针对工业流水线中轴承工件人工检测及装配效率低的问题,提岀一种基于高斯加权均值分割的轴承滚子检测和轴承保持架支柱定位方法。首先,根据移位方法将原始图像转变为灰度图像,利用高斯加权均值分割算法对灰度图像进行阈值分割,以解决二...针对工业流水线中轴承工件人工检测及装配效率低的问题,提岀一种基于高斯加权均值分割的轴承滚子检测和轴承保持架支柱定位方法。首先,根据移位方法将原始图像转变为灰度图像,利用高斯加权均值分割算法对灰度图像进行阈值分割,以解决二值图像边界较为模糊以及不完整的问题,从而提高边界轮廓检测精度,并采用8邻域边界跟踪算法以提取出二值图像的边界轮廓;在此基础上,根据目标轮廓的几何性质设计轮廓筛选策略对非目标轮廓进行筛选,实现轴承滚子的准确检测,推导出目标轮廓的重心坐标,实现轴承保持架的准确定位;最后,通过轴承滚子检测和轴承保持架定位两个实验,发现所提方法比传统方法检测率提高了12.66%,轴承保持架支柱定位点处的圆拟合误差在水平方向降低0.0657 cm,垂直方向降低0.1189 cm(相对轴承外圈的圆心坐标),且在轴承保持架支柱定位点至轴承外圈圆心的平均距离偏差减少0.0640 c m,从而验证了所提方法的有效性与可行性。展开更多
针对室内环境中超宽带(Ultra-Wideband,UWB)信号易受障碍物遮挡导致非视距(Non Line of Sight,NLOS)误差的问题,本文提出了一种基于激光雷达(Light Detection And Ranging,LiDAR)点云识别UWB NLOS的融合定位方法,该方法利用LiDAR点云信...针对室内环境中超宽带(Ultra-Wideband,UWB)信号易受障碍物遮挡导致非视距(Non Line of Sight,NLOS)误差的问题,本文提出了一种基于激光雷达(Light Detection And Ranging,LiDAR)点云识别UWB NLOS的融合定位方法,该方法利用LiDAR点云信息辅助UWBNLOS识别,并通过UWB视距(LineofSight,LOS)测距值消除LiDAR同时定位与建图(Simultaneous Localization and Mapping,SLAM)过程中的累计误差,从而提高室内融合定位精度和鲁棒性。首先,采用八叉树对LiDAR点云进行处理,根据UWB基准站位置信息构建测距方向,并从LiDAR点云中提取测距方向上相关区域的点云数据。然后,通过3D Alpha Shape算法对所提取点云中可能阻碍UWB信号传播的障碍物进行轮廓提取。此外,根据分析提取的障碍物轮廓和UWB测距方向的空间关系,以此有效判定UWB信号是否存在NLOS测距情况。最后,剔除UWB测距过程中存在的NLOS测距值,通过紧组合方式,采用扩展卡尔曼滤波(EKF)将UWB LOS测距值和LiDAR SLAM的定位信息进行融合解算,消除LiDAR SLAM定位结果中的累积误差,以此提高融合定位精度和鲁棒性。为验证本文所提出的融合定位算法的有效性,通过搭建的融合定位实验平台在教学楼大厅进行了NLOS静态识别实验,在地下停车场进行了动态NLOS识别与动态定位实验。实验结果表明,该方法能够显著提高在室内复杂环境中的NLOS识别与定位的准确性,相较于单传感器定位与UWB原始测距值与LiDAR SLAM紧组合EKF的定位方法,NLOS识别准确率为93.22%,定位精度分别提高了49.24%、47.03%、96.13%,定位误差为0.067 m,实现了亚分米级室内定位。展开更多
文摘针对工业流水线中轴承工件人工检测及装配效率低的问题,提岀一种基于高斯加权均值分割的轴承滚子检测和轴承保持架支柱定位方法。首先,根据移位方法将原始图像转变为灰度图像,利用高斯加权均值分割算法对灰度图像进行阈值分割,以解决二值图像边界较为模糊以及不完整的问题,从而提高边界轮廓检测精度,并采用8邻域边界跟踪算法以提取出二值图像的边界轮廓;在此基础上,根据目标轮廓的几何性质设计轮廓筛选策略对非目标轮廓进行筛选,实现轴承滚子的准确检测,推导出目标轮廓的重心坐标,实现轴承保持架的准确定位;最后,通过轴承滚子检测和轴承保持架定位两个实验,发现所提方法比传统方法检测率提高了12.66%,轴承保持架支柱定位点处的圆拟合误差在水平方向降低0.0657 cm,垂直方向降低0.1189 cm(相对轴承外圈的圆心坐标),且在轴承保持架支柱定位点至轴承外圈圆心的平均距离偏差减少0.0640 c m,从而验证了所提方法的有效性与可行性。
文摘针对室内环境中超宽带(Ultra-Wideband,UWB)信号易受障碍物遮挡导致非视距(Non Line of Sight,NLOS)误差的问题,本文提出了一种基于激光雷达(Light Detection And Ranging,LiDAR)点云识别UWB NLOS的融合定位方法,该方法利用LiDAR点云信息辅助UWBNLOS识别,并通过UWB视距(LineofSight,LOS)测距值消除LiDAR同时定位与建图(Simultaneous Localization and Mapping,SLAM)过程中的累计误差,从而提高室内融合定位精度和鲁棒性。首先,采用八叉树对LiDAR点云进行处理,根据UWB基准站位置信息构建测距方向,并从LiDAR点云中提取测距方向上相关区域的点云数据。然后,通过3D Alpha Shape算法对所提取点云中可能阻碍UWB信号传播的障碍物进行轮廓提取。此外,根据分析提取的障碍物轮廓和UWB测距方向的空间关系,以此有效判定UWB信号是否存在NLOS测距情况。最后,剔除UWB测距过程中存在的NLOS测距值,通过紧组合方式,采用扩展卡尔曼滤波(EKF)将UWB LOS测距值和LiDAR SLAM的定位信息进行融合解算,消除LiDAR SLAM定位结果中的累积误差,以此提高融合定位精度和鲁棒性。为验证本文所提出的融合定位算法的有效性,通过搭建的融合定位实验平台在教学楼大厅进行了NLOS静态识别实验,在地下停车场进行了动态NLOS识别与动态定位实验。实验结果表明,该方法能够显著提高在室内复杂环境中的NLOS识别与定位的准确性,相较于单传感器定位与UWB原始测距值与LiDAR SLAM紧组合EKF的定位方法,NLOS识别准确率为93.22%,定位精度分别提高了49.24%、47.03%、96.13%,定位误差为0.067 m,实现了亚分米级室内定位。
