基于YOLOv12n算法与分布式卡尔曼滤波的球形电机转子姿态抗视觉遮挡检测方法研究

《Measurement》：Research on visual occlusion-resistant detection method for rotor attitude of spherical motor based on YOLOv12n algorithm and distributed Kalman filters

　　

• •
  本文提出了一种基于YOLOv12n算法与分布式卡尔曼滤波器的永磁球形电机转子姿态检测新方法。
• •
  通过将YOLOv12n姿态检测方法与卡尔曼滤波相结合，实现了视觉姿态检测的短期抗干扰功能。文中还开发了用于该方法的数据采集平台，构建了专用数据集并对YOLOv12n模型进行了训练。
• •
  通过另一个卡尔曼滤波器将卡尔曼YOLOv12n方法的检测结果与MEMS传感器的检测结果相融合，提升了VORD姿态检测方法的长期抗干扰能力。
• •
  通过在YOLOv12n框架下引入分布式卡尔曼滤波器，所提出的VORD姿态检测方法在典型空间运动测试中展现出出色的鲁棒性，同时保证了姿态检测的精度。

引言

球形电机被设计为能够实现三自由度运动[1]、[2]。传统的多自由度电气系统需要多个独立电机来产生所需运动，这导致结构庞大、效率低下且易出现累积误差。球形电机可为上述问题提供解决方案，在机器人仿生眼、人造卫星姿态控制以及军事防御系统等领域具有巨大应用潜力[3]、[4]、[5]。在球形电机控制系统中，转子姿态检测具有重要意义。然而，与传统的电机位置检测方法相比，球形电机转子姿态复杂的空间运动特性给实时姿态估算带来了极大挑战[6]，因此，研究球形电机转子姿态检测方法十分必要。

目前，转子姿态检测的主要方法包括无传感器检测法和非接触式检测法。无传感器技术仅适用于具有特殊电磁结构的球形电机，因此非接触式检测法受到了全球学者的广泛关注，目前已有多种具体的非接触式检测方法被提出，如激光检测法[7]、[8]、光电传感器检测法[9]、[10]、霍尔传感器检测法[4]、[11]、[12]、微机电系统检测法[13]、[14]、无线能量传输检测法[15]、[16]、视觉检测法[17]、[18]以及传感器融合检测法[19]。

在这些方法中，视觉检测法因其诸多优势，如无需接触、易于实现、不受磁场干扰、精度高且成本低，长期以来一直是球形电机控制领域的研究热点。早期关于视觉检测法的研究主要集中在通过特定编码模式提取绝对姿态。1988年，J. Stevenson和J. Jordan利用伪随机二进制序列编码实现了首次对转子绝对姿态的视觉检测[20]。2001年，佐治亚理工学院的H. Garner进一步改进了该方法，将视觉传感器与伪随机二进制序列编码相结合[21]。随后，K. Lee等人通过引入双CCD光学传感器系统，成功实现了对三自由度平面运动和球形运动的实时监测[22]。尽管视觉测量在获取转子绝对姿态方面具有独特优势，但由于早期传感器分辨率低和控制器计算能力有限的瓶颈，该领域的进展较为缓慢。近年来，随着计算能力的提升以及计算机视觉算法的突破，这一领域迎来了新的发展机遇。2018年，塞阿拉联邦大学的K. N. Souza团队提出了基于神经网络训练的单目视觉检测法[17]。2019年，安徽大学的Qunjing Wang团队解决了在单目视觉条件下计算永磁球形电机转子旋转角度的问题[18]、[23]。在此基础上，参考文献[24]、[25]、[26]对单目视觉检测方法进行了深入研究。这些研究不仅部分解决了视觉遮挡及物体重新出现后的重跟踪问题，还实现了相关算法通过Qt/C++的在线部署。总体而言，这些研究成果显著提升了视觉检测法的鲁棒性和实用性，推动了永磁球形电机转子姿态检测技术的持续发展。不过，视觉检测法的实时性能和长期抗遮挡能力等问题仍未解决，仍需进一步研究。

本文以永磁球形电机为研究对象，基于最新的YOLOv12n框架研究了基于视觉的转子姿态检测方法[27]。通过引入卡尔曼滤波器，提出了具有短期视觉抗遮挡能力的视觉检测方法（即YOLOv12n方法）。为解决长期视觉遮挡问题，又将基于MEMS传感器的检测方法（即MEMS方法）集成到YOLOv12n方法中。最终，本文提出了一种具备抗视觉遮挡能力的检测方法（即VORD方法）。实验验证表明，所提出的VORD方法优于现有的各种视觉检测方法。

章节要点

研究对象描述

本文以永磁球形电机作为研究对象，下文将介绍该电机的基本结构以及转子姿态检测所采用的坐标系。

VORD算法与转子姿态检测

本文提出了VORD方法，该方法通过YOLOv12n框架实现对永磁球形电机输出轴上视觉特征点的跟踪。同时采用卡尔曼滤波器为YOLOv12n的目标跟踪功能提供短期抗遮挡能力，而通过整合MEMS方法则实现了永磁球形电机转子姿态检测的长期抗遮挡功能。

YOLOv12n方法的验证

在验证YOLOv12n方法时，首先介绍了数据集的收集、标注及评估方法，接着验证了该模型在自定义数据集上的训练效果，最后通过实验评估了结合卡尔曼滤波的基于YOLOv12n的多目标跟踪算法的短期抗干扰性能。

VORD方法的验证

为验证本文提出的VORD方法处理长期遮挡问题的能力，通过将其与MEMS方法以及YOLOv12n方法进行实验对比，对其性能进行了检验。

结论

本文提出了一种基于YOLOv12n框架和分布式卡尔曼滤波器的VORD方法，该方法具备抵抗长期视觉遮挡的能力。首先，将该卡尔曼视觉滤波器集成到YOLOv12n多目标检测算法中，以解决视觉检测法中的短期遮挡问题。为训练YOLOv12n模型，本文开发了相应的永磁球形电机数据采集系统，并收集、标注了专用数据集，同时还对方法的精度和实时性进行了验证。

CRediT作者贡献说明

Sili Zhou：论文撰写——审阅与编辑、论文撰写——初稿撰写、方法设计、资金申请。Jiuxu Fan：软件相关工作。Guoli Li：论文撰写——审阅与编辑、项目指导。Qunjing Wang：论文撰写——审阅与编辑、资源协调、资金申请、数据整理。Wenpin Cao：论文撰写——审阅与编辑。Yuanyuan Jiang：资源协调工作。

利益冲突声明

作者声明不存在任何可能影响本文研究工作的已知利益冲突或个人关系。

致谢

本研究部分得到了安徽省智能配电网运行控制重点实验室开放课题（项目编号SYS-KFKT-202507）、安徽大学节能电机与控制技术国家工程实验室开放研究项目（项目编号KFKT202503）、安徽大学先进电力电子与能源转换工程研究中心开放课题（项目编号APE202505）的支持。

Sili Zhou|Jiuxu Fan|Guoli Li|Qunjing Wang|Wenpin Cao|Yuanyuan Jiang