处理时仅对位姿状态量进行滤波,有效解决了传统算法的维度爆炸问题,减少计算量的同时保证一定的精确度,兼顾SLAM算法精确性和即时性的要求。实验结果表明,方法整体定位精度相对误差低于5%,在光照条件适宜的小型场景效果更佳,误差低于3%,能够达到分米级精度,证明了SLAM方法能够完成SLAM系统的要求,实现即时定位与地图构建功能,具有一定的准确性、稳定性和鲁棒性。粒子滤波能够应用于视觉惯导SLAM领域并达到较高的精度要求。     

高冲击试验测试装置及校准技术研究

研制出Hopkinson杆（霍普金森杆）高冲击加载装置，搭建起高冲击测试校准系统，基于LabVIEW和Matlab软件开发环境，编写系统控制程序，数据分析与处理程序，以高冲击MEMS加速度传感器为被测对象，开展冲击测试与校准技术研究，解算出传感器冲击灵敏度和频率响应指标。试验结果表明：利用该试验测试装置对冲击传感器进行测试校准，满足传感器主要静态指标测试要求；对传感器频响指标进行测试校准，得到传感器幅频特性和相频特性曲线，满足传感器动态特性测试要求。该Hopkinson杆冲击试验测试校准装置及测控系统能够实现冲击加速度传感器主要静态特性和动态特特指标的测试校准要求，平均灵敏度为0.657 548 μV/g，不确定度优于4%，幅值线性度偏差≤±5%的工作频带为12.5 kHz。本研究对高冲击试验测试的应用提供一定借鉴和参考。