基于点线的视觉惯性导航系统初始化方法

视觉惯性导航系统在初始化阶段解算出系统初始位姿、惯性测量单元(IMU)零偏以及单目尺度因子,能极大程度上保证系统收敛。为解决视觉惯性导航系统在点特征缺失环境下初始化效果差甚至失败的问题,提出了一种基于点线的视觉惯性导航系统初始化方法。首先,通过几何方法在滑动窗口内构造了一个基于点线的结构,该结构相比于点结构具有更丰富的先验信息;其次,使用从运动中恢复结构(Sf M)的方法,恢复点线结构的运动状态;最后,以松组合的形式对齐结构的运动状态以及IMU预积分结果,求解出IMU零偏、重力加速度、速度和尺度因子等初始量。实验结果表明:在点特征缺失的公共数据集上,相较于基于点特征的初始化方法,所提方法的均方根定位误差减少6%,初始误差显著降低,同时具有更好的建图结果。

视觉惯性导航系统初始化方法综述

视觉惯性导航系统通过初始化,对尺度信息、重力向量、速度、惯性传感器偏差等一系列状态估计所需参数进行快速求解,以提升系统后续导航定位与环境感知的准确性。根据传感信息耦合方式,视觉惯性导航系统初始化方法可以分为三类:联合初始化、非联合初始化和半联合初始化。基于现有研究工作,从基础理论、发展与分类、现有方法、性能评估四个方面展开,对目前主流的初始化方法进行综述,并总结视觉惯性导航系统初始化领域未来的发展趋势,有利于对视觉惯性导航系统初始化方法形成总体性了解并把握其发展方向。

基于惯性导航的智能抓取搬运机器人

当前自动分拣搬运机器人运行速度慢、准确度不高,无法识别物料与分拣、无法自行夹取物料以及无法自主规划路线,因此无法满足物流环节中仓储管理及运行的需求,导致国内AGV机器人使用率不高。为了解决以上的技术问题,设计开发一款基于惯性导航的智能抓取搬运机器人。该智能抓取搬运机器人具有对搬运的货物自动检测识别和利用惯性导航定位实现路径规划的功能,通过机器视觉技术使用基于BSD许可(开源)发行的跨平台计算机视觉和机器学习软件库OpenCV,来实现视觉躲避障碍物,颜色和形状识别等功能。实验结果证明了设计的可行性和有效性,所设计的智能抓取搬运机器人具有高自由度和可操作性,具有实际应用和推广价值。

一种视觉辅助的惯性导航系统动基座初始对准方法

针对惯性导航系统动基座初始对准问题,提出了一种视觉辅助的惯导系统动基座初始对准方法。建立了视觉与惯导系统测量模型,考虑了特征点位置已知和未知两种情形,分别推导了视觉和惯导系统姿态位置间的关系,设计了EKF滤波器。建立了两种情形下的滤波观测方程,设计了晃动基座初始对准仿真实验,结果表明在视觉特征点位置已知和未知两种条件下,滤波器状态均能收敛,特征点位置已知时收敛时间小于30 s,特征点位置未知时收敛时间约为300 s;在陀螺零偏为0.01(°)/h、加速度计零偏为50μg的仿真条件下,对准精度为水平姿态角优于0.004°,方位角优于0.06°。提出的视觉辅助惯导系统动基座初始对准是一条较新且可行的思路。

一种适用于高动态强干扰环境的视觉辅助微机械捷联惯性导航系统/全球定位系统超紧组合导航系统

为解决高动态、恶劣全球定位系统(GPS)环境下微机械捷联惯性导航系统(MEMSSINS)/GPS超紧组合导航系统抗干扰能力差的问题,提出一种适用于高动态强干扰环境的视觉辅助MEMS-SINS/GPS超紧组合导航系统。将双目视觉提供的姿态信息引入MEMS-SINS/GPS超紧组合系统中,提高了平台失准角的可观测性;推导了系统的状态方程和量测方程,使用模糊控制方法对两个子滤波器的导航结果进行信息融合。通过数字仿真验证了该系统方案设计的可行性:当GPS信号受到强噪声或多径干扰造成跟踪精度下降时,双目视觉辅助MEMS-SINS/GPS超紧组合系统可以有效降低导航误差,系统位置误差和速度误差分别保持在5. 0 m和0. 5 m/s以内,有效地解决了低空飞行器在GPS信号被遮挡或干扰情况下的导航问题。

GNSS/SINS/视觉导航鲁棒算法

全球导航卫星系统(Global Navigation Satellite System, GNSS)、捷联惯性导航系统(Strapdown Inertial Navigation System, SINS)和视觉传感器优势互补,3者信息融合可获得高精度、无漂移的导航定位信息.针对GNSS/SINS/视觉融合导航易受运动速度、光照变化、遮挡等影响导致定位精度和鲁棒性降低问题,本文在图优化框架的代价函数中加入SoftLOne鲁棒核函数,设置量测值粗差检验程序,降低离群点带来的负面影响.进一步,对量测值计算残差进行卡方检验,对超限残差降权处理,提高系统精度和鲁棒性.实验结果表明,本文算法较不施加鲁棒核函数、不采用异常值剔除策略和卡方检验的传统算法,以及加入其他鲁棒核函数的算法精度更高、鲁棒性更好,能够较大程度提升GNSS/SINS/视觉导航定位精度和鲁棒性,在大尺度环境下,未出现较大漂移误差,绝对位姿均方根误差0.735 m,绝对位姿误差标准差0.336 m.

针对视觉/惯导系统的异常数据检测算法研究

视觉/惯导航系统(VINS)中传感器异常数据的故障检测(FD)方法对提高系统的定位性能和可靠性至关重要。然而,基于视觉/惯导航系统的异常数据检测与排除方法的研究相对较少。提出一种基于传感器测量残差的异常数据检测算法(VINS-ORFD),通过对相机和IMU异常数据进行主动检测并过滤,提升系统可靠性。基于TUM数据集的测试结果表明,该算法不仅可以实现视觉和IMU传感器异常数据快速检测,还能提升至少22.66%的定位精度(RMSE)。

视觉/惯性导航抗有色噪声滤波算法设计与仿真

实际视觉/惯性组合导航中存在的噪声往往是相关的,必须考虑有色噪声影响,有色噪声的存在易导致视觉/惯性组合导航滤波算法的性能下降甚至发散。在分析视觉/惯性组合导航的结构组成和建立起系统状态方程的基础上,分别针对过程有色噪声和量测有色噪声情形,提出采用状态扩展法和量测状态扩展法对导航系统方程中的有色噪声进行处理,并以选定的优化准则进行滤波算法设计来解决有色噪声干扰问题。数值仿真实验证实所设计的抗有色噪声滤波方法性能稳定有效。

多导弹协同惯性导航系统误差修正及精度分析

针对飞航导弹的惯性导航系统(INS)单独使用时存在位置和速度估计误差发散的问题,在不需要弹目距离信息或高度表信息或空速管信息的前提下,提出了一种基于INS信息、前视装置提供的导弹相对于已知地标的视线角和视线角速率信息及通过弹载数据链获得的各枚导弹之间的一维相对距离信息的多导弹(不少于3枚)协同INS误差修正方法。在此基础上,分析了参与协同误差修正的各枚弹相对于地标的几何构形对INS误差修正精度的影响,推导得到了水平精度因子(HDOP)和高程精度因子(VDOP).最后仿真验证了该方法的有效性和结论的正确性。

基于机器视觉的车身VIN码识别系统在整车制造的开发与应用

工业生产智能化、自动化是提高企业竞争力的基础之一。通过在工位安装工业相机及光源作为硬件系统、以Python为编程语言、OpenCV和TensorFlow为核心,开发基于机器视觉的车身车辆识别代码(VIN)识别系统为软件系统,对工业相机拍摄的车身VIN码图片进行训练和识别运用,实现整车制造领域车身VIN码场景的智能化作业的转变。经现场的测试使用,识别准确率目前达99.8%。在系统中除了图像的自身识别外,还根据现场的工艺制定了独特四重防错策略,达到错误“0”流出的目标。通过开发基于机器视觉的车身VIN码识别系统,对提高工业生产的智能化水平,并为机器视觉在工业生产中的运用提供了更多自立化系统开发的可能,提高了企业降本增效的能力,提升企业的竞争力。

惯性导航 AGV 小车控制系统设计

随着社会的进步,人工智能技术的不断发展,工厂制造业朝智能化发展大势所趋。同时,人力成本的上涨、企业对于各种能源资源需求的增长,使得人们对自动化生产的需求越来越大。AGV作为自动化技术升级重要的核心组成部分,凭借其美观的造型,升降平稳,坚固耐用,运转灵活等特点,深受工业自动化设备产业和相关企业的喜爱。本文研究惯性导航AGV小车,将视觉传感器技术与惯导技术相结合,以实现对AGV小车路径规划。

组合惯性导航系统研究

本文阐述惯性导航系统的研究背景及研究现状,分析捷联惯导系统(SINS)和单目视觉系统组合的导航方法的研究前景.目前,以惯性导航系统为主,重力、地形、地磁、视觉等特征信息为辅的组合导航系统越来越成为研究的热点问题.

一种复杂多介质环境下的视觉/惯性自适应组合导航方法

针对空间交会对接地面混合悬浮微重力模拟实验中自主水下航行器的高精度实时导航问题,提出了一种复杂多介质环境下视觉/惯性自适应组合导航方案和算法。首先,以视觉定位系统的采样时标为基准对惯导系统的测量数据进行拟合,并通过惯导逆向导航的方法实现惯导与视觉定位系统的时间同步。然后,根据视觉系统量测噪声时变的特点,设计了可对量测噪声在线估计的指数渐消记忆型Sage-Husa自适应卡尔曼滤波组合导航算法。最后,通过实验验证了该组合方案和算法的有效性。实验结果表明提出的方法可以实现复杂多介质环境下的高精度实时导航,并且相比于测量数据未同步的标准卡尔曼滤波组合导航方式,其速度误差和位置导航误差分别降低了56%和64%。

一种新的惯性/视觉组合系统初始对准的时域约束方法

视觉导航作为一种新兴的导航方式,近年来受到越来越多的关注。在惯性/视觉组合导航系统中,惯性子系统和视觉子系统之间的相对位姿参数估计是一个必须解决的重要问题。为此,基于增广时域约束建模,提出了一种组合系统内参标定的方法。该方法首先在惯性/视觉组合系统的传统标定模型的基础上,对系统状态和观测量的时域相关性进行了分析,建立了其时域约束模型;然后,采用可观测性分析方法,对该时域相关的多维非线性模型进行了可观测性分析,证明了时域约束条件的引入,能够改善系统的可观测性。最后对惯性/视觉组合导航系统分别进行了静态和动态实验,结果对比验证了时域约束模型的有效性。

惯性/视觉组合导航在不同应用场景的发展

针对惯性导航难以满足长时高精度的需求问题,提出利用视觉导航对相对导航信息敏感、精度随距离减少而提高的特点,来弥补惯性导航在水下、深空等封闭或复杂环境下的不足:根据地面、空中、水下和深空4种不同的应用场景,归纳惯性/视觉组合导航的发展现状;并对不同应用环境对惯性/视觉组合导航系统的需求和指标进行比较;最后展望惯性/视觉组合导航的发展趋势。

一种基于VINS/FINS组合导航方法

针对视觉惯性组合导航系统中微惯性器件精度偏低,以及足部惯性导航系统航向角误差可观测性差的问题,研究了一种基于上述两种系统的信息双向融合的导航定位方案.该方法的系统结构由安装于双足步行机器人躯干部分的惯性导航系统和安装于其足部惯性导航系统两部分组成.惯性导航系统通过视觉同时定位与地图构建数据融合方法可以获得相对准确的航向角,足部惯性导航系统利用零速修正后的位置信息实时修正惯性导航系统中的低精度惯性器件误差,从而构建视觉与惯性信息双向融合的组合导航系统结构.实验结果表明,该组合导航方案可以有效提高双足步行机器人的航向精度和定位精度.

GPS失效下的无人机组合导航系统

针对电力巡线无人机GPS失效下的导航问题,鉴于单一的惯性导航系统导航精度不高及高度通道发散的缺陷,利用电力巡线无人机必须配备的CCD高清相机构成单目视觉系统,组成基于单目视觉系统、气压高度计辅助的捷联惯性导航系统。系统通过事先设定的定位点信息修正导航系统的导航参数。文中给出了系统总体设计方案,建立了包括元件误差模型在内的组合导航系统模型,并进行组合导航与SINS导航对比的数值仿真。仿真结果表明,组合导航系统具有较好的容错性能,其导航精度和可靠性均有提高。

视觉辅助惯性定位定姿技术研究

在利用视觉系统辅助捷联惯性导航系统(SINS)进行定位定姿时,由于两者输出的位置表示方法不同,在信息融合时会存在匹配问题。以相对地理坐标系作为定位定姿系统的导航坐标系,重新对SINS进行了力学编排,分析了其误差传递特性,建立了相对地理坐标系下的状态方程模型,并利用Kalman滤波器实现了视觉辅助惯性定位定姿算法。仿真结果表明,方法避免了信息融合时位置匹配问题,同时降低了系统的计算量,满足了定位定姿系统的精度要求。

基于卡尔曼滤波的计算机视觉和SINS组合导航

计算机视觉及其应用是目前研究的一个热点。在介绍计算机视觉和计算机视觉导航的基础上,提出了利用计算机视觉和SINS进行组合导航的方法。由于地球上的基准位置是三维点,而计算机视觉形成的是二维的图像,因此随后详细介绍了成像以及坐标转换的方法,并对提出的组合导航方法进行详细的分析,建立了组合导航的误差方程,然后利用卡尔曼滤波算法对误差进行估算。最后的试验仿真结果说明,提出的组合导航方法提高了导航精度,具有一定应用价值。

一种微型无人机单目视觉SVO/INS组合导航方法

针对未知环境中微型无人机自主导航问题,提出一种单目视觉SVO/INS组合导航算法。使用半直接视觉里程计(SVO)作为视觉里程计前端,首先对SVO的初始化模块、关键帧选择及跟踪失败处理策略进行了重新设计,实现了SVO在摄像头前视场景中的应用。之后,设计了误差状态卡尔曼滤波器,基于惯性测量单元的测量值进行状态预测,采用SVO的估计结果作为观测值进行状态更新。使用EuRoc数据集对所提算法进行验证,结果表明所提算法可实现对无人机的位置、姿态和速度以及未知尺度、惯性测量单元零偏、重力方向的估计。导航时间3min位置估计误差为0.15m,俯仰和横滚角估计误差小于0.5°,航向角估计误差小于1.2°。所提方法具有计算量小、实时性好的优点,适用于机载计算资源有限的微型无人机导航。