关键词：机械臂;信息融合;状态估计;卡尔曼滤波
摘 要：在串联机械臂运动跟踪中，将惯性测量单元(IMU)的运动信息映射到机械臂运动链上，针对IMU测量时的安装误差和随机噪声会影响到测量信息准确性的问题，提出了一种基于IMU数据融合的运动状态估计方法。该方法首先对传感器与旋转关节坐标系进行校准，再通过融合IMU中陀螺仪和加速计信息，建立了基于扩展卡尔曼滤波(EKF)算法的运动姿态最优估计模型。与机械臂实际输出的角度信息相比，所提方法的平均角度和位姿均方根误差(RMSE)为0.19°和0.45 mm,均优于单目相机惯性传感器联合标定方法。实验结果表明：该方法能够精确地估计机械臂运动状态，并且具有精度更高且运动空间不受限制的优点。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取