一种基于卡尔曼滤波FDSST算法的球形转子姿态检测方法技术

本发明专利技术提供了一种基于卡尔曼滤波FDSST算法的球形转子姿态检测方法，该方法包括：在转子输出轴顶端设计任意形状的三个视觉特征点，并在其正上方固定安装工业相机；将转子输出轴复位到初始位置，并完成工业相机标定；实时抓取视觉特征点的照片，并通过多目标FDSST算法同时跟踪三个视觉特征点在图像中的位置；对上述三个视觉特征点在图像中的坐标位置进行卡尔曼滤波，以提高多目标FDSST算法的抗遮挡干扰性能；根据卡尔曼滤波后的特征点坐标位置和转子球面运动几何关系计算转子的实时姿态。通过本发明专利技术解决了FDSST跟踪器检测球形转子视觉特征点被短时遮挡的情况下无法继续检测球形电机转子的实时姿态的问题。电机转子的实时姿态的问题。电机转子的实时姿态的问题。

【技术实现步骤摘要】
一种基于卡尔曼滤波FDSST算法的球形转子姿态检测方法


[0001]本专利技术涉及球形电机控制
，尤其涉及一种基于卡尔曼滤波FDSST算法的球形转子姿态检测方法。所述方法可以通过实时跟踪三个任意形状的视觉特征点位置来估计球形电机转子的实时姿态。

技术介绍

[0002]球形电机在机器人仿生眼、工业云台和航天器姿态调节等领域有着广泛的应用前景，球形转子姿态是球形电机研究领域的关键问题之一。国内外学者近几十年提出了接触式、非接触式和无传感器式三大类球形转子姿态检测方法，其中非接触式球形转子姿态检测方法具有原理简单、利于电机结构优化、且不受电磁拓扑约束等优点，已成为球形转子姿态检测方法研究的主要方向。
[0003]目前已公开的球形转子姿态检测方法表明非接触式检测方法的理论仍不成熟，已公开基于视觉转子姿态检测方法也均没有同时考虑遮挡和视觉目标的尺度变化，存在因转子视觉特征点尺度变化或短时遮挡导致视觉特征点检测跟踪失败的问题。

技术实现思路

[0004]本专利技术提供了一种基于卡尔曼滤波FDSST算法的球形转子姿态检测方法，解决了FDSST跟踪器检测球形转子视觉特征点被短时遮挡的情况下无法继续检测球形电机转子的实时姿态的问题。
[0005]为实现上述目的，本专利技术提供了一种基于卡尔曼滤波FDSST算法的球形转子姿态检测方法，包括：在转子输出轴顶端设计任意形状的三个视觉特征点，并在其正上方固定安装工业相机；将转子输出轴复位到初始位置，并完成工业相机标定；实时抓取视觉特征点的照片，并通过多目标FDSST算法同时跟踪三个视觉特征点在图像中的位置；上述三个视觉特征点在图像中的坐标位置进行卡尔曼滤波，以提高多目标FDSST算法的抗遮挡干扰性能；根据卡尔曼滤波后的特征点坐标位置和转子球面运动几何关系完成转子实时姿态的计算。
[0006]可选地，所述三个视觉特征点，采用任意图像构成，图像特征点外接矩形长边的尺寸不小于一定的阈值，避免尺寸过小导致跟踪器跟踪失败；
[0007]可选地，所述转子输出轴特征点复位需要将转子姿态复位到输出轴的指向位于东北天坐标系的Z轴位置时再进行相机标定；
[0008]可选地所述，所述实时抓取视觉特征点的照片是采用在线工作的工业相机实时采集转子视觉特征点照片，通过多目标FDSST算法同时跟踪三个视觉目标特征点在图像中的位置P3×2。
[0009]可选地，FDSST算法是一种多目标FDSST算法，可同时跟踪n个视觉目标特征点；
[0010]可选地，所述多目标FDSST跟踪器在第n个视觉目标(n＝0,1,2)的最大响应值低于设定阈值时，采用卡尔曼滤波器该视觉目标位置(P
n1
,P
n2
)进行修正，进而得到最终的视觉特征点坐标(P
n
′1,P
n
′2)，显著提高了基于卡尔曼滤波FDSST算法的鲁棒性。
[0011]可选地，所述转子实时姿态的计算是通过转子球面运动中三个视觉特征点的几何关系实现，计算所得球形转子ZYZ型欧拉角可用于表达球形转子的实时姿态。
[0012]本专利技术具有如下优点：
[0013]通过本专利技术提供的一种基于卡尔曼滤波FDSST算法的球形转子姿态检测方法，该方法能在实时视觉目标跟踪时考虑到三个目标特征点的尺度变化，显著提高了算法的鲁棒性。同时，在视觉特征点被遮挡情况下通过卡尔曼滤波继续跟踪转子实时姿态，并保证遮挡工况结束后FDSST算法能够在正确区域重新搜索视觉目标特征点的位置，解决了多目标FDSST跟踪器检测转子视觉特征点发生短时遮挡工况而无法继续检测球形电机转子实时姿态的问题。
附图说明
[0014]构成本申请的一部分的附图用来提供本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成本专利技术的不当限定。在附图中：
[0015]图1示出了根据本申请实施例的基于卡尔曼滤波FDSST算法的球形转子姿态检测方法的流程图；
[0016]图2示出了根据本申请实施例具有三个黑色圆环的视觉目标特征点设计图；
[0017]图3示出了根据本申请实施例的多目标卡尔曼滤波FDSST算法流程图；
具体实施方式
[0018]从
技术介绍
可以发现，现有基于视觉的转子姿态检测技术中均没有同时考虑遮挡和视觉目标特征点的尺度变化，存在因转子视觉特征点尺度变化或短时遮挡导致视觉特征点检测跟踪失败的问题。为了解决上述问题，本申请的一种典型的实施方式中，提供了一种基于卡尔曼滤波FDSST算法的球形转子姿态检测方法。
[0019]在本专利技术实施例中提供了一种基于卡尔曼滤波FDSST算法的球形转子姿态检测方法。图1是根据本专利技术实施例的基于卡尔曼滤波FDSST算法的球形转子姿态检测方法的流程图，如图1所示。该方法包括以下步骤：
[0020]步骤S102，在转子输出轴顶端设计任意形状的三个视觉特征点，并在其正上方固定安装工业相机；
[0021]步骤S104，将转子输出轴复位到初始位置，并完成工业相机标定；
[0022]步骤S106，实时抓取视觉特征点的照片，并通过多目标FDSST算法同时跟踪并记录三个视觉特征点在图像中的位置P3×2；
[0023]步骤S108，所述多目标FDSST算法跟踪三个视觉特征点并计算相关响应最大值，当某个特征点的响应最大值小于设定阈值时，对图像中的坐标位置P3×2进行卡尔曼滤波优化，显著提高了多目标FDSST算法的抗遮挡干扰性能；
[0024]步骤S110，根据卡尔曼滤波优化后的特征点坐标位置P3′
×2和转子球面运动几何关系完成转子运动ZYZ型欧拉角的计算，并输出转子实时姿态至全局变量。
[0025]通过上述步骤，根据FDSST尺寸滤波器和遮挡工况下卡尔曼滤波器的功能，本专利技术实施例可以在防止因视觉特征点空间运动尺度变化或被遮挡工况发生时导致的跟踪失败问题，为球形电机闭环驱动控制提供了一种新的转子姿态检测方法，显著提高了单目视觉
球形转子姿态检测方法的鲁棒性。
[0026]在申请本实施例中，所述三个视觉特征点可以是任意形状，只要与周围环境区分度足够，视觉特征点所用基材有利于漫反射。本申请实施例采用适合现场工况尺寸的氧化铝浮法玻璃基材制作网格线，并在中间打印三个相同黑色圆环，以显著提升视觉特征抗环境光干扰的性能，图2是根据本专利技术实施例的所述三个黑色圆环视觉目标特征点设计图，如图2所示。
[0027]在本申请实施例中，所采用任意图像构成三个视觉特征点为三个相同的黑色圆环，其外接矩形的尺寸不小于设定阈值。本实施例通过采用二分法试凑试验得到单个圆环外接正方形边长不小于工业相机矩形拍照范围长边的5％时，能够有效避免因视觉特征点尺寸过小导致跟踪器容易跟踪失败的问题。
[0028]在本申请实施例中，需要将转子姿态复位到输出轴位于东北天坐标系的Z轴位置时再进行相机标定；
[0029]在本申请实施例中，采用工业相机实时采集转子顶端的3个视觉特征点照本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于卡尔曼滤波FDSST算法的球形转子姿态检测方法，其特征在于，所述的球形转子姿态视觉检测方法包括以下步骤：步骤S1、在转子输出轴顶端设计任意形状的三个视觉特征点，并在其正上方固定安装工业相机；步骤S2、将转子输出轴复位到初始位置，并完成工业相机标定；步骤S3、实时抓取视觉特征点的照片，并通过多目标FDSST算法同时跟踪三个视觉特征点在图像中的位置；步骤S4、对上述三个视觉特征点在图像中的坐标位置进行卡尔曼滤波，以提高多目标FDSST算法的抗遮挡干扰性能；步骤S5、根据卡尔曼滤波后的特征点坐标位置和转子球面运动几何关系计算转子的实时姿态。2.根据权利要求1所述的一种基于卡尔曼滤波FDSST算法的球形转子姿态检测方法，其特征在于，在步骤S1内，采用任意图像构成三个视觉特征点，图像特征点外接矩形长边的尺寸不小于一定的阈值，避免尺寸过小导致跟踪器跟踪失败。3.根据权利要求2所述的FDSST算法是一种多目标FDSST算法，可同时跟踪n个视觉目标特征点。4.根据权利要求1所述的一种基于卡尔曼滤波FDSST算法的球形转子姿态检测方法...

【专利技术属性】
技术研发人员：周嗣理，
申请(专利权)人：安徽理工大学，
类型：发明
国别省市：