论文部分内容阅读
惯性传感器作为比力1和角速度的测量装置从本质上揭示了运动的根本属性,由于具有全天候、隐蔽性、高度自主性的特点,惯性传感器自问世以来被广泛地应用在了军事、航天、科研等领域;20世纪70年代以来,计算机视觉作为人工智能领域的一个新兴学科,引起了学术界的广泛关注,而摄像机作为该学科重要的传感装置,在模式识别、智能监控、机器人导航等应用场合发挥了巨大的作用。采用惯性传感器和视觉传感器相结合的方式,是类似于人类传感系统的:惯性传感器类似于人类的前庭系统,而摄像机则好比人类的眼睛。
本文研究了基于惯性和视觉传感器的刚体运动估计,涉及传感器模块的软硬件设计、传感器模块的标定,以及基于此传感器模块进行刚体旋转运动估计的方法和系统实现,主要工作和成果如下:
(1)完成了一个以高性能低功耗Blackfin数字信号处理器为中心的,集成了一个完整的惯性测量单元、一个三轴磁罗盘、一个CCD数字摄像机的嵌入式“智能”传感器模块的原型样机设计;独立地完成了所有的硬件设计和调试工作,编写了与传感器控制、数据采集、通信等相关的固件代码,并成功地应用于实验室的研究工作。
(2)完成了嵌入式“智能”传感器模块的确定性项标定和非确定性项的统计建模工作,总结了一整套适合于低成本应用场合的标定和建模方法。利用重力、磁场向量和指令角速率模匹配的方法对加速度计模块、磁罗盘模块和陀螺仪模块的传感器模型参数(零偏、尺度因子、敏感轴非正交角)进行了标定;利用时间序列分析的方法对加速度计和陀螺仪的零偏漂移建立了适当的统计模型,并且利用建立的统计模型结合Kalman滤波算法对传感器的输出进行了补偿,从实验的结果来看,该方法明显地提高了传感器的精度;提出了一种利用铅垂线和重力向量来标定加速度计坐标系和摄像机坐标系之间的相对旋转的方法,仿真结果证明了该方法的可行性。
(3)基于四元数理论和Additive Extended Kalman Filter姿态算法,利用嵌入式“智能”传感器模块实现了一个低成本的实时姿态解算系统,分别在MATLAB环境下和Blackfin微处理器平台上开发并调试成功了相应的姿态算法,实验结果显示在相对理想的条件下,系统的稳态姿态角跟踪误差的方差可以达到0.02°以下,而系统跟踪阶跃输入的响应时间大概是40ms,在Blackfin处理器工作在500MHZ的主频时,姿态算法更新一次的时间大概是1ms,可见该系统具有良好的实时性能。
(4)研究了根据图像点对应估计极几何和摄像机运动的方法。利用SIFT算法提取和匹配图像的特征点,根据两幅图像之间的极几何约束和Cheirality约束,结合RANSAC方法对摄像机的旋转和平移运动进行了鲁棒估计;并且利用此方法对基于图像序列的连续姿态估计进行了探讨。
(5)提出了一种基于姿态四元数和摄像机极几何的、融合了高采样率惯性数据和低采样率图像数据的Kalman滤波器来估计刚体的旋转运动,建立了一个以惯性数据的高采样率更新的系统状态方程,并且对系统的过程噪声进行了详细分析,利用两幅图像之间的极几何约束建立了一个工作在摄像机低采样率下的系统观测方程,利用观测到的图像点对应来修正由惯性数据预测得到的状态向量,并通过实验对方法进行了验证。