基于立体视觉的无人机位姿测量方法

现有的无人机位姿视觉测量方法大多基于诸如关键点等几何尺寸在图像和模型间的对应关系完成位姿计算;然而,在复杂情况下易出现关键点图像坐标定位失效的问题,而针对特定机型的算法设计泛化性不佳。针对这一问题,本文提出了一种基于立体视觉的固定翼无人机位姿测量方法,通过立体视觉重建目标无人机三维点云,基于无人机组件三维点云拟合鲁棒地完成位姿测量。首先,使用一种二维、三维数据结合的方式,利用卷积神经网络完成组件的分割。其次,分别利用机翼和机身点云拟合无人机坐标系的z轴和x轴,进而完成目标无人机位姿的计算。整个计算过程无需已知具体机型或尺寸。经试验验证,本文方法在10m的范围内达到了1.57°和0.07m的位姿测量精度,具有较高的精度和鲁棒性。     

基于旋转搜索的相机位姿估计和对应点匹配

传统的同步位姿计算和对应点匹配（SPCD）算法采用两阶段交替迭代的方式计算相机位姿,求解精度较低。除此之外,传统SPCD算法依赖于局部搜索策略,无法保证找到全局最优解。为提升求解SPCD问题的精度和全局收敛能力,推导出了一种新的基于点和点约束的SPCD问题求解模型。基于新模型从角度距离出发构建优化目标函数,并利用分支定界搜索的方法寻找最优相机位姿和3D/2D匹配关系。实验证明：相比于传统SoftPOSIT算法,本文算法具有更高的求解精度和收敛率,并且可适用范围更广。     

基于PnP和自适应线性卡尔曼滤波的实时位姿估计

针对实时位姿估计中扩展卡尔曼滤波(EKF)线性化引入非线性误差和依赖已知噪声分布的缺点,提出一种基于PnP的自适应线性卡尔曼滤波位姿估计求解方法。将PnP位姿估计求解策略引入卡尔曼滤波观测方程,通过对动态方程误差统计参数实时估计,自适应调节卡尔曼滤波递推参数。所提算法求解精度高,固定了观测方程的观测向量维度,提高了算法实用性。通过仿真试验,比较了该算法与EKF的位姿估计精度,通过量化误差分析,证明了该方法可以提高三维运动位姿估计精度,也验证了该方法的有效性。     

一种基于视觉成像的快速收敛的位姿测量算法及实验研究

 由三维目标与其二维图像估计相对于目标的位置和姿态是计算机视觉成像中的一个重要问题。正交迭代(OI)算法是一种快速、且能全局收敛的姿态估计方法，但是当数据恶化时，不能给出正确的旋转矩阵。本文改进了该算法中旋转矩阵求解方法，避免了旋转矩阵求解中出现的错误。建立了模拟实验系统，使用改进的算法进行测量，在0.45～5.20 m的范围内，摄像机到目标距离的相对误差小于±0.41%；在距离为3 m时，旋转角度测量误差小于±1.8°。数学仿真结果表明，改进后算法的抗噪声能力得到改善，结果更为准确，且能快速收敛。     

基于工业机器人的机身系统件定位方法研究

针对传统系统件安装工艺采用固定式定位工装导致装配系统开敞性差、柔性程度低的问题,提出了基于工业机器人的机身系统件定位方法,确定了系统件辅助定位工装的标定方法,基于奇异值分解法和位姿等价变换原理确定了工业机器人的位姿调整算法,最后通过系统件辅助定位工装定位试验得出了系统件的定位精度。     

基于四元数的单目视觉物体位姿测量方法

对基于点特征的单目视觉定位算法进行了研究,设计了一种5点平面靶标,在五个特征点的基础上提出了一种基于四元数的单摄像机位姿测量方法。建立了四元数空间变换矩阵,然后再根据特征点在世界坐标系下的坐标值以及特征点在CCD成像面上的坐标值,在空间投射的基础上利用最小二乘法求解出靶标的四元数空间变换矩阵,从而求得靶标的空间位姿。通过实验对该单目视觉定位方法进行验证,实验结果表明：测量模型平移定位精度达到了,旋转定位精度达到了。     

一种基于LeapMotion的灵巧虚拟手抓取交互方法

利用物体抓取任务中所有五个手指运动的运动学分析结果,结合LeapMotion 运动跟踪设备的特点和 逆运动学,提出了一种简单而有效的灵巧虚拟手抓取交互方法,使用户在虚拟环境中,通过一只灵巧的虚拟手 作为化身,在不进行手指弯曲运动跟踪的情况下,即可自然地到达并抓取数字三维物体。验证结果表明,所提 出的方法比传统的基于正向运动学的虚拟抓取方法具有一定的优势。     

叶片三维轮廓测量点云数据高精度多角度融合

针对高精度多角度点云数据融合叶片测量难题,设计了一种基于相位测量轮廓方法的多角度点云数据融合的机械装置.通过设计对参考平面数据旋转的算法,实现叶片三维轮廓的高精度数据合成,精度达到(0.06±0.01)mm.这种装置的方法、结构简单实用,测量效率和精度高,可以多个叶片同时测量,是一种可以取代三坐标测量的实用方法.      

无人机自主着陆视觉相对位姿测量误差分析方法

卫星拒止条件下无人机自主安全回收的关键是全自主、高精度的测量无人机相对着陆场站的相对位姿信息。视觉相对位姿测量直接敏感高动态运动体之间的相对位姿信息,具有全自主、高精度等优势,为无人机自主安全回收提供新的技术途径。针对视觉相对位姿测量精度易受目标特征提取精度和相机内参数标定误差影响的问题,提出了一种无人机自主着陆视觉相对位姿测量误差分析方法,该方法通过研究测量机理模型确定关键误差影响因素,计算相关参数变化对测量精度的影响,最后利用仿真分析验证本文所提方法的有效性。     

一种低数据传输的多机器人实时视觉SLAM

针对多机器人视觉SLAM在实际应用中带宽受限的问题,设计了一种低数据传输的多机器人实时视觉SLAM系统.系统中引入了NetVLAD神经网络模型,通过改进NetVLAD降低了多机器人回环检测的计算资源占用,提高了回环检测的实时性.提出了一种针对描述子缺失情况下的特征匹配算法,提高了回环检测与相对量测的鲁棒性,并提出了一种增量式多机器人位姿图共享和优化方法.最后,通过在KITTI数据集进行测试,验证了该SLAM系统能有效减少多机器人通信过程中的数据传输,具有与单机器人SLAM相当的定位精度和实时性.     

一种面向自动钻铆的机器人自动送钉系统

现有的自动钻铆系统中90%的故障来源于送钉系统中的卡钉。为了进一步提高自动钻铆送钉系统的精度,降低故障率,提出一种基于视觉伺服的新型机器人送钉系统。该系统通过在机器人末端安装工业相机和铆钉抓取装置,以机器视觉的方式对铆钉进行质量检测和定位,并引导机器人对特定种类铆钉进行抓取和投放,从而保证了送钉质量。该系统重1.1t,占地面积1.57m^2,有效降低了自动钻铆装备中送钉系统的面积与重量。试验表明,机器人自动送钉系统对铆钉的检测精度达到0.1mm,在1min内抓送6枚以上铆钉,满足自动钻铆的性能要求。     

双摄像机光笔式三维坐标测量系统研究

基于双目立体视觉传感器三维测量模型和空间坐标变换原理,采用最小二乘冗余算法,讨论了双摄像机测量空间三维点坐标的基本原理,建立了视觉测量系统的非线性测量方程。通过实验验证了双摄像机光笔式三维坐标视觉测量系统建立的可行性。     

单目相机物体位姿估计方法研究

现有的机器视觉通常以边缘轮廓和角点作为特征,因此要求背景单一,对环境结构化依赖程度高。为了拓展机器人的应用范围,使其脱离结构化的环境,提出了一种基于SIFT特征点和PNP技术的单目相机估计目标物体位姿的方法。以BumbleBee双目相机为硬件基础,以C++为开发平台,结合了Eigen计算库、OpenCV图像处理库和Triclops库,开发了单目视觉位姿估计算法,实现在复杂背景下对表面纹理较为丰富的物体的位姿估计。利用试验对所提方法进行了验证,试验结果表明,该算法具有较高的估计精度,可以作为机器抓取的依据。     

一种基于3D扫描的航天器跨舱对接波导组件位姿测量方法

提出了一种基于Handyscan 700和Geomagic Control的非接触式位姿测量方法。该方法采用手持式便携3D扫描设备Handyscan 700,具有测量速度快、测量精度高的优点。在波导组件位姿测量试验中,本方法解决了航天器跨舱波导组件位姿无法高效测量的难题,实现了跨舱波导组件舱内部分在舱板合舱前就可安装到位,降低了总装风险,提高了波导组件总装效率。     

面向视觉着陆的高精度结构化约束特征点研究

为提高视觉着陆过程中无人机的相对定位精度,选取视觉图像中的直线交点作为结构化约束特征点,设计了基于梯度一致性的边缘检测算法,并结合Shi-Tomasi角点检测算法进行结构化约束特征点的粗定位。对LSD直线检测算法进行改进并设计了亚像素角点定位精度改进算法,在结构化约束特征点粗定位的基础上,将其精度提高到亚像素级。基于实际场景中固有约束的结构化约束特征点具有鲁棒性、旋转和尺度不变性,抗干扰能力更强,其高精度定位有利于提高视觉着陆相对定位的精度与可靠性。     

面向视觉着陆的高精度结构化约束特征点研究

为提高视觉着陆过程中无人机的相对定位精度,选取视觉图像中的直线交点作为结构化约束特征点,设计了基于梯度一致性的边缘检测算法,并结合Shi-Tomasi角点检测算法进行结构化约束特征点的粗定位。对LSD直线检测算法进行改进并设计了亚像素角点定位精度改进算法,在结构化约束特征点粗定位的基础上,将其精度提高到亚像素级。基于实际场景中固有约束的结构化约束特征点具有鲁棒性、旋转和尺度不变性,抗干扰能力更强,其高精度定位有利于提高视觉着陆相对定位的精度与可靠性。     

无人机空中加油过程中基于机器视觉的相对位姿估计(英文)

本文主要研究了在无人机空中自主加油过程中,利用安装在无人机上的摄像机得到的视觉图像确定无人机与加油机之间相对位置关系的算法。本文以经典的OI算法为基础展开研究,文章主要分为三个部分:首先简要介绍了OI算法的基本实现方法,指出了在OI算法中,旋转矩阵R的初值的选择对于位姿估计的精度有一定的影响。其次主要介绍了一种线性算法用于获取R初值的方法,同时针对空中加油过程中无人机与加油机之间的相对姿态角变化较小的特点,提出了可以将旋转矩阵R的初值设为单位矩阵。论文最后在仿真环境下对相关算法展开实验研究,同时研究了在高斯噪声环境下特征点在加油机表面的分布对位姿估计结果的影响,论文得到如下的结论:1、针对空中加油过程中无人机与加油机之间的相对姿态角变化较小的特点,在高斯噪声环境下,以单位矩阵作为旋转矩阵的初值得到的位姿估计的结果好于以线性算法为初值的结果。2、在相同的高斯噪声环境下,特征点之间的距离越大时得到的位姿估计结果的精度越高。3、特征点的数量对相对位姿估计的精度没有明显影响。     

基于T-Scan的三维激光扫描系统测量误差分析

三维激光自动扫描系统可以快速获取零件表面信息,提高扫描系统的测量精度可以进一步提高系统性能。针对扫描精度问题,对扫描系统的测量误差进行了分析和评估,在试验中使用的扫描系统由机器人和商业三维激光扫描仪T-Scan组成,这种商业三维激光扫描仪的基本原理是激光三角法,测量误差受到扫描位姿的影响。将T-Scan的扫描位姿分解为扫描深度、俯仰角和偏转角,通过控制变量试验研究了扫描位姿对随机误差和系统误差的影响。试验结果显示,扫描结果的随机误差远小于系统误差,系统误差与扫描深度和俯仰角呈双线性关系。根据试验结果建立了系统误差的预测模型,通过模型预测的系统误差与实际试验结果的偏差最大为26μm,该预测模型是优化扫描轨迹从而提高测量精度的前提条件。