基于多传感器信息融合的机器人姿态测量技术研究

摘要

在机器人导航与运动控制中，实时获取运动姿态是不可缺少的重要步骤之一，尤其在自平衡移动机器人的平稳姿态控制中更为关键。自平衡移动机器人在实现各种复杂动作以及定向移动时需要时刻感知航向(yaw)、俯仰(pitch)以及滚转(roll)三个自由度的变化，并根据测量结果调整好自身的空间姿态，从而保持平稳运动，因此研究机器人运动姿态的实时测量技术有着十分重要的意义。
　　首先本文采用低成本MEMS传感器件设计一种基于惯性导航技术的机器人姿态测量系统。系统硬件部分主要由数据采集与处理、MEMS传感器、数据存储、电压转换以及串口通信五个功能模块组成;而软件部分主要包括系统硬件底层驱动设计和数据融合算法实现。在姿态测量过程中，系统主控制器STM32F405RG通过SPI总线采集惯性测量单元MPU6000的角速率和加速度数据，同时通过IIC总线采集数字罗盘HMC5883L的地磁场数据，然后利用数据融合算法解算出机器人当前姿态，并且通过串口将更新的姿态发送至PC端实时显示。
　　对于运动姿态实时更新，本文提出了两种基于四元数姿态的数据融合算法:梯度下降和互补滤波，并且在自行设计的姿态测量系统中进行验证与对比。由于陀螺仪侧重于动态性能，而加速度计与数字罗盘则更侧重于静态性能，因此数据融合算法的总体设计思路均为:对陀螺仪的角速率进行高速积分，同时将加速度计的重力场数据和数字罗盘的地磁场数据与角速率积分结果进行低速融合，从而不仅纠正了陀螺仪的漂移误差，还实现了三种传感器在组合应用中的优势互补。
　　为了弥补惯性导航技术中惯性器件随机误差累积而导致测量精度下降的缺陷，本文最后还研究了基于双目立体视觉的姿态测量方法，且主要研究目标为实现惯性导航技术与双目立体视觉对机器人运动姿态的组合测量。双目立体视觉除了能够测量三维姿态，还可进行空间定位，因此被广泛应用于目标检测、跟踪与定位。在实验过程中，本文首先采用两个相同的摄像头采集16组左右图像，其次利用matlab进行摄像机参数标定，最后使用计算机视觉库(OpenCV)完成图像校正与匹配。

目录

声明

致谢

摘要

1 引言

1．1 课题背景

1．2 姿态测量方法

1．3 多传感器信息融合

1．3．1 信息融合技术发展与概述

1．3．2 信息融合方法

1．3．3 信息融合在机器人领域的应用

1．3．4 信息融合发展趋势

1．4 本文研究内容

2 姿态测量系统硬件设计

2．1 系统总体设计方案

2．2 数据采集与处理模块

2．3 MEMS传感器模块

2．3．1 陀螺仪

2．3．2 加速度计

2．3．3 数字罗盘

2．3．4 惯性测量单元MPU6000

2．3．5 数字罗盘HMC5883L

2．3．6 气压计MS5611

2．4 数据存储模块

2．5 电压转换模块

2．6 串口通信模块

2．7 本章小节

3 姿态测量基本原理

3．1 欧拉角

3．2 姿态矩阵

3．3 捷联姿态解算

3．3．1 四元数简介

3．3．2 四元数法

3．4 本章小节

4 多传感器数据融合

4．1 等效旋转矢量表示

4．2 数据融合算法设计

4．2．1 梯度下降算法

4．2．2 互补滤波算法

4．3 传感器校准

4．3．1 陀螺仪校正

4．3．2 加速度计标定

4．3．3 数字罗盘校准

4．4 姿态测量实验

4．4．1 软硬件实验平台简介

4．4．2 算法验证与结果分析

4．5 本章小节

5 双目立体视觉技术

5．1 双目图像采集

5．2 摄像机标定

5．2．1 摄像机模型

5．2．2 单目标定原理

5．2．3 标定参数求解

5．2．4 双目标定原理

5．2．5 标定实验与结果

5．3 图像校正

5．3．1 图像畸变

5．3．2 对极几何与极线约束

5．3．3 双目校正

5．4 立体匹配

5．4．1 区域匹配算法

5．4．2 匹配算法验证

5．5 三维重建

5．5．1 三维测量原理

5．5．2 重投影

5．6 本章小节

6 总结

参考文献

作者简历及攻读硕士学位期间取得的研究成果

学位论文数据集