从视觉数据和惯性测量单元(Inertial Measurement Unit, IMU)数据各自的特点出发,利用计算机视觉三维重建技术从视觉数据中恢复视觉传感器的六维位姿信息,分析计算惯性测量数据和视觉位姿数据的时空关系,实现融合视惯传感数据的场景重建及尺度估计,进而获取待测对象的绝对物理尺寸数据。上述方法在实验数据上取得了相对误差约为3%的非接触式物体尺寸估计结果,由于该方法无需在待测场景中嵌入额外标定物或辅助定位装置,具有较好的灵活性和适用范围。
针对轮式移动机器人(Wheeled Mobile Robot-WMR)自身欠驱动的特点,并考虑到实际工作时的各种约束和限制,提出了一种基于模型预测控制(Model Predictive Control–MPC)的多约束轨迹规划方法。可以对车体自身的运动学约束、物理约束以及避障等约束进行集中有效的处理,可以生成符合车体自身模型特点并满足各种约束的可行轨迹,充分保证了轮式移动机器人自主行驶的可行性,安全性,高效性。仿真结果充分验证了该方法的有效性。