里程计

摘要： 针对里程计、惯性测量单元和激光雷达三种传感器融合定位过程中,存在累积误差大、跟踪目标易丢失的缺点,提出了一种基于超宽带、惯性测量单元、里程计和激光雷达多传感器融合的室内定位方法。该方法先将超宽带数据进行滤波,降低其漂移误差,再由超宽带提供初始绝对坐标并进行定位纠偏,降低了里程计的累积误差。实验表明,相较于原三种传感器融合的定位方法,该方法可以有效提高室内移动机器人的定位精度,将定位误差降低8%,节约位姿初始化时间80s。

摘要： 针对复杂环境下单一导航定位技术存在精度低、可靠性和完整性差的问题,提出一种GPS+BDS-3的PPP/INS/ODO组合导航方案。采用GPS+BDS-3双系统观测数据,推导无电离层组合PPP模型,进一步给出PPP/INS/ODO组合模型并分析时间异步及杆臂误差的处理策略,结合里程计测速信息和非完整性约束信息,提高组合导航的定位性能。利用仿动态和动态跑车实测数据,分别对GPS+BDS-3无电离层组合PPP的定位性能和PPP/INS/ODO组合导航的定位性能进行分析。实验结果表明,GPS+BDS-3组合定位精度较单系统有显著提高;PPP/INS/ODO组合系统在复杂环境下位置的RMSE优于1 m,可为复杂环境下的车载导航提供技术支撑。

摘要： 在地面车载组合导航GNSS/OD/SINS中,全球导航卫星系统(GNSS)信号容易受到环境的干扰甚至发生中断,将非完整性约束(NHC)应用于里程计(OD)/捷联惯性导航系统(SINS)组合,可以有效抑制GNSS信号中断期间组合导航系统的误差发散。通常NHC的噪声设定基于固定的经验值,然而在实际运动过程中,车辆运行轨迹复杂多变,其运动状态不能完全满足NHC前提假设,经验给定的噪声无法准确反映车辆实际运动情况。为此,本文分析了NHC噪声与车辆运动状态的关系,构建了一种基于车辆运动状态的NHC噪声自适应方法。通过所选场景的实测数据验证表明:采用噪声自适应的NHC/OD/SINS组合导航结果相比于固定噪声的NHC/OD/SINS组合,在GNSS信号中断110 s、车辆连续转弯的情况下,最大水平位置误差减小了68.4%;在GNSS信号中断74 s、车辆直线行驶的情况下,最大水平位置误差减小了87.3%;能较好地抑制GNSS中断期间组合导航系统的误差发散。

摘要： 为解决传统机器人SLAM在复杂场景下难以保持实时性和稳定性的问题,提出一种对ORB(oriented FAST and rotated BREIEF)特征点过于密集的改进方法,对前端视觉里程计以及SLAM后端进行优化。前端利用划分像素结合四叉树完成特征提取,对像素进行划分提高部分区域提取到特征点的概率,四叉树方法对特征点进行均匀分配提取。RANSAC组合EPNP+ICP的方式减少求解相机运动的误差,基于词袋模型和G2O进行闭环检测和图优化,生成轨迹一致的全局点云地图。将传统的算法和改进的算法在TUM数据集下进行实验对比,实验结果表明,改进后算法的实时性和稳定性明显提高。

摘要： 针对传统转运平台转向性差,转弯半径过大,运动路径固定等特点,设计了一款基于麦克纳姆轮的智能全向移动平台,使全向移动平台在平面内克服旋转半径限制,实现直行、横移和原地自转。本文围绕麦克纳姆轮式智能全向移动平台的运动控制模型和轮式里程计系统误差校正方法展开研究,针对全向移动平台系统误差主要来源——车轮直径的测量误差和轮距的安装误差,提出了一种基于ROS的里程计系统误差校正方法,并设计了校正实验确定参数,使用此参数可以有效的抵消轮子直径测量误差和轮距安装误差所产生的系统误差,提高位姿定位精度。该校正方法分别考虑了系统误差对移动平台直线运动和旋转运动的影响,通过直线运动和旋转运动的数据确定校正参数[1]。实验结果表明:该方法有够有效减少系统误差,位置定位精度提高了4.9%,姿态定位精度提高了2.7%。

摘要： 针对目前激光雷达为降低成本进而降低速度呈现出的采样频率低、采样点稀疏的发展方向与提高移动机器人移动速度的发展要求不匹配的现状,设计实现了一种畸变矫正算法,通过获取移动机器人搭载的位置姿态传感器数据,运用滤波算法和球面线性插值算法对姿态进行滤波估计,从而实现激光点云的畸变矫正。最后通过搭建ROS提供的Gazebo仿真平台,利用Rviz可视化,直观清晰地展示了矫正效果,验证了畸变矫正算法的准确性和可行性。

摘要： 目前基于惯性导航系统和里程计组合的采煤机定位方法直接用里程计输出对惯性导航系统推算得到的采煤机前进速度进行修正,但抑制惯性导航系统误差发散的能力非常有限。采煤机在运动过程中满足非完整性约束的特点,即在采煤机不发生跳跃和侧滑的情况下,牵引齿轮和履带连接处的侧向和垂向速度为零。基于该特点,在惯性导航系统和里程计组合定位的基础上,提出了一种基于非完整性约束的采煤机定位方法。安装于采煤机机身中部的惯性测量单元输出经机械编排获得采煤机姿态、速度和位置信息;安装于采煤机牵引齿轮上的里程计输出用于计算采煤机瞬时速度。使用惯性导航系统的机械编排结果和误差传播模型建立卡尔曼滤波状态方程,在采煤机牵引齿轮和履带的连接处引入非完整性约束,利用惯性导航系统投影在连接处的速度与里程计输出的速度之差作为观测向量,建立卡尔曼滤波观测方程;将卡尔曼滤波算法处理后的结果作为误差反馈,对惯性导航系统的输出进行修正,得到采煤机姿态、速度和位置的最优估计。实验结果表明,相较于传统惯性导航系统和里程计组合的定位方法,加入非完整性约束后定位误差没有随时间发散,对实际轨迹具有良好的追踪性能;采煤机在前向、侧向、垂向上的定位误差分别降低了66%,62%,67%。

摘要： 针对室内AGV的自主导航中位姿获取问题,为了得到精度较高、稳定可靠的位姿信息,提出了一种基于EKF算法融合多传感器数据的方法。通过建模分析,讨论各种位姿估计方法的优缺点,针对里程计和IMU的累计误差问题,借助UWB来消除,针对UWB非视距误差的问题,提出动态加权的思想,针对特殊的路段,借助里程计和IMU来改善。实验结果表明,多传感器融合能有效地克服各种传感器的局限性,优势互补,得到精确可靠的位姿信息。

摘要： 针对车载惯导/里程计组合导航系统中,里程计测量脉冲输出只为整数,存在截断误差的问题,提出了3种考虑里程计截断误差补偿的SINS/OD组合导航算法。首先,在传统的速度匹配组合导航基础上,将里程计截断误差作为系统状态变量,建立了基于速度观测的考虑截断误差的卡尔曼滤波导航算法;其次,为了降低噪声,不改变系统状态量,将捷联惯导输出转化为脉冲输出与里程计脉冲输出做差作为量测值,建立了基于脉冲观测的卡尔曼滤波导航算法;最后,针对随机常值模型估计里程计截断误差的局限性,提出基于高斯回归模型的里程计截断误差预测和对观测值进行补偿的方法,以实现组合导航解算。140多公里的车载实验结果表明,基于脉冲观测和基于高斯回归模型的算法相比传统算法在定位精度上均提升了80%以上。

摘要： 常见的单目视觉-惯性SLAM算法,应用于以平面运动为主的轮式机器人时,由于存在额外不可观测度等原因常会导致导航定位精度下降。为解决该问题,提出一种能提高定位精度的视觉/IMU/里程计紧耦合的SLAM算法。在视觉前端部分,改进了原始图像金字塔LK光流法,将陀螺仪的旋转信息和里程计的平移信息作为先验,进行了可减少计算量的光流初值计算过程优化;引入车轮里程计信息,推导了IMU/里程计预积分;将里程计约束加入初始化过程和后端非线性优化中,实现视觉、IMU、里程计信息的充分融合利用。开源数据集测试和小车实验结果表明,新算法光流迭代次数减少约32.5%,定位误差均值相比VINS-Mono减少约40%。

摘要： 本文讨论了一种非线性随机系统--捷联惯导系统中的辨识问题,提出了一种新的里程计刻度因子在线辨识算法。根据零速修正原理,惯导速度误差满足Schuler 周期,具有缓变的特性,算法将短时间间隔的速度变化作为信息量,采用最小二乘法辨识里程计刻度因子。为了增强工程实用性,辨识计算中采用了跟踪微分器和渐消记忆最小二乘法。算法能够跟踪里程计刻度因子的变化,因此适用于载体行驶时间长,路面状况变化大的导航场合.通过跑车仿真实验,算法跟踪速度快,辨识精度高,能够大大提高导航定位精度。

摘要： 利用一种新型的人工路标系统-MR二维码，提出了基于单目视觉和里程计的SLAM方法。简单介绍了MR码系统，给出了一种实用的里程计位置估计误差模型，通过实际实验确定了模型参数，验证了模型的合理性。机器人移动过程中，利用EKF对视觉信息与里程计信息进行融合。在室内环境下进行了实际实验，实验结果表明，该算法提高了机器人定位和构建地图的精度，验证了本算法的有效性。

摘要： 以三台Pioneer-3AT型轮式移动机器人为平台,构建了室外环境下的多机器人协作系统.编制了多机器人协作规划控制软件,通过无线局域网利用TCP/IP协议以信息订阅的方式进行通讯,采用势场栅格法为机器人规划路径.机器人采用差分GPS和里程计以加权融合的方式进行定位,采用电子罗盘测量航向.经实验,机器人可以实现0.5米的定位精度和2度的航向精度,可以在室外环境下进行较高精度的协作运动。

摘要： 本发明提供了一种基于里程计测量信息的惯导/里程计车辆组合导航方法及系统，包括：估计出导航系统状态，包括：累积脉冲观测法步骤：增广里程模型到现有导航系统模型中，使用里程计的累积脉冲计数作为导航系统的观测信息，根据序贯滤波器估计导航系统状态；或者，脉冲速度观测法步骤：对脉冲计数时间序列进行小区间建模，设计一个卡尔曼滤波器使用累积脉冲计数作为观测，估计出脉冲速度信息，然后将脉冲速度信息作为车辆导航系统观测信息，使用序贯滤波器估计出导航系统状态。本发明可以直接使用累积的行驶路程作为测量信息，有效地对累积行驶里程误差进行约束；并且本发明获得了高精度的脉冲速度测量信息，具有更高的车辆速度测量精度。

摘要： 本发明公开了一种融合视觉里程计与物理里程计的室内机器人定位方法，通过采集的图像提取ORB特征进行图像匹配、相机位姿估计、闭环检测精确定位机器人。本发明加入了视觉传感器在已知环境中对机器人进行闭环检测，以此消除基于粒子滤波的物理里程计在全局中的累计误差，把里程计的全局误差变为了阶段性的累加，并在此基础上构建了闭合的地图。本发明融合视觉里程计后有效解决物理里程计误差累计问题，能使机器人在已知环境中进行自定位和精确重定位，且增加的运算量不大，能保证效率和实时性，精度满足室内导航需求，是现阶段解决大环境下机器人定位不准的有效方法。

摘要： 本发明公开了一种运动设备的里程计方法和里程计装置，包括获取运动设备当前时刻的位姿、当前时刻的第二激光帧以及局部点云地图；根据当前时刻的位姿，以及第二激光帧与局部点云地图，计算得到当前时刻的最优位姿等步骤，本发明提供的里程计方法，通过码盘转数获得初始相对运动量及位姿，通过迭代近邻算法等进行激光帧间匹配，以此获得较准确的相对运动量和位姿。以上一步获得的位姿为初值，对激光帧与局部点云地图进行匹配，获得更准确的位姿及运动量，并对外输出。本发明提供的里程计装置，解决了现有的现有里程计不精确以及累计误差的不足，可用于众多通用或专用的计算系统环境或配置中。

摘要： 本发明涉及一种视觉里程计的测量方法及视觉里程计，方法包括步骤：将RGB‑D相机数据和IMU数据的时间进行同步，对RGB‑D相机和IMU的采集数据进行预处理，获取系统的状态向量；利用深度信息对RGB‑D相机位姿进行绝对尺度的位姿初始化；对深度信息进行融合及深度验证，随后对系统的状态向量进行局部非线性优化；对局部非线性优化的结果进行回环检测并执行全局的位姿图优化，将全局的位姿图优化结果作为系统位姿估计的最终结果。与现有技术相比，本发明具有提高视觉‑惯性里程计的精度和鲁棒性等优点。

摘要： 本发明提供了一种基于里程计测量信息的惯导/里程计车辆组合导航方法及系统，包括：估计出导航系统状态，包括：累积脉冲观测法步骤：增广里程模型到现有导航系统模型中，使用里程计的累积脉冲计数作为导航系统的观测信息，根据序贯滤波器估计导航系统状态；或者，脉冲速度观测法步骤：对脉冲计数时间序列进行小区间建模，设计一个卡尔曼滤波器使用累积脉冲计数作为观测，估计出脉冲速度信息，然后将脉冲速度信息作为车辆导航系统观测信息，使用序贯滤波器估计出导航系统状态。本发明可以直接使用累积的行驶路程作为测量信息，有效地对累积行驶里程误差进行约束；并且本发明获得了高精度的脉冲速度测量信息，具有更高的车辆速度测量精度。

摘要： 本发明公开了一种基于深度学习的视觉里程计特征点提取方法及视觉里程计，首先构建深度学习特征点模型，然后优化深度学习特征点模型，接着特征点检测，最后进行特征点匹配；本发明使用深度学习的方法解决图像特征点提取与匹配问题，可以自由灵活的设计角点特征。本发明实时性是视觉里程计性能的重要参考标准之一，使用深度学习特征点法相较于传统方法可以更充分地利用图形显卡硬件资源，从而达到加速目的。本发明相较于传统的特征点法，在视点变化、光度变化场景下，检测精度明显提高，鲁棒性明显增强。

摘要： 本申请适用于SLAM技术领域，提供了一种视觉惯性里程计方法、视觉惯性里程计装置、移动设备及计算机可读存储介质，包括：获取当前帧图像的边缘信息和上一帧图像的边缘信息；根据所述当前帧图像的边缘信息提取所述当前帧图像的特征点和边缘采样点，根据所述上一帧图像的边缘信息提取所述上一帧图像的特征点和边缘采样点；根据所述当前帧图像的特征点和边缘点、所述上一帧图像的特征点和边缘采样点以及惯性测量单元IMU预积分，构建优化函数，所述优化函数输出移动设备的位姿。通过本申请可提高特征匹配率、减少特征跟踪丢失的几率，进而提高位姿估计的准确率。

摘要： 本发明提供一种视觉里程计的测量方法及视觉里程计，所述视觉里程计的测量方法包括以下步骤：获取拍摄对象的图像序列；测量载体的角速度与加速度；采用ORB算法，从所述图像序列中并选取多个关键帧；采用非线性数值优化方法，对多个关键帧之间的重投影误差以及载体的运动模型误差进行优化操作，计算得到所述重投影误差及所述运动模型误差之和为最小值对应的载体的姿态信息，并进行实时的三维重建。本发明提供的视觉里程计的测量方法及视觉里程计，采用非线性数值优化方法对系统运动状态进行优化，有利于准确的估计出载体自身的位姿，并能够实时进行场景三维地图的重建。

摘要： 本发明公开了一种融合视觉里程计与物理里程计的室内机器人定位方法，通过采集的图像提取ORB特征进行图像匹配、相机位姿估计、闭环检测精确定位机器人。本发明加入了视觉传感器在已知环境中对机器人进行闭环检测，以此消除基于粒子滤波的物理里程计在全局中的累计误差，把里程计的全局误差变为了阶段性的累加，并在此基础上构建了闭合的地图。本发明融合视觉里程计后有效解决物理里程计误差累计问题，能使机器人在已知环境中进行自定位和精确重定位，且增加的运算量不大，能保证效率和实时性，精度满足室内导航需求，是现阶段解决大环境下机器人定位不准的有效方法。

摘要： 本公开涉及零配件技术领域，提供了一种里程计安装装置、里程计安装总成及车辆，该里程计安装装置包括转接盘和连接组件；转接盘的一侧盘面可以设置一个用于安装里程计的安装工位；连接组件的一端设置有用于与螺钉头部套装连接的套装部，另一端设有用于与转接盘安装连接的安装部；套装部具有可调节大小的套装空间；套装部通过套装空间套设并固定于螺钉头部的外周部。该里程计安装装置具有通用适配性强、安装拆卸过程简单的有益效果。该里程计安装总成及车辆均包括该里程计安装装置，能够实现其同样的有益效果。