没有合适的资源?快使用搜索试试~ 我知道了~
基于光流的车载陀螺仪偏差补偿技术研究
© 2014 László Kundra,Péter Ekler.出版社:Elsevier B.V.由美国应用科学研究所负责选择和/或同行评审可在www.sciencedirect.com在线获取ScienceDirectAASRI Procedia 9(2014)152 - 1572014年AASRI电路与信号处理会议(CSP 2014)基于光流法的车载László Kundraa *,Péter Ekleraa布达佩斯技术经济大学自动化与应用信息学系,匈牙利布达佩斯1117摘要本文介绍了一种新的陀螺仪零偏补偿技术,并以手机为研究对象。使用陀螺仪的标准问题是原始角速率与非零偏差的积分将导致估计方位的连续漂移。为了研究这种偏差的性质,在惯性传感方面为整个设备构建了一个简单的误差模型。为了消除偏差,传感器融合算法的开发使用的光流从设备的相机的好处。我们的方向估计器和偏差去除方法是基于互补滤波器,结合自适应可靠性滤波器的光流功能。融合结果的反馈与原始陀螺仪角速率相结合以补偿偏差。各种测量记录在一个真实的设备上运行要求严格的光流板载。通过这种方式,构建了一个强大而可靠的融合,符合我们的期望,并已通过模拟和真实世界的测量进行了验证。© 2014作者。出版社:Elsevier B. V.这是CC BY-NC-ND许可下的开放获取文章(http://creativecommons.org/licenses/by-nc-nd/3.0/)。美国应用科学研究所科学委员会负责同行评议关键词:光流;传感器融合;方位估计;陀螺仪偏差;移动1. 介绍方向估计是一个重要的和期望的功能,以越来越可靠和鲁棒的方式实现。行人跟踪、控制无人机(UAV)、具有后处理的专业电影摄影以及许多其他领域可以利用这些技术。不幸的是,市场上现有的传感器无法长期产生稳定可靠的输出为此* 通讯作者。联系电话:+36-1-463-3971。电子邮件地址:laszlo. aut.bme.hu。2212-6716 © 2014作者出版社:Elsevier B.诉 这是一篇基于CC BY-NC-ND许可证的开放获取文章(http://creativecommons.org/licenses/by-nc-nd/3.0/)。美国应用科学研究所科学委员会负责的同行评审doi:10.1016/j.aasri.2014.09.024László Kundra和Péter Ekler / AASRI Procedia 9(2014)152153在这种情况下,已经开发了许多方法,使用复杂的算法,如扩展卡尔曼滤波器[1],结合不同的传感器(加速度计,磁力计),并依赖于跟踪对象的自定义运动性质。在本文中,我们提出了一种算法,融合光流的好处,从相机的设备与陀螺仪的角速率在一个可靠的方式在所产生的角度。为了测量传感器数据,使用具有非官方Android 4.4.2操作系统的Samsung Galaxy S2移动电话。该设备连接到三菱MELFA RV-3SDB工业机器人的手臂上,以进行精确旋转。该机器人手臂的额定重复性小于0.05 mm。在Android端,该方法在2.2+版本上执行相同的方式。虽然Android KitKat(4.4)内置了一些新方法来融合原始运动传感器值(内置虚拟传感器和计步器),但我们的项目依赖于原始传感器值以获得更好的可移植性。Android将惯性传感器值的变化作为事件报告给开发人员。要求操作系统以最快的速度提供传感器更改,我们可以测量样本之间的平均20 ms用于光流的相机图像在时间上相当滞后和不精确,因为这些图像在最好的情况下以30 fps的速度传输,但是由于外部照明条件的变化和CPU上的系统负载要求,该值往往会下降到20 fps以下。为此,在系统中添加了一个插值级,以使光流样本与实际陀螺仪值一致。在我们的测量中,我们使用了Bouguet 2000 [2]的迭代Lucas-Kanade方法和金字塔来跟踪图像上的25 - 225个特征。在这种情况下,当匹配特征的计数低于65%时,通过在图像上均匀分布这些特征来完成特征点选择。从光流特征位移的结果计算出一个矢量场,并用于融合算法。将这些向量聚合成最终输出向量可以通过各种方式执行,并且不在本文的范围内。在设备仅具有取向变化但没有物理移动的情况下,输出值可以可靠地用于绝对的、所谓的世界坐标系取向估计。与其他方法相比,在[3]中,作者提出了一种基于运动模型的方法,通过融合惯性测量与成像传感器的数据来进行鲁棒的方向估计。他们的方法产生了一个强大的递归估计的陀螺仪误差参数,这是独立的场景的结构。该算法在Middlebury光流基准上的结果证明,光流估计算法的精度一直在稳步提高。在[4]中,作者试图通过对目标函数、优化方法和现代实现实践如何影响精度的透彻分析,揭示是什么使最近的进展成为可能。他们发现,虽然在优化过程中对中间流场进行中值滤波是近期性能提高的关键,但它会导致更高的能量解决方案。为了理解这一现象背后的原理,他们推导出了一个新的目标,将中值滤波启发式方法形式化,并开发出了一种在Middlebury基准测试中名列前茅的方法。最近,在论文[5]中,作者介绍了一种状态估计框架,该框架允许估计IMU相机系统相对于平面的姿态。滤波器仅依赖于单个光流特征以及陀螺仪和加速度计测量。基本的假设是所观察到的视觉特征位于静态平面上。估计框架融合视觉和惯性测量的无迹卡尔曼滤波器(UKF)。与我们的工作相比,作者只使用一个光学特征,并且它必须在静态平面上,而我们的方法不需要这样的限制。在移动终端上记录所有原始数据后,在MATLAB中进行模拟。为了测试不同的临界情况,生成了各种数据集,并用于测量算法的可靠性。在本文中,重点是现实世界的测量。154László Kundra和Péter Ekler / AASRI Procedia 9(2014)1522. 误差模型为了构造精确的方位估计器,需要描述装置的误差模型。为此,我们对设备进行了各种测量。影响所有测量的因素可以分为两组:外部独立因素和依赖于设备方向和移动的因素。基于已应用于传感器融合的传感器,构建了以下模型。可以安全地说,所有传感器都具有不同数量的高斯噪声。所有其他错误功能已在图1中标记。正如许多人已经讨论过的那样[1][6],加速度计数据在方位估计方面具有大量的扰动,因为它不仅测量有用的重力,而且具有破坏结果的附加线性加速度。该线性加速度基于实际设备移动,对于该实际设备移动不能向前构建估计。通过使用充分滤波的加速度计,由于其低通特性,可以长期估计设备的两个角度。为了找到第三绝对角度,可以利用磁力计。测量严格不与重力矢量平行的地磁场,可以使用先前滤波的重力和地磁数据来构建3D基于地球的绝对定向。尽管如此,磁场经常受到扰动,主要是在非自然场景中,例如建筑物,地下,靠近电线或电气设备。如果定向估计算法依赖于长期磁力计值是可信的这一事实,则输出角度在所提及的情况下将是欺骗性的。图1. 左边是具有附加误差的理想传感器,右边是偏差估计模型继续陀螺仪,它肯定会受到一些误差和扰动的影响[3]。如图1所示,其在标准高斯噪声上的加性误差是时间和电流方向的函数。找到精确的误差函数不是本文的目的,但是为了更好地滤波、估计和消除偏差,必须知道传感器的基本行为。根据我们的测量,我们发现陀螺仪的偏差随着时间的推移而变化:每次测量时总是有不同的平均值,重复10次,每次延迟10分钟。还测量了方向相关的偏置效应:每次在不同的轴上旋转设备90°,并在稳定状态下等待和测量一分钟,在每个方向上,所有陀螺仪值在每个方向上都发生了变化,即使在返回到初始值时也是如此。在理想陀螺仪中加入偏置会导致定向漂移。然而,这种偏差可以被估计和补偿。为此,假设使用包括陀螺仪的多个传感器已经可以获得精确的方位估计器。由于绝对方位可以从磁力计、加速度计和光流可靠地计算出来,因此使用陀螺仪的优点是,与其他传感器相比,它可以更可靠、更精确地响应快速的方位变化。考虑到偏差被添加到理想陀螺仪值,可以减去先前估计的角速率,从而导致与先前估计加上偏差的差。幸运的是,这两个可以分开的偏见是在一个缓慢的速度László Kundra和Péter Ekler / AASRI Procedia 9(2014)152155与估计器所需的有用的大的角速率相比。为此,在估计器中使用信号之前,对信号应用高通滤波器,而使用低通滤波器估计偏差。3. 光流其基本思想是利用从相机计算的光流来改进IMU测量。找到图像序列的光流是两个步骤的组合:在第一张图片中找到特征,并通过新图像跟踪它们(见图2)。在检测到的特征的数量降低到指定量以下的情况下,执行新的特征查找过程。在我们的测试中,我们选择这个最小检测到的特征数为最初发现的特征数的65%从光流的角速率估计是从可靠的流矢量的聚合计算的。流矢量(即图像上特征的两个连续位置之间的矢量)基于其运动如何与陀螺仪的角速率相关而被认为是可信的。在没有进一步说明这种关系和决策算法的情况下,可以说,在每个循环中,以自适应的方式将流矢量标记为可靠或不可靠。这样,可靠性计算的输出(见图3)具有较少或相等的元素作为其输入,然而对于角速率融合,需要聚合来组合这些向量。这种聚合可以是简单的平均或中值计算,但使用更高级的技术(如加权中值)可能会产生更令人满意的结果。在本文的测量中,我们使用了每个测量方向的中值。可以使用图像的分辨率和视场来计算每个采样时间的像素的该向量的长度为每秒弧度。图2.计算光流位移的设备预览图像(初始特征计数为225)。可以清楚地看到,并非所有矢量都很好地表示真实的取向变化。每次都保存所有这些向量以供以后处理。4. 过滤滤波算法由三个主要模块构成。可靠性计算和汇总已经讨论过。在其输入端,它接收陀螺仪的所有特征位移和偏置补偿角速率。光流场的结果和补偿后的陀螺值都经过一个互补滤波器处理。该模块的目的是在缓慢变化但长期精确的光流结果与快速变化的陀螺仪角速率之间建立良好的平衡。互补滤波器易于实现,计算速度快,在这种情况下,结果令人满意。因为假设最终输出角速率将由将其与加速度和地磁数据相结合的复杂定向估计器使用(如扩展卡尔曼滤波器或Madgwick的算法[1]),所以这里没有必要将其应用于结果。在其输入端,它对数据进行高通和低通滤波,并使用156László Kundra和Péter Ekler / AASRI Procedia 9(2014)152一种标准的互补滤波器技术,将它们与加权因子α相加。输出ω*是融合的、可靠的和精确的角速率,其也用于补偿反馈。在我们的测试中,我们构建并使用FIR滤波器,采样频率为40Hz,阶数为30,截止频率为0.2Hz。与原设计相比,在偏置补偿模块中增加了一个低通滤波器。其主要原因是为了从偏置补偿中滤除输入ωg的高斯噪声的影响,因为这两者是完全独立的。通过这种方式,只有经过偏置补偿的角速率被传递到互补滤波器和依赖于理想陀螺仪值的可靠性计算(见图3)。图3.偏差消除算法的内部模型。5. 结果在我们的测量中,我们使用手机的两个轴分别旋转90°和60°。在每次测量之间改变光流的特征点的数量,记录具有25、36、100和225个特征的旋转。虽然25个功能可以在平均帧速率为15的情况下进行跟踪,但具有225个功能的更苛刻的测试使处理器不堪重负,下降到1在下文中,示出了具有36个特征点的测量结果。利用上述算法和参数,我们可以补偿偏差,从而产生非常低的漂移角。在图4/a中,记录间隔超过一分钟,而与原始角速率的积分相比,没有产生显著的漂移。这些值仅是光流和陀螺仪以可靠的方式融合的结果,没有使用加速度计或磁力计数据。该算法的当前版本的唯一缺点是积分最终角度不总是落在-45°和45°之间,因为它应该是对称旋转90°。我们还测量了其他情况下相同的输出质量。在图4/b上,估计的偏差补偿水平与陀螺仪的输入原始角速率一起绘制。6. 结论和今后的工作在本文中,我们表明,使用光流从今天的移动设备的相机,可以建立一个可靠的过滤器用于陀螺仪的偏差补偿。在我们的测试用例中,我们可以调整参数和过滤器以提供令人满意的结果。与来自陀螺仪的角速率的原始积分相比,我们的偏置补偿产生了长期稳定的角度。虽然偏置补偿是在PC端用MATLAB计算的,但整个重光流处理是在装置上完成的,László Kundra和Péter Ekler / AASRI Procedia 9(2014)152157因此,融合算法的最小处理需求也可以被移植到设备上,这样整个系统在没有性能缺陷的情况下在板上运行。未来的计划包括测试陀螺仪角速率和光流特征位移值的相关观测的其他方法。其他计划包括卡尔曼滤波器的测试,以及用于光流处理的RANSAC。通过使用更复杂的方法,如加权中值滤波器,可靠特征的聚合方法也具有进一步的可能性。图4. (a)偏差补偿的结果:角速率积分到角度;(b)测得的原始陀螺仪角速率和估计的偏差补偿水平。确认这项工作得到了欧洲联盟和欧洲社会基金通过FuturICT.hu项目提供的部分支持(批准号:TAMOP-4.2.2.C-11/1/KONV-2012-0013)。巴拉顿菲尔德这项工作与“BME质量导向和协调的R+D+I战略和功能模型的发展”项目的科学计划有关。该项目得到了新塞切尼计划(项目ID:TÁMOP-4.2.1/B-09/1/KMR-2010-0002)的支持。引用[1] Madgwick,S.O.H.; Harrison,A. J L; Vaidyanathan,R.,使用梯度下降算法估计IMU和MARG方向,2011康复机器人国际会议,第1 -7页,2011年[2] J. - Y. Bouguet,金字塔实现的lucas kanade特征跟踪器的算法描述英特尔公司微处理器研究实验室,2000年[3] Goldshtein,M.; Oshman,Y.; Efrati,T.,通过基于模型的视觉和惯性数据融合进行导引头陀螺仪校准,第10届信息融合国际会议,第1、8、9-12页,2007年[4] D. Sun; S.罗斯。M.J. Black,“光流估计的秘密及其原理”,2010年IEEE计算机视觉和模式识别会议(CVPR),第103页。2432-2439,2010年6月。[5] Omari,S.;Ducard,G.,使用单一光流特征的公制视觉惯性导航系统,控制会议(ECC),第1310 -1316页,2013年[6] Ligorio,G.; Sabatini,A.M.,基于扩展卡尔曼滤波器的方法,使用视觉,惯性和磁性传感器进行姿态估计:比较分析和性能评估。Sensors 2013,1919-1941.
下载后可阅读完整内容,剩余1页未读,立即下载
cpongm
- 粉丝: 4
- 资源: 2万+
上传资源 快速赚钱
- 我的内容管理 收起
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
会员权益专享
最新资源
- zigbee-cluster-library-specification
- JSBSim Reference Manual
- c++校园超市商品信息管理系统课程设计说明书(含源代码) (2).pdf
- 建筑供配电系统相关课件.pptx
- 企业管理规章制度及管理模式.doc
- vb打开摄像头.doc
- 云计算-可信计算中认证协议改进方案.pdf
- [详细完整版]单片机编程4.ppt
- c语言常用算法.pdf
- c++经典程序代码大全.pdf
- 单片机数字时钟资料.doc
- 11项目管理前沿1.0.pptx
- 基于ssm的“魅力”繁峙宣传网站的设计与实现论文.doc
- 智慧交通综合解决方案.pptx
- 建筑防潮设计-PowerPointPresentati.pptx
- SPC统计过程控制程序.pptx
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功