南京航空航天大学机电学院，江苏 南京 210016
为了实现对跨尺度零件微小结构的尺寸精度和定位精度的同时测量，提出一种基于宏微复合标定的测量方法。建立不同尺度传感器组合式测量的标定模型，利用变焦扫描显微系统测量零件微尺度特征，利用双目系统测量定位显微设备，从控制坐标转换精度的角度设计加工特殊的标定块，将其作为跨尺度中转坐标系，标定变焦扫描显微重建点云坐标系与测头坐标系的空间转换关系，从而将局部测量点云统一至一个数据集中以完成所有局部区域的整体拼接。与理论模型对比分析，所提测量方法的各孔圆心坐标分布圆度误差为0.0438 mm，平面度误差为0.0252 mm，对喷注器各孔位姿的点误差值小于0.029 mm，孔轴向误差小于0.1140°。与面结构光传感器重建结果对比分析，所提模型能够在保证高精度重建三维形貌的情况下，更加正确地获取跨尺度零件的尺寸和位置。
表面形貌测量 跨尺度 多传感器方法 点云拼接
上海交通大学机械与动力工程学院，上海 200240
提出一种基于多层感知机的金属表面光度-结构光测量数据融合算法。设计了融合面结构光与光度立体视觉两种测量原理的复合传感器，分别获得同一相机坐标系下的缺失点云及完整法向量多模态数据。为有效融合两种数据，设计了基于位置编码的多层感知机网络，以点云为形状约束，以法向量为纹理约束，实现金属表面完整的高精度三维重建。通过仿真和实验验证了所提方法的有效性。实验结果表明：该方法有效避免了法向量积分累计误差的问题，在获取完整点云的同时，测量精度相较于结构光测量系统提升了50.4%。
测量 结构光 光度立体视觉 视觉测量 复合传感器 多层感知机 光学学报
2023, 43(19): 1912002
1 长安大学 道路施工技术与装备教育部重点实验室, 陕西 西安 710064
2 中国铁建重工集团股份有限公司, 湖南 长沙 410000
3 南京信息工程大学 计算机与软件学院, 江苏 南京 210044
三维重建技术是机器视觉中最热门的研究方向之一，在无人驾驶和数字化加工与生产等领域得到了广泛的应用。传统的三维重建方法包括深度相机和多线激光扫描仪，但是通过深度相机获得的点云存在着信息不完整和不精确的问题，而多线激光扫描仪成本高，阻碍了该项技术的应用和研究。为解决上述问题，提出了一种基于转动式二维激光扫描仪的三维重建方法。首先，用步进电机带动二维激光扫描仪旋转运动来获取三维点云数据。然后，用多传感器融合的方法对激光扫描仪的位置进行标定，采用坐标系变换完成点云数据的匹配。最后，对采集得到的点云数据进行了滤波和精简处理。实验结果表明：相较于深度相机/IMU数据融合的重建方法，平均误差降低了0.93 mm，为4.24 mm；精度达到了毫米级别，误差率也控制在了2%以内；整套设备的成本相较于多线激光扫描仪大大降低。本文方法基本满足保留物体的外形特征、高精度和成本低的要求。
二维激光扫描仪 坐标系变换 多传感器融合 三维重建 2D laser scanner coordinate system transformation multi-sensor fusion three-dimensional reconstruction
1 湖北工业大学,武汉 430000
2 湖北省农机装备智能化工程技术研究中心, 武汉 430000
同步定位与建图(SLAM)技术是自主移动机器人的主要技术支撑, 成为当今的研究热点。介绍了SLAM 技术的发展历程及主要传感器, 梳理了基于视觉、激光雷达以及多传感器融合的SLAM技术, 并对常见的SLAM算法进行归纳总结, 对比分析各实现方案的优缺点。最后探讨了SLAM的技术难题和发展趋势。
同步定位与建图 激光雷达 视觉相机 多传感器融合 自主移动机器人 SLAM lidar vision camera multi-sensor fusion autonomous mobile robot
1 中国航空工业集团公司洛阳电光设备研究所, 河南 洛阳 471000
2 光电控制技术重点实验室, 河南 洛阳 471000
3 中航航空电子有限公司, 北京 100000
4 中国航空工业集团公司西安航空计算技术研究所, 西安 710000
针对多传感器目标识别中证据存在非一致性问题, 提出一种面向目标识别的基于证据置信熵与相似性的多传感器证据融合算法。首先, 利用传感器证据非一致性不确定度与非特异性不确定度, 提出了一种基于置信熵的传感器证据不确定性度量模型; 在此基础上, 结合传感器证据距离与证据冲突, 设计了一种基于置信熵与相似性的传感器证据权重生成方法; 最后, 构建了一种多传感器证据融合模型。仿真结果表明, 所提出的多传感器信息融合方法进行目标识别时, 相较于传统算法具有更好的有效性。
目标识别 多传感器证据融合 证据理论 置信熵 证据相似性 target recognition multi-sensor evidence fusion evidence theory belief entropy evidence similarity
1 清华大学电子工程系, 北京 100084
2 中国人民解放军 31401部队, 吉林长春 130022
3 北京科技大学计算机与通信工程学院, 北京 100083
对于视觉惯性里程计(VIO), 视觉遮挡、运动物体等复杂场景可能带来异常的视觉测量, 导致系统定位精确度急剧下降。对此, 提出了一种新的 VIO异常视觉测量的检测和处理方法。通过选取检测指标、设置先验阈值和设计检测分类器, 实现对异常视觉测量的检测与分类；提出多传感器融合策略和自适应误差加权算法, 及时消除与实际运动不一致的异常视觉测量的影响；最后, 将异常视觉测量检测和处理算法整合到基于关键帧的视觉惯性里程计(OKVIS)系统中, 提出了视觉惯性里程计的异常检测和处理(EDS-VIO)系统框架。在复杂场景仿真数据集上的评测结果表明, EDS-VIO比 OKVIS取得了更好的性能, 定位误差均值从 1.045 m下降到 0.437 m。所提方法较好地提升了 VIO在复杂场景中的定位精确度和鲁棒性。
视觉惯性里程计 异常视觉测量 多传感器融合 自适应误差权重 复杂场景 Visual-Inertial Odometry abnormal visual measurement multi-sensor fusion strategy adaptive error weighting complex scene 太赫兹科学与电子信息学报
2022, 20(10): 1038
1 中国人民解放军 63961部队, 北京 100012
2 航天系统部, 北京 100094
针对地面防空**系统中多传感器资源管理问题, 研究了面向目标搜索的主动被动传感器协同指示引导子问题。推导了三维异地配置下被动传感器对主动传感器的指示引导模型, 根据被动传感器对目标的作用范围讨论了指示引导范围, 结合传感器量测过程中的量测误差和传感器的站址误差建立了指示引导误差模型, 在此基础上计算了被动传感器对主动传感器成功指示引导的概率。仿真结果验证了本文模型的正确性与可行性。
多传感器管理 目标搜索 异类传感器 异地配置 指示引导 multi-sensor management target searching inhomogeneous sensors different sites direction and cueing 太赫兹科学与电子信息学报
2022, 20(3): 267
1 中电科技集团重庆声光电有限公司,重庆401332
2 中国电子科技集团公司第二十六研究所，重庆400060
针对地下基础设施复杂环境中的多源异构传感器信息获取的问题，该文基于Real Time-Thread物联网操作系统，设计了总线式数据获取、传输、处理和上报的信息处理框架。通过设计传感器插入主动监测与识别机制、传感器运行调度与数据采集机制，以及不同形式传感器信息编码等手段，实现了设备随应用场景需要即插即用、不同原理传感器数据结构化、多传感器同时在线调度和较强的地下复杂环境适应性的能力。环境试验和地铁现场示范性部署表明，该文设计的面向地下基础设施一体化监测终端具有良好的指标拓展性能、可靠的现场运行能力和稳定的传感器数据采集及上报能力。
地下环境监测 地铁隧道监测 多传感器数据采集 传感器应用 感知终端 物联网操作系统 underground environment monitoring subway tunnel monitoring multi-sensor data collection sensor application sensing terminal internet of things operating system
武汉科技大学信息科学与工程学院, 湖北 武汉 430081
针对Cartographer算法在多传感器数据处理中, 存在点云中的离群点和噪声影响点云匹配的精度, 以及位姿融合算法精度不高的问题, 提出一种基于混合滤波算法和速度积分位姿融合的改进Cartographer算法。首先, 改进选点策略优化体素滤波算法的重采样过程, 提高滤波效率, 并引入直通滤波和半径滤波, 提出一种混合滤波算法, 提高点云质量。然后, 在融合观测位姿、里程计数据和惯性测量单元数据的算法中, 引入速度积分改进位姿融合方法以提升点云匹配的准确性。最后, 在使用数据集验证算法回环检测性能和定位精度的测试试验中, 比较改进算法、Cartographer和A-LOAM三种算法, 试验结果表明改进算法构建的地图更精确, 轨迹误差小。因此, 提出的算法对于提高定位精度和建图质量具有可行性和有效性。
同步定位与地图构建 点云滤波 多传感器位姿融合 simultaneous localization and mapping Cartographer Cartographer point cloud filtering multi-sensor pose fusion
