动作捕捉技术用于飞行机械臂算法优化
无人机近些年发展迅速，可实现检测、巡逻、航拍等各种任务。但是与目标物进行交互的功能欠缺，无法满足无人机完成更复杂任务的需求。搭载了多关节机械臂的旋翼无人机可以补充这项缺失，实现抓取等交互任务。
机械臂视觉系统构建
无人机机械臂在大多数环境下需要具有一定的独立获取和处理信息的能力，重要的环节是对目标物的识别和定位，因此视觉系统的构建是关键因素。
南京航空航天大学陈柏老师团队设计了一种基于YOLOv5深度学习目标检测算法和RGB-D传感器的视觉识别和定位算法，可以实现飞行机械臂抓取时实时检测目标物并进行位姿估计。
光学动捕验证实验算法
研究人员在室内可控环境下对目标物位姿估计算法进行测试，实验中在机械臂识别系统和目标物上粘贴多个Marker点分别建立刚体，利用NOKOV度量动作捕捉系统进行定位。
NOKOV度量动捕系统可以实时输出二者在世界坐标系下的位姿数据。由于定位精度高达亚毫米级，数据可作为实验真值，与视觉系统中目标检测、拟合点云中心以及坐标转换得到的测量值进行对比。通过向各个方向移动摄像头模拟飞行机械臂飞行过程中相机的运动，测试算法的有效性。
实验结果显示，算法对目标物三维空间坐标估计，在各方向上的实时数据误差均方根平均值小于0.02 m，可以为飞行机械臂抓取工作提供目标物有效的位置信息。
参考文献：
[1]张睿,王尧尧,段雅琦,陈柏.面向飞行机械臂的实时目标检测与定位算法[J].南京航空航天大学学报,2022,54(01):27-33.DOI:10.16356/j.1005-2615.2022.01.003.
原文链接：
动作捕捉系统用于飞行机械臂目标检测与定位算法验证?www.nokov.com/support/case_studies_detail/Applications-of-motion-capture-systems-in-the-development-of-a-target-detection-and-positioning-%20algorithm-for-aerial-manipulator.html
更多阅读：
The End