非合作旋转目标闭环检测与位姿优化

若要实现空间失效卫星、空间碎片等非合作目标,尤其是具有自旋运动特性的目标的在轨服务或者离轨清除,需要精确测量追踪航天器与目标之间的相对姿态。当目标旋转一周后,对重访区域的闭环检测与位姿优化是减小累积误差,提高测量精度的重要保证。首先,本文介绍了视觉词袋库的建立和基于视觉词袋的非合作目标闭环检测策略。然后,基于相似性变换,对图像序列关键帧集和当前帧进行了联合位姿图优化,实现了对刚体变换矩阵的校正。最后对不同运动角速度下的不同目标,采用不同相机进行地面模拟测试实验,验证了方法的有效性和可靠性。实验结果表明:对于以12(°)/s角速度运动的非合作目标,当测量稳定后,绝对角度误差约为1(°),相对角度误差约为1%,平均角速度误差约为0.12(°)/s。可以满足非合作目标相对姿态测量的任务需求。

基于扩展任务的双臂机器人位姿优化

为了能够在不修改工业机器人控制器的逆解算法的前提下对双机械臂系统进行位姿优化,同时要求以双臂各向同性指标为强化目标,设计出基于扩展任务的双臂姿态优化方法。首先对双臂机器人的协作任务进行了运动学分析与建模,然后基于最近被提出的一种新型的通用冗余机械臂位姿优化方法对双臂位姿优化进行数学描述,并表明了优化指标-双臂各向同性指标的几何和物理意义。再利用蒙特卡洛采样方法和非线性回归拟合出了主机械臂在操作空间的位姿与协作任务的位姿之间的数学关系,即扩展任务的数学模型。最后在ABB Robot Studio机器人仿真软件中对双臂系统进行主从协作运动任务的仿真,结果表明:利用扩展任务的优化方法可以实现以各向同性指标强化为目标的双臂系统的位姿优化,可以使两只机械臂都远离肘关节奇点和肩关节奇点,并且表明本质上还可以减小机械臂的条件数的值。

桥梁检测机器人作业规划与位姿优化方法研究

针对桥梁底部病害人工检测的作业难题,介绍了桥梁检测机器人的工作原理,结合桥梁的结构化特征和视觉检测拍摄参数约束,研究了桥梁检测机器人作业规划与位姿优化方法。首先,提出一种以最佳拍摄模型约束的桥梁检测机器人拍摄作业位姿规划方法。在最佳拍摄规划方法的基础上,针对小箱梁桥梁和T型梁桥梁底部的褶皱结构,研究了以安全拍摄模型为约束的拍摄位姿优化方法,设计了结合拍摄偏角和拍摄距离的权重函数,推导了优化算法公式并给出了收敛证明。通过对不同拍摄参数的配置,进行了针对空心板桥梁的拍摄作业位姿规划方法仿真;针对小箱梁桥梁的结构,在位姿规划仿真结果基础上进行了位姿优化方法的仿真。最后以研制的桥梁检测机器人为对象,进行了现场测试与验证,仿真和实验结果均表明,该规划和优化方法符合桥梁拍摄检测的要求,具有很好的鲁棒性和实时性。

基于几何约束的视觉闭环检测和位姿优化

为实现视觉里程计在大规模复杂环境下的准确导航,消除载体位姿估计的累计误差,提出了一种基于几何约束的视觉闭环检测和位姿优化方法。首先建立基于LATCH二进制描述子的视觉词袋(Bo VW),并采用视觉单词向量描述图像进而归一化相似度的闭环检测方法,然后对闭环候选关键帧和当前关键帧进行基于RANSAC-HORN运动估计的闭环验证,最后将闭环关键帧的局部地图点投影到当前帧并最小化重投影误差以使得位姿得到优化。数据集实验表明,提出的闭环检测和位姿优化算法能够有效地对闭环进行准确检测和验证,并对视觉里程计的误差积累进行闭环位姿优化,提高了视觉导航精度。

基于力致误差建模的工业机器人铣削加工工件位姿优化

针对工业机器人铣削加工过程中力致误差问题,以工件位姿为优化变量、工件表面法向力致误差为优化目标,构建工业机器人铣削加工力致误差模型及工件位姿优化模型,通过算法设计对优化模型进行求解,以确定最优工件位姿,并在ABB IRB6660工业机器人铣削加工平台上对优化模型进行实验验证。结果表明,采用优化模型求解确定的最优工件位姿处的平均法向力致误差相比优化前降低61.0%,应用该优化方法能够有效控制工业机器人铣削加工中的力致误差,有利于提高工业机器人铣削加工精度。

基于实测模型的围框式翼身对接位姿优化

部件对接是飞机装配的重要内容,由于围框式翼身对接的对合面形状复杂、尺寸大、容差要求严格,仅采用位姿控制点作为对接基准会使围框式翼身对接的对合面难以准确配合。为了得到围框式翼身对接的最优目标位姿,提出了基于实测模型的翼身对接位姿优化方法。首先构建翼身对接实测模型,利用加权最小二乘算法对位姿控制点进行拟合得到机翼的初始目标位姿;然后通过分析机翼位姿约束,建立位姿优化模型,利用粒子群算法进行求解,可以获取机翼的位姿调整参数,对关键尺寸进行误差分配优化;最后以某翼身模拟件进行试验验证,分析结果满足翼身间相对位置准确度和协调准确度要求,验证了该方法的有效性。

紧耦合的移动端实时位姿优化方法

位姿估计一直是三维重建领域的关键性问题.为保证移动端有限计算资源下的实时性并提高轨迹计算的准确性,提出一种紧耦合的移动端实时位姿优化方法.首先,获取图像信息与运动传感器信息进行特征提取、预积分等预处理;然后根据对极几何约束,计算重投影误差与惯性传感器误差;最后采用加权误差联合优化计算位姿轨迹.紧耦合策略可以有效利用图像信息与惯性运动信息对位姿约束的一致性.在公开数据集EuRoC上的实验表明,与已有视觉惯性位姿估计方法相比,文中方法在保证移动端实时性的同时,重建相机轨迹误差更小.

空间非合作旋转目标的模型重建与位姿优化

针对模型未知的空间非合作旋转目标的模型重建和位姿估计问题,利用激光雷达采集的3D点云,提出一种基于位姿图优化的SLAM技术框架,以解决跟踪过程中产生的累积误差问题。首先,根据迭代最近点(Iterative Closest Point,ICP)算法计算相邻关键帧之间的相对位姿信息,通过位姿跟踪方法获得当前关键帧的位姿,由此构建跟踪航天器的相对位姿图;采用GLAROT-3D(Geometric LAndmark relations ROTation-invariant 3D)全局描述子检测闭环,并将闭环约束添加到位姿图中;最后采用基于位姿图优化的方法进行位姿调整,并更新模型点云。在仿真实验中,噪声标准差达到100 mm时,姿态测量误差小于2°;在地面实验中,姿态测量误差小于2.5°,并较好地重建了目标的点云模型,算法的精度及抗噪声能力基本满足非合作目标相对位姿测量的任务需求。

小批量多品种工况下喷涂机器人位姿优化模型实验与仿真

为了使机器人在运动性能最优的状态下实现连续喷涂作业,文章从机器人运动学位形角度出发,提出一种机器人站位优化算法。该算法以机器人运动学位形范围和关节运动速度为约束条件,以工作空间灵巧性相关指标为优化目标建立机器人站位优化模型,并进行了实验与仿真。理论和实验表明:文章建立的机器人站位优化算法使机器人在喷涂连续作业的情况下避免经过奇异位形,解决小批量多品种工件的喷涂需求。

面向航空发动机复杂机匣深腔测量的机器人位姿优化及关节路径平滑方法

航空发动机机匣铸造件内腔余量分布不均且结构复杂,为实现机匣内腔余量的准确去除,须对机匣内腔轮廓进行精准测量。采用工业机器人夹持激光位移传感器,可充分发挥机器人灵巧运动的特点,实现复杂腔体的测量。但现有机器人加工刀具路径生成方法大多针对铣削、磨抛加工,主要关心路径的可达性,而未考虑非接触式测量中的夹角约束和路径平滑,直接应用于机器人测量导致测量角度无法满足要求、传感器振动大等问题。提出了一种面向机器人测量位姿优化及运动光顺的无干涉路径规划方法。首先,基于距离的干涉检测构建测量路径点的无碰撞区域,建立以机器人关节加速度为性能指标,考虑激光束出射方向与曲面法向夹角、机器人关节限位的优化函数,将姿态控制求解转变为优化函数的求解,采用分段差分进化算法进行求解。对测试路径进行实验并与基于图形的方法进行对比,结果表明,所提出的路径规划算法可有效约束测量方向与曲面法向之间的夹角,且与基于图形搜索的方法相比,可以生成更平滑的机器人关节路径,运行时间缩短50.3%,x、y、z方向的末端瞬时加速度分别减小15.83%、30.45%、41.72%。

基于多尺度特征的像素位姿定位优化方法

在已知三维信息的场景中估计相机位姿,是自主驾驶、增强现实、虚拟现实等领域的重要环节。已有方法从输入图像中直接回归相机的位姿,或者通过回归像素的三维坐标方式计算相机位姿,这些方法存在的问题是与训练场景耦合严重,在新环境中缺少泛化能力。认为深度学习网络应该专注于学习鲁棒和不变的图像特征,因此介绍了一种基于多尺度图像特征对齐的优化方法,将图像特征相似性作为度量形式,将相机位姿作为优化量,通过从像素到位姿的端到端的训练,来估计相机精确的六自由度(6 degree of freedom,6DOF)位姿。该模型参数和场景分离,对新场景有较强的泛化能力,并且具有较好的定位精度。

基于位姿图优化的势均衡多伯努利滤波器SLAM方法

在复杂室内环境下,传统基于随机有限集理论的SLAM方法存在机器人位姿精度低、计算量大的问题。针对此问题,提出一种基于位姿图优化的势均衡多伯努利滤波器SLAM方法。首先,该方法通过势均衡多伯努利滤波器获得地图特征估计,避免了数据关联。其次,提出了自适应信息控制法,丰富先验信息。然后,通过自适应信息控制法将位姿图优化理论与势均衡多伯努利滤波器SLAM结合,优化机器人的位姿估计。最后,进行实验对比分析,结果表明所提方法比RB-PHD-SLAM方法有更好的SLAM精度及实时性。

机器人加工几何误差建模研究:Ⅱ参数辨识与位姿优化

根据所构建的空间运动链,机器人加工几何误差一方面与手眼/工件/工具位姿参数辨识误差有关,另一方面与机器人关节运动学误差与弱刚度变形有关。针对这一问题,研究基于运动学误差补偿的手眼位姿参数辨识、考虑测量缺陷影响的工件位姿参数辨识、基于实际加工曲面误差估计的工具位姿参数辨识等新方法,解决位姿参数辨识精度受限于机器人运动精度、现场测点不封闭/密度不均/高斯噪音、加工抖动/受力变形/回转轴误差等多种因素影响的问题;综合考虑关节运动学误差、弱刚度变形、误差补偿,以整体误差控制为目标,建立加工误差补偿与机器人位姿优化通用模型,可推广应用于法向深度(磨削/铣削)、切向滑移(制孔)、角度倾斜(切边)等多种机器人加工误差控制;完成手眼/工件/工具位姿参数辨识试验、整体误差补偿与机器人加工试验,验证所提方法的有效性。

基于稀疏位姿优化的激光SLAM算法研究

基于图优化的同步定位与建图(SLAM)算法的后端优化部分一般采用直接非线性优化方法。但是直接非线性优化方法的计算时间与图大小的立方成比例增长,优化大型位姿图成为移动机器人一个比较大的瓶颈问题。因此在基于图优化的框架下,采用基于稀疏位姿优化的SLAM算法,通过直接线性稀疏矩阵求解方法来高效计算约束图的大型稀疏矩阵,并与生成树初始化方式进行配合处理和优化。同时在自主搭建的移动机器人平台上进行实验,并在室内不同环境下对基于稀疏位姿优化的SLAM算法与Gmapping、Hector进行对比分析。结果表明,所提算法不仅在建图精度上有着明显的优势,而且内存占用也更小。

面向铣削任务的工业机器人刚度位姿优化

为提高机器人刚度性能,减小铣削加工误差,对搭载铣削执行器的6自由度机器人进行刚度优化.首先,运用虚功原理建立机器人刚度映射模型;其次,设计辨识实验获取关节刚度;再次,以铣削力椭圆平面的各向同性度为优化指标,运用遗传算法对机器人优化位姿进行求解;最后,对比分析机器人位姿优化前后的整体刚度,并进行机器人铣削试验验证位姿优化的有效性,铣削平面度可提升45%.该优化方法可指导串联型工业机器人对大型航天器舱体的铣削加工任务,提高加工质量.

基于点对特征的无序散乱堆叠工件位姿估计算法

针对无序分拣场景中物体相互堆叠遮挡导致的位姿估计误差大的问题,提出了一种基于点对特征(point pair feature,PPF)的杂乱堆叠工件位姿估计算法。离线训练阶段,使用更优的点云降采样方案和更为细致的点云法线计算方式,以保留更多具有区分性的点对,实现模型更为精确的全局描述;在线匹配阶段,通过快速投票方案获得杂乱堆叠场景中目标的候选位姿,并提出了一种基于体素索引和位姿交并比的聚类策略完成位姿聚类和误匹配位姿的剔除,实现目标位姿的粗估计,最后采用ICP(iterative closest points)算法完成目标位姿的优化,获得目标的精确的6D位姿。分别进行了仿真场景实验和机械臂分拣实验。结果表明:所提算法在杂乱场景中对3种类型工件的平均识别率为98.4%,单个工件识别时间均小于0.86s,且位姿估计精度较原始PPF算法有明显提升;在实际分拣实验中识别成功率达96.7%,分拣成功率达95.3%,验证了算法在实际应用中对于噪声和杂乱遮挡的鲁棒性较强。

基于深度学习的刚体位姿估计方法综述

刚体位姿估计旨在获取刚体在相机坐标系下的3D平移信息和3D旋转信息,在自动驾驶、机器人、增强现实等快速发展的领域起着重要作用。现对2017-2021年间的基于深度学习的刚体位姿估计方向具有代表性的研究进行汇总与分析。将刚体位姿估计的方法分为基于坐标、基于关键点和基于模板的方法。将刚体位姿估计任务划分为图像预处理、空间映射或特征匹配、位姿恢复和位姿优化4项子任务,详细介绍每一类方法的子任务实现及其优势和存在的问题。分析刚体位姿估计任务面临的挑战,总结现有解决方案及其优缺点。介绍刚体位姿估计常用的数据集和性能评价指标,并对比分析现有方法在常用数据集上的表现。最后从位姿跟踪、类别级位姿估计等多个角度对未来研究方向进行了展望。

改进PointNetLK的点云智能配准与位姿图优化方法

针对空间在轨服务任务中的非合作目标相对位姿测量问题,提出一种目标可测部位点云的智能配准方法。首先,通过Straight Through滤波算法对半物理仿真平台采集得到的点云进行目标提取,以消除背景数据等杂乱信息;其次,改进PointNetLK神经网络点云配准算法,将提取后的点云数据作为输入,从而获得初步配准结果,解决非合作目标先验信息缺失导致的无法配准问题;最后,建立基于位姿图的优化模型,以降低配准误差,提高配准精度。实验结果表明,与传统迭代最近点(ICP)算法相比,配准综合误差从6.3598降低到1.7291,精度提高约72.81%;单次耗时从33.16 s降低到4.2 s,效率提升约87.33%,与当前SM-ICP等其他算法相比,也具有一定的优势。

采用双视觉里程计的SLAM位姿图优化方法

后端轨迹优化是视觉同步定位与建图系统的重要组成部分,可以显著地提高定位精度.然而,现有的基于捆集约束法的优化方法在大场景中计算量大,并且无法应用于端到端视觉里程计.针对这个问题,提出了一种在前端采用2个视觉里程计的后端通用位姿图优化方法,可以应用于端到端视觉里程计.该方法采用一个高速低精度的端到端视觉里程计以高频率运行,同时一个低速高精度的视觉里程计以低频率运行,局部优化通过2个里程计提供的约束条件使用高斯-牛顿法迭代优化;在全局优化中基于关键帧进行场景匹配与局部优化同时进行.实验证明,应用该优化方法的同步定位与建图系统可以在KITTI数据集上实时运行,相较于2个视觉里程计都取得了精度上的较大提升,并且对比现今开源的几种应用后端轨迹优化的著名同步定位与建图方法,在轨迹误差、绝对轨迹误差、旋转误差和相对位姿误差上均取得了较低的误差,兼顾了传统方法精度的优势和端到端方法速度上的优点.除此以外,该优化方法还可以适用于其他更多的视觉里程计.

基于图优化理论和GNSS激光SLAM位姿优化算法

提出一种激光雷达SLAM(simultaneous localization and mapping)位姿优化算法。该算法基于图优化算法理论并融合GNSS(global navigation satellite system)数据,在位姿图中加入卫星定位节点,可以有效将无回环时轨迹误差控制在GNSS定位误差范围内,有长时性回环时可以准确定位回环检测点,从而达到提高激光雷达SLAM位姿全局一致性的效果。在室外刚性特性较好的城市环境和刚性特性较差的非城市环境下进行测试,从结果可以看出:所提算法将在无回环300m距离直线建图情况以及在360m以上距离一次、二次回环情况下的轨迹偏差分别控制在1m左右、0.2m以内以及0.1m左右,这充分证明了所提算法的有效性。