欧亿平台| 欧亿平台在线登录注册|欧亿平台APP登陆下载【官网站点】

【欧亿注册链接】这种方法不仅可以确保机器人的稳定性,还能给我们传递机器人的实时状态!

跟踪机器人的姿态在机器人技术领域中越来越重要,例如为机器人导航铺平道路。近年来,单目视惯性测程因其良好的性能和较低的成本而被广泛应用于姿态估计。然而,当机器人在地面上沿直线或圆弧移动时,VIO无法准确地估算出比例或方向。

为了解决这一问题,该研究考虑了车轮编码器,它可以提供稳定的翻译信息和小的累积误差和瞬时滑移误差。研究者结合运动学约束条件和平面运动特征,提出了一种与单目摄像机、IMU和车轮编码器紧密耦合的测程算法,实现了移动机器人鲁棒、准确的位姿感知,该算法主要包括三个步骤。

首先,提出了基于移动机器人运动学模型的车轮编码器预积分理论和噪声传播公式,为后端优化准确估计提供了依据。其次,研究者采用鲁棒的初始化方法,充分利用相机、IMU和车轮编码器的测量,以获得良好的陀螺仪偏差和视觉尺度的初始值。第三,研究者用边缘化策略来限制高计算复杂度,该策略有条件地消除滑动窗口中不必要的测量值。研究者实现了一个原型和几个广泛的实验表明,研究者的系统可以实现鲁棒和准确的姿态估计,在规模,方向和位置,与最先进的。本文以“Accurate and robust odometry by fusing monocular visual, inertial, and wheel encoder”为题于2020年9月10日发布于《CCF Transactions on Pervasive Computing and Interaction》杂志上。

《【欧亿注册链接】这种方法不仅可以确保机器人的稳定性,还能给我们传递机器人的实时状态!》

研究背景

机器人定位在机器人领域的重要性日益突出,从机器人导航、三维重建到同步定位和绘图(SLAM)。视觉惯性测程法(VIO)是一种常用的机器人定位方法。通过融合相机和IMU捕捉到的测量数据,VIO可以将米制尺度与可观察到的俯仰和滚转角度结合在一起,从而完成SLAM和导航等任务。

此外,小尺寸的VIO传感器很容易部署在移动机器人、无人机和手持设备上。尽管有这些优点,但VIO需要沿不同方向的通用三维运动,这在实际操作中很难满足,因为它通常是水平移动的。更糟糕的是,有研究者证明了机器人在地面上沿直线或圆弧运动时,俯仰和翻滚的角度和比例是不可观测的。这促使研究者寻求另一种手段来解决这一问题。

在该研究中,研究者提出一个准确和可靠的测程法联合使用VIO和车轮编码器(VIWO)和期望获得的好处:VIO已经准确的相对平移和旋转信息同时车轮编码器提供了基于长期绝对温标,高频,和稳定的平移和旋转信息。然而,融合VIO和wheel encoder并不容易。

第一,车轮有时会打滑,导致一些测量误差。其次,系统需要良好的初始值作为输入,这对精确定位至关重要。第三,VIO系统本身具有高度的非线性。当考虑车轮编码器时,该度数较高,使得姿态估计难度较大,计算开销较大。

VIWO通过以下三个步骤克服了这些挑战。首先,研究者提出了一种利用预积分模型和噪声传播模型来处理累积滑移误差的运动方案。其次,将IMU和里程计预积分与仅视觉结构进行松散的对齐,得到良好的初始值,并在后端优化中考虑了里程计和平面运动的约束,简化了姿态估计。第三,研究者改进了滑动窗口更新策略,并通过删除不必要的度量来减少计算开销。

总之,研究者的贡献有三方面。

(1)研究者提出了一种精确而鲁棒的测程系统,称为VIWO,它结合了视觉、IMU和车轮编码器的传感器信息。

(2)结合一种运动方案和改进的滑动窗口更新策略,解决了滑动误差和高度非线性的关键问题。

(3)研究者实现了一个VIWO原型,实验表明,与基线相比,VIWO能够获得更高的位姿估计精度。

《【欧亿注册链接】这种方法不仅可以确保机器人的稳定性,还能给我们传递机器人的实时状态!》

图为提出的VIWO系统的结构

全球假“意大利制造”交易额达52亿欧元

服装,外贸【欧亿平台会员注册】【欧亿电脑版登陆】

研究者从轨迹精度和初始化鲁棒性两个方面对研究者的系统VIWO进行了评估。研究者的实验基于移动机器人平台TurtleBot 2,如图所示。Turtlebot2配备了2D扫描LiDAR(病态LMS 100)、车轮编码器和集成IMU(MYNTEYE D1000-IR-120/Color)的前瞻性全球快门相机。星载计算资源由英特尔i5-7300H CPU提供,2.40GHz。特定的摄像机不仅提供(640乘以480)分辨率为10赫兹的灰度图像,但也是200赫兹的IMU测量,车轮编码器提供20赫兹的计量器测量。

《【欧亿注册链接】这种方法不仅可以确保机器人的稳定性,还能给我们传递机器人的实时状态!》

图为移动机器人平台

研究者在走廊和大厅等几个室内低纹理场景下进行了实验。研究者收集了6个序列的数据:顺序01到顺序04,机器人大部分时间沿直线运动和纯旋转,第05序列是机器人沿着圆形弧线移动,第06序列是机器人自由移动。所有序列的线性速度为0.15 m/s,偏航角速度为0.15 rad/s。

《【欧亿注册链接】这种方法不仅可以确保机器人的稳定性,还能给我们传递机器人的实时状态!》

图为基于Gmap算法的网格地图

《【欧亿注册链接】这种方法不仅可以确保机器人的稳定性,还能给我们传递机器人的实时状态!》

图为该研究提出的方法的轨迹、只测量里程计、vins-Mono和gmap算法中的地面真相

为了说明初始化的实验结果,研究者提出了两个标准:完成初始化所需的时间和初始化后一段时间内的轨迹精度。此外,通过将视觉、IMU和里程计的测量数据紧密耦合,使后端优化和边际化保持一致。对于每个序列,研究者将开始时间设置为30s的倍数,并计算完成初始化所需的时间。初始化后,研究者记录下一个30秒的轨迹数据。

《【欧亿注册链接】这种方法不仅可以确保机器人的稳定性,还能给我们传递机器人的实时状态!》

图为初始化所需的平均时间和初始化后30s的x-y-z方向的平均rmse(M)

结果表明,该方法不仅提高了初始化所需的平均时间,而且提高了初始化后30s的弹道精度。研究者的方法的所有时间都小于10s,这意味着研究者的方法更稳定和更快。

研究结论

在该研究中,研究者提出了一个VIWO系统,紧密结合相机,IMU和车轮编码器的测量,以提供鲁棒和准确的机器人姿态。首先采用运动方案结合预积分模型和噪声传播模型处理累积滑移误差。然后提出了一种鲁棒的初始化方法,改进了滑动窗口更新策略,降低了计算开销。

研究者实现了一个原型和几个实验证明,研究者的系统可以实现鲁棒和准确的姿态估计,在比例,方向和位置,与目前的先进水平近乎xia。

参考文献:Yuqian Niu, Jia Liu, Xia Wang, Wei Hao, Wenjie Li & Lijun Chen Accurate and robust odometry by fusing monocular visual, inertial, and wheel encoder  CCF Transactions on Pervasive Computing and Interaction275–287(2020)

【欧亿官方登录】【欧亿安卓版登陆】

ETG推出新机床TC系列,可以满足小型零件车削操作的任何需求

机床,零件,车削

点赞