發(fā)布時(shí)間：2023-03-03 22:40

　　位姿估計(jì)是通過(guò)利用傳感器獲取特征信息進(jìn)而計(jì)算獲取目標(biāo)主體在空間中的位置和姿態(tài)的方法。位姿的準(zhǔn)確獲取對(duì)實(shí)現(xiàn)機(jī)械臂準(zhǔn)確跟蹤、航天器姿態(tài)調(diào)整、手術(shù)器械位姿確定、風(fēng)洞模型姿態(tài)測(cè)量等應(yīng)用起著關(guān)鍵作用。視覺(jué)傳感器作為一種成本較低、位姿估計(jì)精度較高的傳感器,在位姿估計(jì)系統(tǒng)中占用重要地位,但在實(shí)際應(yīng)用環(huán)境中,常常因?yàn)榇嬖谘９狻⑼獠吭肼暩蓴_、人為干預(yù)等問(wèn)題,導(dǎo)致傳感器無(wú)法獲取完整的特征信息,從而影響系統(tǒng)的跟蹤結(jié)果。本文針對(duì)基于視覺(jué)的位姿估計(jì)技術(shù)、多傳感器技術(shù)、信息融合以及遮擋處理方法等關(guān)鍵技術(shù)開(kāi)展了研究工作,主要內(nèi)容包括:1、提出了一種基于過(guò)程噪聲方差自適應(yīng)調(diào)整的無(wú)跡卡爾曼濾波位姿估計(jì)方法。針對(duì)位姿估計(jì)過(guò)程中系統(tǒng)過(guò)程噪聲未知的問(wèn)題,本文提出了一種適用于無(wú)跡卡爾曼位姿估計(jì)的過(guò)程噪聲方差自適應(yīng)調(diào)整方法,通過(guò)引入改進(jìn)的Sage-Husa噪聲估計(jì)器,在每次濾波迭代的過(guò)程中對(duì)過(guò)程噪聲協(xié)方差進(jìn)行調(diào)整,進(jìn)而降低因過(guò)程噪聲方差不確定性對(duì)估計(jì)結(jié)果造成的影響。仿真和實(shí)驗(yàn)結(jié)果表明,本文提出的自適應(yīng)無(wú)跡卡爾曼濾波位姿估計(jì)方法能夠有效估計(jì)目標(biāo)位姿軌跡,并且提高了位姿估計(jì)精度。2、提出了一種基于自適應(yīng)無(wú)跡卡爾曼濾波的矩陣加權(quán)分布式...

【文章頁(yè)數(shù)】：91 頁(yè)

【學(xué)位級(jí)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(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 視覺(jué)位姿估計(jì)
        1.2.2 多傳感器信息融合
        1.2.3 多傳感器位姿估計(jì)系統(tǒng)
    1.3 論文研究?jī)?nèi)容
    1.4 論文組織與結(jié)構(gòu)
第二章 多視覺(jué)傳感器位姿估計(jì)系統(tǒng)相關(guān)理論
    2.1 多視覺(jué)傳感器位姿估計(jì)系統(tǒng)的坐標(biāo)系定義
        2.1.1 像素存儲(chǔ)坐標(biāo)系
        2.1.2 圖像坐標(biāo)系
        2.1.3 相機(jī)坐標(biāo)系
        2.1.4 剛體坐標(biāo)系
        2.1.5 平臺(tái)坐標(biāo)系
        2.1.6 世界坐標(biāo)系
    2.2 坐標(biāo)系轉(zhuǎn)換
        2.2.1 像素存儲(chǔ)坐標(biāo)系與圖像坐標(biāo)系轉(zhuǎn)換
        2.2.2 圖像坐標(biāo)系與相機(jī)坐標(biāo)系轉(zhuǎn)換
        2.2.3 像素存儲(chǔ)坐標(biāo)系與相機(jī)坐標(biāo)系轉(zhuǎn)換
        2.2.4 相機(jī)坐標(biāo)系與世界坐標(biāo)系轉(zhuǎn)換
        2.2.5 剛體、平臺(tái)及世界坐標(biāo)系轉(zhuǎn)換
    2.3 三維空間剛體的姿態(tài)表示
        2.3.1 三維坐標(biāo)系轉(zhuǎn)換
        2.3.2 歐拉角表示方法
    2.4 位姿估計(jì)算法
        2.4.1 卡爾曼濾波
        2.4.2 擴(kuò)展卡爾曼濾波
        2.4.3 無(wú)跡卡爾曼濾波
    2.5 本章小結(jié)
第三章 基于自適應(yīng)無(wú)跡Kalman濾波的分布式融合方法
    3.1 投影模型
    3.2 位姿估計(jì)系統(tǒng)描述
    3.3 基于AUKF的濾波器設(shè)計(jì)
    3.4 基于AUKF的矩陣加權(quán)分布式融合估計(jì)器
    3.5 本章小結(jié)
第四章 遮擋情況下剛體位姿估計(jì)的自適應(yīng)無(wú)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(jì)方法
        4.3.1 嚴(yán)重遮擋
        4.3.2 部分遮擋
    4.4 本章小結(jié)
第五章 實(shí)驗(yàn)與結(jié)果分析
    5.1 實(shí)驗(yàn)平臺(tái)搭建
        5.1.1 實(shí)驗(yàn)硬件平臺(tái)
        5.1.2 實(shí)驗(yàn)軟件平臺(tái)
        5.1.3 系統(tǒng)運(yùn)行框圖
    5.2 基于過(guò)程噪聲方差自適應(yīng)調(diào)整的UKF方法
        5.2.1 仿真
        5.2.2 實(shí)驗(yàn)
    5.3 基于自適應(yīng)UKF的分布式融合方法
        5.3.1 仿真
        5.3.2 實(shí)驗(yàn)
    5.4 遮擋情況下剛體位姿估計(jì)的自適應(yīng)UKF分布式融合方法
        5.4.1 仿真
        5.4.2 實(shí)驗(yàn)
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝
作者簡(jiǎn)介
    1 作者簡(jiǎn)歷
    2 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文
    3 參與的科研項(xiàng)目及獲獎(jiǎng)情況
    4 發(fā)明專(zhuān)利
學(xué)位論文數(shù)據(jù)集



本文編號(hào)：3753244