为解决存在外部加速度和外部电磁场干扰的多旋翼无人机姿态估计问题,首先以四元数为参数建立姿态估计模型,然后使用一种解算精度高、计算量较小的衍生无迹卡尔曼滤波算法(DUKF),在量测更新阶段引入根据残差构造加速度计和磁力计的噪声协方差的自适应策略,提出一种基于DUKF的多旋翼无人机自适应姿态估计算法。通过使用PIXHAWK飞控的数据进行相关的仿真实验,实验表明,所提算法能极大的减小外部加速度和外部电磁场对多旋翼无人机姿态估计的干扰。

随着卷积神经网络迅速发展,人们通过设计复杂的模型来解决姿态估计问题。为提高运行效率,提出利用知识蒸馏将大型网络的知识转移到紧凑型网络中。首先训练一个深层次的姿态估计教师网络,然后利用教师网络预测得到的概率热图作为学生网络的标签,指导学生网络完成姿态估计。学生网络是一个轻量级的姿态估计网络,它可以学习教师网络的姿态结构知识,并且训练时间远低于教师网络,能够在计算资源不足的情况下训练学生网络。

针对目前复杂的人体姿态估计网络参数量大、计算成本高以及读者对算法的理解分析难度大等问题,提出了一种基于注意力机制的人体姿态估计网络。该网络使用结构简单的编码器、解码器来预测人体关节点热图。为了使编码层提取的特征更具代表性,在编码层中加入了通道注意力机制,该操作在降低模型复杂度的同时保证了其预测精度。解码层采用多个反卷积模块得到最终的预测结果。算法模型在两个数据集(MPⅡ和COCO)上进行验证,在MPⅡ数据集上PCKh@0.5达到89%;在COCO数据集上,与CBA对比,虽然AP略低0.2个百分点,但单张图片推理速度提升了10.1 ms。实验结果表明,所提方法能够有效检测出人体关节点,并且优于各种先进的姿态估计方法。

针对现有滤波方法在低成本航姿参考系统(AHRS)姿态估计应用中存在准确性不足的问题,本文提出一种非线性滤波求解的姿态估计方法。根据四元数姿态表示原理与传感器测量输出模型构建了基于AHRS系统直接形式姿态估计的非线性状态空间模型,采用迭代扩展卡尔曼滤波方法进行滤波求解,实现了对姿态四元数与传感器偏差的实时估计。通过MPU9150型MEMS惯性测量单元的实测数据与ABB工业机器人同步输出的参考姿态对本文算法进行了验证,并与现有基于非线性滤波与互补滤波的姿态估计方法以及商用姿态测量单元的结果进行了对比。结果表明,本文算法有效提高了姿态估计准确性与估计精度,具有较好的性能。

基于光学测头特征点成像的单机视觉坐标测量系统具有测量空间大、测量精度高及可进行现场测量等优点，是替代传统的大型坐标测量机的最有发展前途的技术方案之一．为实现该测量方法，必须先解决光学测头姿态估计问题，为此，提取一种利用SVD与矢量观测值的姿态确定方法．首先，通过基于SVD的5点优化算法确定特征点的空间坐标；然后，利用特征点的测头坐标和空间坐标建立关于测头坐标矢量、像机坐标矢量的矩阵方程，优化求解矩阵方程确定光学测头（测头坐标系）相对于像机坐标系的姿态．该算法利用所有数据冗余信息，提高了测量系统的精度和稳定性．实验证明，该算法切实可行，系统的单点重复性及测量不确定度〈0．1mm．