基于Marker-SLAM的视触觉增强现实交互算法

视触觉增强现实是将触觉感知加入到增强现实中的一种新技术。不仅可以融合真实场景和虚拟对象,还能实现视觉和触觉的同步感知。基于3D Systems Touch触觉设备提出一种新的视触觉交互算法。首先,基于Marker-SLAM算法搭建增强现实环境,用于实时获得相机在地图中的位姿;其次,为了将触觉信息融入到增强现实环境中,提出基于无跟踪器的触控笔尖端姿态优化算法;最后,分别采集测量点在触觉和世界坐标系中的三维信息,通过确定两个坐标系间的刚性变换,将触觉设备的正向运动模型映射到增强现实空间中。所提出的跟踪注册方法的注册准确率均达到90%以上,与基于跟踪器的方法相比,所提出的姿态优化算法获得的校正位置的平均误差为2.3±0.2 mm。

面向复杂装备AR辅助维修的混合跟踪技术

针对装备维修过程中因装备结构复杂、维修人员经验技术不足和缺少直观维修手段而易导致维修效率低下和操作出错的问题,通过研究基于增强现实的装备维修方案,直观交互地进行维修作业,从而有效提升维修的质量和效率。针对装备的体型较大,结构较为复杂,对其进行跟踪定位较为困难的问题,结合实际的工程需求,创新性地对主流方法进行融合,提出多Marker和ORB-SLAM混合跟踪的方法。通过二次调整多Marker定位结果的动态权值,提高局部定位维修的精度和可靠性。对现有的特征点算法进行分析比较,选择ORB-SLAM实现全局的定位和导航,对维修过程进行指导,并设计开发装备诱导维修系统,为大型复杂设备的维修提供通用解决方案。

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。