摘要：针对煤矿巷道复杂环境下掘进机精确定位难题,提出了一种惯导与视觉融合的掘进机精确定位方法,该方法采用惯导与“视觉+激光标靶”的定位方案。该方案将设计的四特征点大尺寸激光标靶固定于巷道顶板,相机固定于掘进机机身采集激光标靶图像,并运用圆拟合法定位光斑中心和基于四特征点的epnp算法解算掘进机位置。为了验证“视觉+激光标靶”方法对掘进机位置检测效果,在模拟掘进工作面环境下开展了“视觉+激光标靶”位置检测试验,结果表明:在30 m内沿巷道宽度方向、掘进方向、高度方向最大误差不超过28.549 mm、78.868 mm、44.459 mm,实现了掘进机位置精确检测。针对惯导测量掘进机位姿误差随时间累积和掘进机振动对组合定位系统产生干扰导致位姿检测不准问题,提出改进Sage-Husa自适应滤波的惯导与视觉信息融合方法,该方法通过检测新息方差值修正量测误差来提高定位准确性。在模拟掘进工作面环境下开展了惯导与“视觉+激光标靶”组合定位实验,采用改进前后Sage-Husa自适应滤波算法融合惯导与视觉信息进行对比分析,结果表明:改进后Sage-Husa自适应滤波算法融合得到的定位误差更小,俯仰角、横滚角、航向角最大误差分别为0.029°、0.051°、0.0113°,在距离激光标靶30 m内巷道宽度位置误差在0.033 m范围内,巷道掘进方向位置误差在0.062 m范围内。所提出的惯导与视觉融合定位方法能够满足巷道掘进定位精度要求。

摘要：随着智能制造、人工智能等技术的快速发展,立体仓储和仓储机器人得到了广泛的应用,空间定位测量技术的需求提升。传统的定位测量技术存在精度低、测量范围有限的问题。为此,针对大尺寸空间三维立体位姿测量的应用场景,首先采用旋转激光扫描机构构建光电传感网络,激光平面后方交会于待测目标,然后运用epnp算法求出物料运输机器人在激光扫描机构坐标系的3D坐标,最后利用单位四元数法求出物料运输机器人相对于世界坐标系的位姿信息。应用结果表明:该方法能够进行大尺寸空间三维立体定位测量,系统稳定,鲁棒性强,能够满足实际应用需求。

摘要：利用计算机视觉进行姿态测量的方法已广泛应用于现代控制、导航、跟踪等多个领域中。研究并设计了一种基于P4P矩形分布的平面靶标和epnp算法结合的单目视觉姿态测量方法。首先,利用单相机获取平面靶标图像,经图像处理后得到四个特征点的像素坐标,并使用epnp算法进行姿态解算;其次,对姿态角测量误差进行了仿真分析,为提高姿态测量精度提供了理论指导和依据;最后,提出一种与高精度二维转台结合的坐标系配准方法,利用该方法对三个方向姿态角精度进行验证。实验结果表明:当绕x和y轴的转动角度在[-6°, 6°]时,姿态测量误差小于0.1°,可以满足测量应用需求。

摘要：针对机械臂药盒抓取操作中对药盒定位和姿态估计的要求,提出一种基于YOLOv3深度学习算法和epnp算法相结合的多药盒姿态估计方法,此方法主要分为多药盒定位和姿态估计两部分;首先通过YOLOv3算法实现药盒的快速精确定位,并通过定位框分割出单个药盒;然后进行特征提取和特征匹配并估计单应矩阵;通过单应矩阵的透视矩阵变换求得药盒平面4个角点的像素坐标并作为epnp求解所需的2D点,结合药盒先验尺寸信息在相机坐标系下构建药盒对应的3D点坐标以实现药盒姿态求解;通过结合OptiTrack系统设计了药盒姿态精度对比实验,结果表明,该算法充分发挥了YOLOv3算法兼具快速性和准确性的优势,并且具有良好的姿态估计精度,总体算法速度达到15 FPS,药盒姿态估计平均误差小于0.5°。