动作捕捉助力无人车多源传感器信息融合导航技术-度量科技

无人车是一种可以进行路径规划和环境感知的智能自主车，已成为当前智能车辆的热门发展方向。无人车能够通过车载传感器识别周围情况和自身状态信息，自身具有导航、定位的功能，能够完成路径规划、寻找特定目标等过程，对于智能化无人车的研究，其核心内容是导航控制技术。

在不同天气、不同时间条件下，仅靠单一导航无法满足高精度定位与导航的需求，不同环境下无人车上会安装多种传感器，传感器的特性各不相同，目前常用的传感器有惯性测量元件（IMU）、超宽带（UWB）、轮式里程计等。

为了让无人车系统具有更高的自适应性和可靠性，哈尔滨工业大学的研究人员研究了基于多源传感器信息融合的导航系统，针对传感器信息异步融合问题和存在传感器失效的情况，使用因子图模型建立融合框架，将各个传感器信息抽象成因子，采用一种基于贝叶斯树形结构的增量平滑优化算法（ISAM2）对传感器信息进行处理和融合，该方法能够保证精度接近最小二乘方法的同时，也具有高效的计算效率，能够较大提高整个系统鲁棒性和可靠性。

研究主要针对室内环境，无人车已相对低速运行，融合惯性测量元件、超宽带、里程计三种传感器数据。为了验证算法的性能，研究人员搭建了多传感器信息融合平台。平台采用scout2.0移动机器四轮车，车载传感器包括MTi-G-700（IMU）、LinkTrack S(UWB) 和里程计(ODOM) ，实验平台基于Ubuntu系统，并利用ROS进行数据同步采集。

UWB基站布置位置

IMU、UWB安装位置

为了获取小车的位置真实值，实验中使用NOKOV度量动作捕捉系统，通过布置在场地上方的16个Mars镜头（场地约为5m×5m），对粘贴在小车上的三个反光标识点进行识别，从而确定无人车的真实位置。由于动作捕捉系统定位精度达到亚毫米级，是作为小车运动轨迹真值的最佳选择。

NOKOV动作捕捉系统

刚体安装位置

为了分析定位效果，实验主要将IMU+UWB+ODOM 融合数据和动捕系统采集的真实值做对比，同时分析对于单体传感器的定位效果与真实值的对比。

可以看出单传感器存在一定局限性，融合算法能够提升单传感器的定位效果，说明了本文算法的可行性。同时研究人员还分析了方法的效率和鲁棒性，证明了该方法极大的提高了计算效率，并具有一定鲁棒性，在部分传感器失效时也能获取较为准确的定位信息。

参考文献：沈贺兵. 无人车多源传感器信息融合导航技术研究[D].哈尔滨工业大学,2021.DOI:10.27061/d.cnki.ghgdu.2021.004020.

原文链接：https://kns.cnki.net/kcms/detail/detail.aspx?dbcode=CMFD&dbname=CMFD202201&filename=1

人形机器人如何实现 MuJoCo 仿真训练与遥操作？NOKOV度量动作捕捉助力宇树 G1实验验证

宁波职业技术大学利用 NOKOV 度量动作捕捉系统和宇树 G1 人形机器人，开展 MuJoCo 仿真训练与真机遥操作实验。实验中，操作者穿戴带有反光标记点的动捕服，NOKOV 度量动作捕捉系统实时采集人体运动数据，并同步驱动 MuJoCo 仿真环境中的宇树 G1 模型，同时实现真实机器人动作跟随。该案例展示了动作捕捉在人形机器人遥操作、动作映射、模仿学习及算法验证中的应用价值。

上海交通大学谢威老师团队：四旋翼无人机编队“8”字协同吊运｜NOKOV度量动作捕捉系统参与控制闭环

上海交通大学电子信息与电气工程学院谢威老师团队展示了4架四旋翼无人机完成“8”字编队协同吊运实验。实验中，NOKOV度量动作捕捉系统参与无人机控制闭环，实时输出高精度位姿数据，为无人机编队控制、协同运输及飞行算法验证提供稳定的位置反馈。

IEEE RA-L | Aqua-Splat声呐—视觉水下三维重建，NOKOV提供水下机器人六自由度位姿真值

哈工大（深圳）胡靓教授团队提出Aqua-Splat声呐—视觉水下三维重建方法，提升几何重建精度与图像保真度。NOKOV度量动作捕捉系统为搭载双目相机与前视声呐的BlueROV2水下机器人提供六自由度位姿真值，用于建立每帧视觉、声呐数据与机器人位姿之间的空间对应关系。

双层LSTM光纤形状实时重建，NOKOV度量动捕提供高精度三维真值

中科院深圳先进院刘奂奂团队基于 NOKOV度量动作捕捉系统，提出面向微创手术导航的双层LSTM光纤形状重建方法。NOKOV获取光纤标记点高精度三维坐标，作为模型训练真值，并验证动态重建精度与稳定性，助力实现FBG光谱到光纤三维形状的端到端实时重建。