面向动态机器人操作的关联感知双视图位姿与速度估计

准确的位姿与速度估计对于机械臂有效的空间任务规划至关重要。虽然传统上使用集中式传感器融合来提高位姿估计精度，但本文提出了一种新颖的去中心化融合方法来同时估计位姿和速度。我们使用安装在机械臂上的眼在手和眼在手外视觉传感器配置的双视图测量，来跟踪运动被建模为随机游走（随机加速度模型）的目标物体。机器人运行了两个在矩阵李群上构建的独立自适应扩展卡尔曼滤波器，这是本研究的一部分。这些滤波器在流形 $\mathbb{SE}(3) \times \mathbb{R}^3 \times \mathbb{R}^3$ 上预测位姿和速度，并在流形 $\mathbb{SE}(3)$ 上更新状态。包含目标融合位姿和速度的最终融合状态，是使用李群上的关联感知融合规则获得的。所提出的方法在配备了 Intel RealSense 相机的 UFactory xArm 850 上进行了评估，用于跟踪移动目标。实验结果验证了所提出的去中心化双视图估计框架的有效性和鲁棒性，显示出相对于现有最先进方法的持续改进。