Kalman滤波-BP神经网络在执行机构自主定位中的应用

摘要

在执行机构对目标物体进行自主定位过程中,定位误差的实时计算、误差修正和状态分析往往比较困难.为此,提出基于三帧差法的Kalman滤波算法进行末端动态捕捉,利用反向传输(BP)神经网络分类思想进行目标识别,基于点云库的点云提取和处理算法,获得末端和目标物体的空间坐标.最后,将散乱点群进行网格化和3D空间插值.实验结果表明,算法能实时检测并跟踪运动末端,预测精度达到99%,且目标物体的识别率为99%,并可在短时间内修正定位误差,使末端中心点逐步收敛到目标质心,自主定位成功.用三维拟合法对算法的有效性进行验证,并对定位过程进行了状态分析.新算法能完成执行机构的自主定位,省去了相机标定过程,提高了系统效率.