位姿估計是通過利用傳感器獲取特征信息進而計算獲取目標主體在空間中的位置和姿態(tài)的方法。位姿的準確獲取對實現(xiàn)機械臂準確跟蹤、航天器姿態(tài)調整、手術器械位姿確定、風洞模型姿態(tài)測量等應用起著關鍵作用。視覺傳感器作為一種成本較低、位姿估計精度較高的傳感器,在位姿估計系統(tǒng)中占用重要地位,但在實際應用環(huán)境中,常常因為存在眩光、外部噪聲干擾、人為干預等問題,導致傳感器無法獲取完整的特征信息,從而影響系統(tǒng)的跟蹤結果。本文針對基于視覺的位姿估計技術、多傳感器技術、信息融合以及遮擋處理方法等關鍵技術開展了研究工作,主要內容包括:1、提出了一種基于過程噪聲方差自適應調整的無跡卡爾曼濾波位姿估計方法。針對位姿估計過程中系統(tǒng)過程噪聲未知的問題,本文提出了一種適用于無跡卡爾曼位姿估計的過程噪聲方差自適應調整方法,通過引入改進的Sage-Husa噪聲估計器,在每次濾波迭代的過程中對過程噪聲協(xié)方差進行調整,進而降低因過程噪聲方差不確定性對估計結果造成的影響。仿真和實驗結果表明,本文提出的自適應無跡卡爾曼濾波位姿估計方法能夠有效估計目標位姿軌跡,并且提高了位姿估計精度。2、提出了一種基于自適應無跡卡爾曼濾波的矩陣加權分布式...

【文章頁數(shù)】：91 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題研究背景與意義
    1.2 國內外研究現(xiàn)狀
        1.2.1 視覺位姿估計
        1.2.2 多傳感器信息融合
        1.2.3 多傳感器位姿估計系統(tǒng)
    1.3 論文研究內容
    1.4 論文組織與結構
第二章 多視覺傳感器位姿估計系統(tǒng)相關理論
    2.1 多視覺傳感器位姿估計系統(tǒng)的坐標系定義
        2.1.1 像素存儲坐標系
        2.1.2 圖像坐標系
        2.1.3 相機坐標系
        2.1.4 剛體坐標系
        2.1.5 平臺坐標系
        2.1.6 世界坐標系
    2.2 坐標系轉換
        2.2.1 像素存儲坐標系與圖像坐標系轉換
        2.2.2 圖像坐標系與相機坐標系轉換
        2.2.3 像素存儲坐標系與相機坐標系轉換
        2.2.4 相機坐標系與世界坐標系轉換
        2.2.5 剛體、平臺及世界坐標系轉換
    2.3 三維空間剛體的姿態(tài)表示
        2.3.1 三維坐標系轉換
        2.3.2 歐拉角表示方法
    2.4 位姿估計算法
        2.4.1 卡爾曼濾波
        2.4.2 擴展卡爾曼濾波
        2.4.3 無跡卡爾曼濾波
    2.5 本章小結
第三章 基于自適應無跡Kalman濾波的分布式融合方法
    3.1 投影模型
    3.2 位姿估計系統(tǒng)描述
    3.3 基于AUKF的濾波器設計
    3.4 基于AUKF的矩陣加權分布式融合估計器
    3.5 本章小結
第四章 遮擋情況下剛體位姿估計的自適應無跡卡爾曼分布式融合方法
    4.1 引言
    4.2 系統(tǒng)模型描述
    4.3 遮擋情況下的位姿估計方法
        4.3.1 嚴重遮擋
        4.3.2 部分遮擋
    4.4 本章小結
第五章 實驗與結果分析
    5.1 實驗平臺搭建
        5.1.1 實驗硬件平臺
        5.1.2 實驗軟件平臺
        5.1.3 系統(tǒng)運行框圖
    5.2 基于過程噪聲方差自適應調整的UKF方法
        5.2.1 仿真
        5.2.2 實驗
    5.3 基于自適應UKF的分布式融合方法
        5.3.1 仿真
        5.3.2 實驗
    5.4 遮擋情況下剛體位姿估計的自適應UKF分布式融合方法
        5.4.1 仿真
        5.4.2 實驗
    5.5 本章小結
第六章 總結與展望
    6.1 總結
    6.2 展望
參考文獻
致謝
作者簡介
    1 作者簡歷
    2 攻讀碩士學位期間發(fā)表的學術論文
    3 參與的科研項目及獲獎情況
    4 發(fā)明專利
學位論文數(shù)據(jù)集



本文編號：3753244