对零件上圆形特征的测量是工业制造中质量控制和自动化加工的重要方面。针对基于计算机视觉原理测量空间圆位姿适应性弱、鲁棒性不强的问题,研究了一种基于线结构光传感器的测量方法。根据图像上椭圆以及空间圆对应的两个二次曲面方程之间的转换关系,求取圆孔法向矢量,该过程需要借助一个虚拟锥面构建中间曲面转换矩阵;进而结合法向矢量和激光线与圆周两个交点的三维坐标数据构建圆孔平面,利用共线方程即可得到圆孔的孔心坐标和半径。对该测量方法进行实验验证,结果表明:在线结构光传感器与空间圆的各种姿态下,圆孔半径在2~4 mm范围内,法向矢量平均误差为0.3°、半径平均误差为0.02 mm、孔心坐标平均误差为0.02 mm。在对比实验中,该方法对于半径为3.054 mm的圆孔,半径最大误差为0.04 mm,旧方法误差极值为0.23 mm。从而验证了该方法在各种场景下测量结果均能达到较高的精度,工作环境适应广,鲁棒性较强。

针对在无GPS环境下的小型无人机自主飞行问题，提出了一种基于改进的粒子群优化(IPSO)的快速同步定位和地图创建(FastSLAM)方法—IPSO FastSLAM算法。IPSO算法通过引入自适应重采样方法，有效克服了粒子退化问题，又减少了过频重采样带来的计算负担。提出了以粒子集多样性测度作为启发因子，引导重采样后的粒子优化搜索过程，克服重采样过程造成的样本枯竭问题，保证粒子集多样性水平最优。最后，应用该算法对一种小型无人机模型进行仿真实验，结果验证了该算法正确、可行。