基于改进ArUco标签的位姿估计方法

针对使用ArUco标签在远距离测量时精度不高的问题,提出改进ArUco标签的位姿估计方法。该方法在ArUco标签的基础上设计了阵列特征圆环,提取圆环的中心点并对其进行排序,根据交比不变特性判断出圆心检测的准确性;利用加权最小二乘法建立ArUco标签角点与阵列圆环圆心之间的直线拟合关系,实现角点修正;采用EPnP算法解算出改进ArUco标签的位姿参数,并利用LM算法对位姿进行优化,提高位姿测量精度。设计了机械臂视觉定位系统验证所提出方法的可行性和有效性。实验结果表明,此改进方法在2.5~4 m范围内测量的最大平移误差为8.72 mm,最大旋转误差为1.78°。所提出的方法在4 m处纵向距离测量的相对误差降低0.69%,提高了测量精度。

基于ArUco码的无地图AMR视觉辅助归航方法

传统视觉导航方法多依赖于稳定的环境特征和全局一致的地图,对于环境特征及光照要求较高,同时存在无法获得精确的导航位置、收敛性无法保证等问题;因此提出了一种不依赖全局地图,仅通过识别ArUco码信息实现自主移动机器人返航的方法。机器人在出发状态中识别并以时序记录相对于视界内的ArUco码的关键位姿,使得在返航状态中通过选择视界内时序更小的ArUco码并构建局部坐标系从而实现局部定位与导航,并通过局部坐标系的连续变化,实现无全局地图返回出发点的目的。机器人对不同的出发路径实现了返回出发点的结果并实现了静态障碍物的避障功能,在全覆盖路径返航测试中节约了79.16%的路程,同时机器人在20次重复定位测试中实现了平均停止误差0.8cm。该方法展现出对于不同出发路径采用更短的返航路径的能力,具有一定的自适应性。

基于ArUco检测的AGV辅助定位系统

移动机器人的自主定位技术在智能物流领域有着至关重要的作用,然而仅基于激光、视觉等传感器在未知环境下的位姿估计目前并不能满足一些需要高精度定位的场景需求。因此,本文提出一种基于辅助标记物的移动机器人定位系统,通过ArUco检测来实现AGV的精确定位,并结合TCP/IP实现与上位机调度系统的通信,完成整个搬运AGV上下料流程。

ArUco-SLAM:基于ArUco二维码阵列的单目实时建图定位系统

高精度自动建图算法是ArUco二维码阵列定位系统应用的前提和核心,现有在线建图算法累计误差大且易受误检测影响,而人工标定和离线建图的方式则效率低、耗时长.为解决上述问题,本文提出了一种ArUco-SLAM单目实时建图定位算法,其采用前后端并行建图、联合优化的框架,前端以坐标系变换封闭原理对地图进行快速更新和局部修正;后端以非线性优化算法最小化二维码顶点总体重投影误差,实现对关键帧序列囊括地图的全局优化;最终,基于联合优化算法实现对前后端地图的匹配,消除前端地图的累计误差.设计实验对所提算法进行了验证,实验结果证明其相比现有建图系统有着累计误差小和建图效率高的优点,具有建立大规模二维码阵列厘米级精度地图的能力.

融合ArUco码先验信息的SLAM累计误差消除算法

移动机器人在无回环场景通过双目视觉传感器估计位姿时,存在累积误差无法消除的问题。为解决此问题,提出了一套利用ArUco码先验信息辅助消除累积误差的算法。该算法由ArUco码检测、相机位姿估计和累积误差消除三部分组成。首先,通过阈值化、四边形检测及亚像素优化等图像处理方式检测到ArUco码在图像中的位置;其次,通过PNP算法及先验ArUco码信息估计当前帧相机的位姿;最后,构建携带先验ArUco码信息的图模型,以Levenberg-Marquardt算法迭代优化该图模型,消除SLAM系统的累积误差。实验结果表明,该算法能够有效地消除双目视觉传感器位姿估计的累积误差,并且满足机器人实时定位的要求。

基于ArUco Marker及稀疏光流的动态目标实时跟踪技术

文中提出了一种基于ArUco marker及稀疏光流的动态目标跟踪方法,将ArUco marker与稀疏光流相结合实现动态跟踪,并改善双目匹配的精度。在具体实施过程中,基于检测到的ArUco marker标记进行旋翼无人机的动态跟踪,同时利用双目视觉系统测量并计算ArUco marker在相机坐标系下的相对坐标;然后通过平面拟合得出目标的实时位姿;最后开展了无人机抓捕实验,验证了ArUco marker结合稀疏光流动态目标跟踪方法的有效性。

基于ArUco标志的农机翻地移动增强现实系统设计

针对传统农机翻地作业季节时令性强且不易观察的问题,以水稻本田作业农机为研究对象,设计了一种基于ArUco标志码的农机翻地移动增强现实仿真系统。通过对手机视频流进行自适应阈值处理、轮廓查找以及比特位比对等操作,识别空间中的ArUco标志;使用张正友标定法对手机相机镜头进行标定,通过ArUco标志的角点对手机相机进行位姿估计并通过坐标空间转换实现AR的定位与追踪。利用3DS Max设计本田作业农机具三维虚拟模型,对模型主体作业部分进行拆分,重新定向各部分的模型轴心。结合Unity 3D引擎对农机翻地作业过程进行仿真设计,并移植到手机移动端。通过手机移动端扫描地板上的ArUco标志,便可以在真实物理空间中还原水稻本田农机翻地作业环境,实现对虚拟农机翻地过程的仿真模拟与交互控制。在谷歌Pixcel XL手机上对仿真系统进行真机测试,结果表明:系统在手机移动端运行帧率稳定在46 fps以上,且AR识别速度快、准确率高,为其他农业仿真应用提供了新的技术参考。

基于UKF的ArUco码和轮式编码器融合定位算法

为提高机器人的定位精度和鲁棒性,避免使用激光雷达和高精度惯性测量单元(inertial measurement unit,IMU)等高成本传感器,采用一种ArUco码作为人工标识,相机作为主要的传感器定位方法。进一步,提出基于无迹卡尔曼滤波(unscented kalman filter,UKF)的融合定位算法,其融合了视觉信息和轮式编码器信息,有效的降低了光照变化、运动模糊、路面不平对定位精度的影响。通过搭建基于ROS(机器人操作系统)的实验平台,对比了三种定位方法,验证了UKF融合定位算法可以有效提高定位精度和鲁棒性。

ArUco辅助的爬壁机器人自主定位方法

针对现有的爬壁机器人定位技术在纹理特征不明显、环境相对封闭、存在强磁干扰等特殊环境下的不足,提出利用机载鱼眼相机观测固定于地面的ArUco码的全新定位方案并实现了基于该定位方案的惯性测量单元/编码器/鱼眼相机多传感器融合的自主定位方法A-IEF。该方法首先识别ArUco码,并根据其在鱼眼图像中的位置筛选关键帧;然后,研究了固定于地面的ArUco码的角点在鱼眼图像中的重投影规律,并结合机器人姿态约束进行重定位优化;其次,在关键帧区间内,推导了角点重投影误差关于机器人位置和姿态增量的雅可比矩阵;接着,设计了基于ES-EKF(误差状态扩展卡尔曼滤波)的多信息融合方法,以编码器估计的位移误差及ArUco角点重投影误差作为观测量,实现对机器人航向角和位置的修正;最后,在大型钢制构件上进行测试,试验结果表明,本文方法具有更高的定位精度,其中位置估计精度保持在0.06 m以内,航向角估计精度保持在3.7°以内,相较于ArUco-rectified、航位推测法等定位算法,位置误差降低约47%,航向角误差降低约68%,并能够实现在弱光照环境中的定位。

基于LED背景墙分时复用的摄影机注册跟踪方法

近年来,LED虚拟摄制日益兴盛,摄影机跟踪系统作为关键组成部分,决定着虚拟场景与真实摄影机运动匹配的效果,目前行业内的摄影机跟踪方案大都依赖于专用设备,且受环境光照变化、道具器材遮挡等影响较大。本文提出了一种基于LED背景墙分时复用的摄影机注册跟踪方法,无需使用专用跟踪设备,通过在LED背景墙上分时显示二维码标识与虚拟场景,实时分析摄影机采集到的含有二维码标识的画面,得到摄影机的位姿数据,同时将数据传送至虚拟摄影机,实现内视锥的正确渲染,完成摄影机的注册与跟踪。本文从准确性和鲁棒性角度对该方法进行了实验分析,结果表明,该方法能够简化LED虚拟摄制系统构成的有效摄影机跟踪系统。

ROI加速的无人机自主精准降落系统

GPS信号在有遮挡的环境中信号差且定位精度低,无法满足无人机在特定区域精准定位的要求。而计算机视觉定位相较于GPS,受环境影响小且定位信息丰富。基于此,文中设计一种ROI加速的无人机自主精准降落系统,采用“H”与Aruco marker嵌套的降落标识在不同高度给无人机提供定位信息。基于深度学习的目标检测算法分割相机视野中的感兴趣区域(ROI),利用阈值分割的图像识别算法在ROI区域进行Aruco marker检测,滤除ROI区域外的图像区域,提升目标识别速度。根据marker二维像素点与三维坐标点的对应关系求解无人机与marker的相对位置。基于求解出的三轴位置设计位置PID控制器,将无人机与marker的三轴位置差转换为速度控制量。进行无人机自主降落的试验,随机统计20次的降落结果,得出18次的降落轴向误差在10 cm以内,说明所设计系统能够满足无人机降落精度要求。

基于多层级合作标识无人机自主着舰视觉引导方法

无人机自主着舰视觉引导应用距离跨度大、测量精度要求高,尚缺乏有效的解决方法,针对此问题,提出一种基于多层级合作标识的无人机自主着舰视觉引导方法。该方法首先设计了基于ArUco的多层级组合新型合作标识,利用边缘检测算法对每一层ArUco二维码提取控制点,进一步通过求解PnP(Perspective-n-Point)问题得到机舰间相对位姿信息,然后对每一层二维码所解算出的位姿数据进行非线性误差补偿,利用最小二乘法(Least Mean Squares,LMS)与熵权法解算不同层级二维码的权值大小,最终通过融合不同层级二维码位姿解算结果得到最终的位姿信息,实现大距离跨度范围内的高精度位姿求解。实验结果表明,本文方法实现了大距离跨度范围内机舰间相对位姿参数的高精度测量,可为无人机自主着舰提供可靠引导信息。

融合SLAM和Marker的AR单目视觉定位算法

针对目前AR存在定位困难及跟踪不稳定的情况,提出了一种融合SLAM和Marker的AR单目视觉定位算法,采用ArUco Marker构建了具有真实尺度的ORB_SLAM2系统,并提高了初始化速度;利用Marker定位优化了跟踪线程和回环检测线程,减小了累计误差;通过在点云地图中记录Marker的坐标信息,解决了单纯基于标记的定位系统对于Marker的过度依赖问题。实验结果表明,该融合定位算法明显提高了跟踪精度和鲁棒性,AR系统的虚实融合画面也更加稳定。

一种基于视觉二维码/惯性融合的室内高精度定位定姿方法

当前基于视觉二维码的定位定姿方法依赖连续清晰的图像,当图像出现丢失或模糊现象时,性能难以保证。针对这一问题,提出了一种基于视觉二维码/惯性融合的室内高精度定位定姿方法,具有成本低、灵活和便携的特点。所提方法以捷联惯导算法为核心,通过拍摄预先布设且坐标已知的二维码(ArUco码)获得高精度的位置修正信息,并使用扩展卡尔曼滤波进行信息紧耦合。采用反向平滑算法融合二维码观测信息提升定位定姿精度,结合惯性的位姿推算能够有效地应对摄像头短暂遮挡或图像模糊等问题,提升系统的鲁棒性。实验结果表明,视觉观测出现中断时,所提方法也能够连续可靠地实现3.2 cm(RMS)的定位精度,并达到与参考系统的定姿差异优于0.1°(RMS)。

一种基于三维特征点集的激光雷达与相机配准方法

针对无人驾驶技术中的激光雷达与相机的配准问题,提出了基于两传感器数据中对应的三维特征点集来求解激光雷达与相机配准参数的配准方法。首先,利用Ar Uco标签确定纸板标志与相机坐标系的关系,在纸板尺寸和位置已知的情况下可得纸板角点在相机坐标系下的坐标,基于随机抽样一致算法提取激光雷达点云中的纸板边缘,以边缘交点为纸板角点,从而建立两组角点的对应关系;然后,利用Kabsch算法求解激光雷达与相机的最优配准参数;最后,将求得配准参数与人工测量结果作比较,验证该方法的可行性。为了进一步确定方法的准确性,将该方法用于两台相机的配准,通过相机点云数据融合的质量来评价该方法的准确性。试验结果表明,基于对应三维特征点集的配准方法可以实现激光雷达与相机配准参数的准确求解,同时该方法也适用于两台或多台相机的配准。

多标记室内小型无人机定位与姿态估计方法

随着无人机(Unmanned Aerial Vehicle,UAV)小型化、轻便化的发展,因其价格低廉,以及在娱乐和服务领域的广泛使用的特点,使得如何实现一个便捷且易实现的自主飞行跟踪系统成为关注点。由于无人机在室内GPS信号弱,使得跟踪与姿态获取成为进一步室内无人机自主控制的重点与难点。与动辄几十万美元搭建的无人机跟踪系统相比,采用低成本单目摄像机的无人机跟踪系统具有更高的科研价值和更广泛的应用前景。针对目前流行的基于增强现实(Augmented Reality,AR)技术的ArUco标记算法和颜色空间域标记算法,设计了一种多标记的无人机跟踪系统。在无人机目标跟踪过程中比较两种方法,验证了两种方法非接触式深度传感器无人机跟踪和姿态估计的效果,并比较了两种方法对空间亮度与空间颜色复杂度的鲁棒性,以及不同跟踪距离下视频中无人机检出率与跟踪精度。实验结果表明,基于深度摄像机获得的无人机位置和姿态数据,无人机可以进行自主的PID控制飞行,且AR标记在复杂环境下无人机的检出率、跟踪实时性、姿态估计精度以及鲁棒性都优于颜色标记,为之后室内无人机在非接触式传感的控制、路径规划、自主规避等进一步实验研究提供了无人机的位置和姿态数据。

基于改进D*算法的无人机室内路径规划

针对多旋翼飞行器室内无GPS信号时的导航问题,本文采用二维码阵列构建室内定位系统,基于改进D^*算法实现无人机室内路径规划,从而实现飞行器在室内的自主导航和避障。基于ArUco二维码设计了地面阵列为无人机提供了全局精确定位信息,使用改进D^*算法保证了无人机在飞行过程中能自主进行路径规划和飞行。通过设计实验对改进D^*算法进行了数值仿真验证,并在实际无人机的飞行中应用。实验结果证明:所提改进算法较传统D^*算法能更好地保证无人机的飞行安全,同时基于二维码阵列的定位方式不但具有较高精度同时成本低易于实现。

基于单目视觉的无人机自主跟踪降落研究

无人机对地面运动物体的跟踪研究一直是无人机自主控制领域重要的研究方向。以四旋翼无人机为平台,设计了无人机对地面目标的自主降落跟踪系统。在无人机上搭载单目相机获取地面移动机器人的图像信息,同时搭载的计算机实时计算获取地面移动机器人的运动状态数据,然后反馈给无人机运动控制系统,完成对地面移动机器人的跟踪。实验表明,该系统可以进行稳定的地面运动物体跟踪。

针对无人机降落过程的复合地标设计方法

提出了一种针对无人机自主降落过程的复合地标设计方法。首先依据Aruco标记检测原理,将Aruco标记的中心方格替换为编码规则相同的Aruco标记,实现复合地标的快速生成;其次以标记顶点作为三维世界坐标系和二维图像坐标系的匹配点,通过求解PnP问题从而实现相机与复合地标之间的位置估计。测试表明,所设计的复合地标有效可行,单次地标检测时间为11.6 ms,高度估计误差小于5 cm,满足无人机降落过程中的实时性与精度需求,提高了无人机自动降落的效率。同时,所提出的复合地标生成方案能够满足多机多降、单机多点降落等情形的降落标记设计需求,对多旋翼无人机的编队应用有较高的参考价值。

铁路物流园内集装箱AGV的导航与精度研究

以国内某铁路物流园内AGV集装箱转运为工程背景,为解决AGV的定位导航问题,设计一种基于视觉ArUco标签与惯性导航系统组合的自主导航系统,通过分析惯性导航系统的位置方程和误差方程,研究误差的主要组成部分,按照实际工况,计算AGV惯性导航系统理论位置误差。根据前摄像头几何成像数学模型、ArUco标签特征点与图像特征点之间的投影变换关系,得出AGV在堆场的确切位置,该位置信息作为惯性导航系统的初始值,对惯性导航系统的累积误差进行修正,实现AGV的粗定位导航。使用AGV俯视摄像头进行装卸集装箱精确定位,计算相机测量误差方程。通过实际测量验证了位置误差理论计算的正确性。该方法为AGV定位导航方案设计、精度计算、传感器选型及布置提供一定的参考。