基于视觉与IMU融合的机器人位姿修正方法研究

为了提高机器人位姿修正精度,提出基于视觉与IMU融合的机器人位姿修正方法。构建机器人位姿参数分布模型,结合标准卡尔曼滤波模型进行机器人位姿参数融合和视觉特征重构,采用三维视觉信息跟踪识别方法进行机器人运动学模型的优化设计,基于视觉与IMU融合方法实现自主遥控双足机器人结构参数辨识模型的构建和位姿修正。仿真实验结果表明,采用该方法进行机器人位姿修正的精度较高,提高了机器人的自动化控制能力。

基于超声波与IMU融合的倒车测距算法

为实现精确测距,降低驾驶员倒车过程的难度,基于超声波与惯性测量单元(inertial measurement unit,IMU)的倒车测距方案,设计一种最大似然法与卡尔曼滤波相结合的超声波与IMU融合算法,并对融合算法进行分析和试验验证,证实该算法比单一超声波传感器具有更高的可靠性和精确度。

基于IMU/GPS的性能导航方法研究

利用直角坐标系与大地坐标系之间的关系,将状态方程直接采用经纬度描述,GPS测量数据与电子地图上的经纬度相匹配,建立了混合模型,给出了一种新的GPS与IMU融合估计方法,提高了重复定位精度,更方便地实现组合导航系统功能。采用GPS和IMU装置进行了地面车辆试验和实际飞行试验,说明了模型和方法的适用性。

基于直接法与惯性测量单元融合的视觉里程计

针对直接法完全依靠梯度搜索来计算相机位姿、容易陷入局部最优的缺点,本文将惯性测量单元(IMU)数据紧密关联到图像跟踪过程,提供精确的短期运动约束和较好的初始梯度方向信息,并对视觉位姿跟踪结果进行校正,提高单目视觉里程计的跟踪精度.在此基础上,基于相机和IMU测量结果建立传感器数据融合模型,采用滑动窗口的方式优化求解,同时在边缘化过程中根据当前帧与上一关键帧之间的相机帧间运动大小,选择应边缘化的状态量和应加入滑动窗口的状态量,确保在优化过程中有足够准确的先验信息,确保优化融合的效果.实验结果表明,与现有的视觉里程计算法相比,本文算法在数据集上的定位角度累积误差在3°左右,位移累积误差小于0.4 m.