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

苏黎世大学RPG实验室：动作捕捉为无人机状态反馈提供位姿数据

在Davide Scaramuzza教授领导的苏黎世大学Robotics and Perception Group，NOKOV度量动作捕捉系统实时提供无人机位姿数据，用于无人机状态反馈。

Science Robotics丨人形机器人踢足球：依靠机载视觉学习反应式足球技能

清华大学赵明国研究员团队团队在Science Robotics发表人形机器人视觉踢球研究，通过强化学习实现反应式足球技能。NOKOV度量动作捕捉系统采集人体踢球动作及机器人、足球位置真值，为AMP参考运动数据和虚拟感知系统建模提供数据支持。

山东大学T-ASE研究：动作捕捉系统采集人类示范数据，DM-KMP与多智能体强化学习实现五指灵巧手协同抓取

山东大学控制科学与工程学院李可教授团队提出了面向仿人五指灵巧手抓取的统一学习框架。该研究将人类示范轨迹生成与多智能体强化学习相结合：NOKOV度量动作捕捉系统用于采集自然五指抓取运动，DM-KMP从有限示范中生成期望关节轨迹，PWS-MADDPG进一步学习多指协同抓取策略。研究结果显示PWS-MADDPG 在 11 类物体上的平均抓取成功率为 85.48%。

仿生五自由度折纸脊柱外骨骼：三维运动数据验证运动透明性

合肥工业大学、西安电子科技大学、英国提赛德大学和香港理工大学研究团队提出仿生五自由度折纸机构，并据此开发主动式折纸脊柱辅助外骨骼OSAE，用于在对称和非对称举升中适应人体脊柱运动并提供辅助。研究团队使用NOKOV度量动作捕捉系统采集受试者上半身三维运动数据，比较穿戴与未穿戴OSAE时前屈、侧屈和轴向旋转的躯干活动范围，验证OSAE系统的运动透明性。