基于多视觉传感器信息融合的位姿估计

发布时间：2023-03-03 22:40

　　位姿估计是通过利用传感器获取特征信息进而计算获取目标主体在空间中的位置和姿态的方法。位姿的准确获取对实现机械臂准确跟踪、航天器姿态调整、手术器械位姿确定、风洞模型姿态测量等应用起着关键作用。视觉传感器作为一种成本较低、位姿估计精度较高的传感器,在位姿估计系统中占用重要地位,但在实际应用环境中,常常因为存在眩光、外部噪声干扰、人为干预等问题,导致传感器无法获取完整的特征信息,从而影响系统的跟踪结果。本文针对基于视觉的位姿估计技术、多传感器技术、信息融合以及遮挡处理方法等关键技术开展了研究工作,主要内容包括:1、提出了一种基于过程噪声方差自适应调整的无迹卡尔曼滤波位姿估计方法。针对位姿估计过程中系统过程噪声未知的问题,本文提出了一种适用于无迹卡尔曼位姿估计的过程噪声方差自适应调整方法,通过引入改进的Sage-Husa噪声估计器,在每次滤波迭代的过程中对过程噪声协方差进行调整,进而降低因过程噪声方差不确定性对估计结果造成的影响。仿真和实验结果表明,本文提出的自适应无迹卡尔曼滤波位姿估计方法能够有效估计目标位姿轨迹,并且提高了位姿估计精度。2、提出了一种基于自适应无迹卡尔曼滤波的矩阵加权分布式...

【文章页数】：91 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 课题研究背景与意义
    1.2 国内外研究现状
        1.2.1 视觉位姿估计
        1.2.2 多传感器信息融合
        1.2.3 多传感器位姿估计系统
    1.3 论文研究内容
    1.4 论文组织与结构
第二章 多视觉传感器位姿估计系统相关理论
    2.1 多视觉传感器位姿估计系统的坐标系定义
        2.1.1 像素存储坐标系
        2.1.2 图像坐标系
        2.1.3 相机坐标系
        2.1.4 刚体坐标系
        2.1.5 平台坐标系
        2.1.6 世界坐标系
    2.2 坐标系转换
        2.2.1 像素存储坐标系与图像坐标系转换
        2.2.2 图像坐标系与相机坐标系转换
        2.2.3 像素存储坐标系与相机坐标系转换
        2.2.4 相机坐标系与世界坐标系转换
        2.2.5 刚体、平台及世界坐标系转换
    2.3 三维空间刚体的姿态表示
        2.3.1 三维坐标系转换
        2.3.2 欧拉角表示方法
    2.4 位姿估计算法
        2.4.1 卡尔曼滤波
        2.4.2 扩展卡尔曼滤波
        2.4.3 无迹卡尔曼滤波
    2.5 本章小结
第三章 基于自适应无迹Kalman滤波的分布式融合方法
    3.1 投影模型
    3.2 位姿估计系统描述
    3.3 基于AUKF的滤波器设计
    3.4 基于AUKF的矩阵加权分布式融合估计器
    3.5 本章小结
第四章 遮挡情况下刚体位姿估计的自适应无迹卡尔曼分布式融合方法
    4.1 引言
    4.2 系统模型描述
    4.3 遮挡情况下的位姿估计方法
        4.3.1 严重遮挡
        4.3.2 部分遮挡
    4.4 本章小结
第五章 实验与结果分析
    5.1 实验平台搭建
        5.1.1 实验硬件平台
        5.1.2 实验软件平台
        5.1.3 系统运行框图
    5.2 基于过程噪声方差自适应调整的UKF方法
        5.2.1 仿真
        5.2.2 实验
    5.3 基于自适应UKF的分布式融合方法
        5.3.1 仿真
        5.3.2 实验
    5.4 遮挡情况下刚体位姿估计的自适应UKF分布式融合方法
        5.4.1 仿真
        5.4.2 实验
    5.5 本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
参考文献
致谢
作者简介
    1 作者简历
    2 攻读硕士学位期间发表的学术论文
    3 参与的科研项目及获奖情况
    4 发明专利
学位论文数据集



本文编号：3753244