基于图像特征的双目测距系统的研究

针对双目视觉测距中测量误差大、图像信息单一、实时性差等问题,提出一种基于ORB(orientedfast and rotated brief)特征的双目测距方法.对视频帧进行中值滤波处理,提取图像ORB特征,通过实验选出匹配效果最好的汉明距离.对筛选后的匹配点进行RANSAC(random sample consens...     

面向移动机器人大视角运动的图神经网络视觉SLAM算法

针对移动机器人在大视角运动下光照变化剧烈或遭遇纹理稀疏场景易出现特征点提取困难,极端角度下特征难以匹配导致对极几何计算误差较大问题,提出一种融合改进图神经网络的视觉SLAM算法。基于先验位置估计的特征提取网络,通过先验位置估计实现图像特征点快速均匀检测与描述,构建真实准确的特征点信息。基于图注意力机制的特征匹配网络,通过消息传递图神经网络聚合特征点信息,使用自我与联合注意力机制对前后图像帧分权重特征匹配。将特征提取与匹配图神经网络与ORB-SLAM2系统后端非线性优化、闭环修正、局部建图模块融合,提出一个完整的单目视觉GNN-SLAM系统。实验结果表明：该算法在KITTI数据集上与ORB-SLAM2算法相比,绝对轨迹误差降低37.59%,相对位姿误差降低19.67%。     

基于改进目标检测的动态场景SLAM研究

针对单目SLAM在动态场景下存在的对极约束误匹配问题,提出一种基于目标检测的动态特征点选择方法,通过在特征提取时剔除SLAM系统前端图像帧中动态特征点,提高SLAM的定位精度。提出了一个改进的目标检测网络,利用重叠面积、距离相似度和余弦相似度构建描述边界框的回归损失函数,实现目标的准确定位,获得当前图像帧中物体特征点范围。判断物体类别,对于标记为动态的物体根据目标检测结果剔除前端图像帧中的动态特征点。根据静态特征点,采用对极约束进行两帧图像间的特征匹配估计位姿,对单目相机运动进行跟踪、建图与闭环检测。通过对目标检测网络的主干进行结构重参数化改进,提升推理过程的速度,保证整体系统运行的实时性。在公开数据集KITTI的11个序列上的实验结果表明：改进后的系统比ORB-SLAM3系统定位精度提升了23.4%,帧率可以达到30帧/s以上,在保证实时运行的条件下能有效提高动态场景下单目SLAM系统定位精度。     

结合区域光流特征的时序模板行为识别

提出一种结合时序模板(运动历史图像和运动能量图像)的小波矩特征和计算视频区域光流特征的方法来进行人体行为识别.小波矩具有平移、旋转、尺度不变性并且具备小波的多尺度特性,能够很好地描述运动历史图像和运动能量图像的形状特征,对于简单的动作识别效果较好,但是它不能体现出动作的速度信息.使用ucas-Kanade光流法计算视频的区域光流能够描述动作的方向和速度特征,弥补了小波矩缺少动作速度信息的不足.结合两种方法描述动作,基于Weizmann数据库所进行的实验测试结果验证了所提方法的有效性.     

基于模糊逻辑的SLAM数据关联方法

提出了一种基于模糊逻辑的同步定位与地图创建(simultaneous localization and maping, SLAM)数据关联方法,该方法计算特征观测和特征估计的误差椭圆,对归一化新息和误差椭圆重叠比例进行模糊化处理,作为模糊系统输入变量,将数据关联结果作为模糊输出变量。通过融合这些特征信息建立模糊规则,进行模糊推理,最终获得数据关联结果。这种方法可以有效表达数据关联中存在的不确定性和模糊性,具有处理多个候选关联假设的能力,并且在实际观测与特征估计值距离较小时减少了误关联的发生,在实际观测与特征估计值距离较大时又避免了丢弃正确关联。仿真实验表明,新算法具有更好的抗干扰能力和鲁棒性,为SLAM的数据关联提供了一条新的途径。     

基于ICP算法的非合作目标特征点云配准优化

针对视觉测量中非合作目标无法提供合作信息从而引起的位姿测量问题,采用ICP(Iterative Closest Point)算法配准不同时刻获取的点云降采样数据来完成目标的相对位姿测量。利用运动恢复结构算法获取了目标当前时刻的点云数据并比较了基于阈值匹配与光流匹配的特征点匹配算法,利用三角测量法对提取到的特征点进行重建,同时将点云数据进行降采样处理,根据降采样后的点云数据计算出不同时刻目标的相对位姿关系。实验表明当物体发生旋转运动时,对降采样数据利用ICP算法计算得到的目标绕坐标轴旋转角度最大误差不超过0.11º。     

基于中心距离特征的人体运动序列关键帧提取

运动捕获数据的关键帧是原始运动序列的简洁表示,对于运动压缩、运动检索和运动分割起着重要的作用。提出了一种基于中心距离特征的人体运动捕获数据关键帧提取方法,通过提取四肢到中心点ROOT的距离,得到一组中心距离特征,将特征分为上肢和下肢来分别表示,并提取上下肢的距离模,得到二维的特征向量模;然后采用主成分分析得到一维特征,并提取其局部极值点作为初始关键帧;最后通过对初始关键帧的重新筛选与插入得到最终关键帧序列。实验结果表明,该方法提取的关键帧序列在视觉上能够很好的概括原始运动序列的内容,且具有高压缩率。     

基于单目视觉的微型飞行器移动目标定位方法

针对目标在地形高度未知环境中移动的情况,给出一种利用微型飞行器机载单目摄像机进行目标定位的方法。首先,借助光流直方图从当前图像帧中提取出移动目标局部区域内的背景特征点|然后,结合机载微机电系统(micro electro mechanical system, MEMS)/ 全球定位系统(global positioning system, GPS)传感器测量的飞行器位姿和空间平面点成像的单应变换关系,在期望值最大化算法中将背景特征点分类为辅助平面点和非辅助平面点,并估计辅助平面到摄像机光心的距离参数和法矢量参数,从而确定移动目标所处辅助平面的空间平面方程|最后,联立求解目标视线方程和辅助平面方程获得交点坐标,转换到惯性系下完成移动目标的地理定位。实验结果表明,当微型飞行器飞行高度为100 m时,操作人员单次点击移动目标的定位误差在15 m以内。     

基于自然特征点的实时增强现实注册算法

提出了一种基于自然特征点的实时跟踪注册算法,并将其应用于增强现实系统。算法在已知场景的3D模型以及少量标定关键帧图像的基础上,选择与当前图像最为匹配的关键帧,利用基于关键帧的图像匹配方法实时获取摄像机的运动参数估计。算法采用合成中间图像的技术解决两图像特征点间的宽基线匹配问题,并应用扩展卡尔曼滤波器对参数估计结果进行平滑,以消除系统抖动现象。实验结果表明,算法鲁棒性强,注册精度高,能够有效地克服系统误差漂移。     

基于运动感知的VR体验舒适度研究

针对观众在进行虚拟现实(virtual reality,VR)体验后出现眩晕、恶心等不适的问题，建立一种基于运动感知的VR体验舒适度评估方法。通过对立体VR视频进行稠密光流估计，分析场景中的水平运动和垂直运动计算视频帧速度矩阵，提出了基于帧差法和基于时域的帧加速度特征提取方法，将提取的速度、加速度等运动特征结合支持向量回归算法建立VR体验舒适度评估模型。实验结果表明，基于时域帧加速度特征的评估模型优于基于帧差法的模型，且性能较现有其它模型更接近主观评价值，均方根误差减小到7.0,Pearson相关系数提高到0.955 3。     

基于物体关系描述的单目语义SLAM方法

外界环境的语义感知和自身位置的准确估计是移动机器人自主导航和作业的关键.提出了一种基于单目相机的语义SLAM(simultaneous localization and mapping)方法,在轨迹估计的同时完成三维目标检测.提取物体自身语义、尺寸、颜色分布及其邻域拓扑结构等多元信息作为描述子,实现帧间物体的准确关联....     

矩阵对角化变换鲁棒QCKF在视觉和惯性融合姿态测量中的应用

视觉和惯性融合姿态测量系统,可以发挥视觉测量重复性、稳定性好和惯性测量输出频率高、不受环境光干扰的特点。针对融合测量中,系统噪声和观测噪声的统计特性不完全可知及在出现异常测量值时融合测量鲁棒性较差的问题,提出一种基于矩阵对角化变换的鲁棒四元数容积卡尔曼滤波(quaternion cubature Kalman filter, QCKF)算法,分析了鲁棒滤波参数对测量系统鲁棒性和测量准确度的影响,使用矩阵对角化变换代替标准CKF中的Cholesky 分解以改善数值计算的稳定性。结合搭建的视觉和惯性融合姿态测量系统平台,实验结果表明与标准CKF算法相比,具有更高的准确度、鲁棒性以及稳定性。     

载体运动学辅助的双轴旋转调制惯性导航算法

为提高车载捷联惯导系统的导航精度,提出一种载体运动学约束辅助双轴旋转调制的惯性导航算法。建立了惯性测量单元(inertial measurement unit, IMU)旋转的载体运动学约束模型,设计了32次序转位方案,在实现惯性器件误差自补偿的同时提高了系统可观测度,从而将提高了可观测度的载体运动学约束导航与旋转调制导航结合,进一步提高了导航精度。进行了4 000 s静止条件下的导航试验,结果证明此方法可以有效提高定位精度,水平定位精度和高度精度分别比双轴旋转调制导航提高48.2%和80.3%,比载体约束辅助导航提高85.1%和89.9%。最后通过车载实验验证了该方法的有效性。     

载体运动学辅助的双轴旋转调制惯性导航算法

为提高车载捷联惯导系统的导航精度,提出一种载体运动学约束辅助双轴旋转调制的惯性导航算法。建立了惯性测量单元(inertial measurement unit, IMU)旋转的载体运动学约束模型,设计了32次序转位方案,在实现惯性器件误差自补偿的同时提高了系统可观测度,从而将提高了可观测度的载体运动学约束导航与旋转调制导航结合,进一步提高了导航精度。进行了4 000 s静止条件下的导航试验,结果证明此方法可以有效提高定位精度,水平定位精度和高度精度分别比双轴旋转调制导航提高48.2%和80.3%,比载体约束辅助导航提高85.1%和89.9%。最后通过车载实验验证了该方法的有效性。     

Novel adaptive Hatch filter to mitigate the effects of ionosphere and multipath on LAAS

It has been proven that carrier smoothing and differential global positioning system (DGPS) are effective to improve the accuracy of pseudorange by reducing the noise in it and eliminating almost all the common mode errors between the ground station and user. However, another issue coming with local area augmentation system (LAAS) is how to find an adaptive smoothing window width to minimize the error on account of ionosphere delay and multipath. Based on the errors analysis in carrier smoothing process, a novel algorithm is formulated to design adaptive Hatch filter whose smoothing window width flexibly varies with the characteristic of ionosphere delay and multipath in the differential carrier smoothing process. By conducting the simulation in LAAS and after compared with traditional Hatch filers, it reveals that not only the accuracy of differential correction, but also the accuracy and the robustness of positioning results are significantly improved by using the designed adaptive Hatch filter.     

弹载双基前视成像雷达解析-迭代定位方法

在弹载寻的制导阶段, 针对传统双基定位方法受限于速度、角度等参数精度的问题, 提出一种最优解析-迭代双基定位方法。该方法首先建立基于图像匹配的弹载双基前视成像定位模型, 并分析推导出定位模型的解析解集, 然后结合惯导参数与初始迭代点的选取准则, 确立最优初始迭代点, 实现快速迭代搜索, 获取接收雷达最优三维坐标, 完成双基雷达的精确定位。在此基础上, 建立运动误差和匹配误差模型, 并通过仿真实验分析其对定位精度的影响。仿真实验验证了在相同实验环境和条件下, 最优解析-迭代定位方法的有效性和准确性。     

捷联惯导行进间对准位置更新与误差分析

针对车载捷联惯导行进间初始对准抗干扰能力差、自主测速设备难以获取位置信息的问题，提出一种基于位置更新的行进间惯性系对准算法，并分析位置误差影响。利用惯性凝固思想建立了行进间惯性系双矢量和多矢量对准模型，提出了一种行进间对准位置更新算法，即由自主测速设备获得的载体速度可解算出量测矢量，进而通过姿态变换和积分迭代可以得到地理位置信息，同时分析位置误差对惯性系对准的影响。通过实验验证，相比于惯性系双矢量对准，多矢量对准方法更加充分利用了量测矢量信息，抗干扰能力强；位置误差将引入行进间对准误差，采用位置更新算法能够得到更高的行进间对准精度，还可在初始对准结束时刻为后续导航提供位置信息。     

基于滑模观测器的偏置动量卫星姿态跟踪控制

针对在偏航姿态测量信息未知时偏置动量卫星姿态跟踪控制,提出了一种新的滑模观测器及其对应的自适应滑模控制器设计方法。基于滚动轴和俯仰轴信息,设计了一种经过平滑的滑模观测器,抑制高频抖震的同时提高状态估计的鲁棒性;设计的比例积分滑模面,能实现积分滑模控制,抑制稳态误差,优化滑模的全程鲁棒性,并采用自适应方法,对不确定参数进行在线更新,补偿不确定参数的影响。数值仿真结果表明,相对于龙伯格观测器,该方法能提高偏航姿态信息估计精度,在保证系统鲁棒性的同时,滚动和偏航轴姿态跟踪精度分别提高约50%。     

基于分层SLAM的空地多智能体协同导航

针对单一智能体在导航过程中存在全球导航卫星系统（global navigation satellite system，GNSS）易受遮挡或干扰，惯性导航存在误差累积的问题，提出基于视觉的分层即时定位与地图构建（simultaneous localization and mapping，SLAM）空地多智能体协同算法。通过建立系统模型，采用基于扩展卡尔曼滤波融合欧氏点、逆深度点、锚定同质点3种不同特征点的分层SLAM算法，实现了对导航系统的辅助和增强。针对空地协同场景设计并开展了仿真实验。结果表明，空地多智能体协同算法可以将位置误差降低40%；而在使用锚定同质点以后，误识别率由49%降低至4%。实验验证该算法具有良好的定位精度、实用性和有效性。     

基于自适应快速终端滑模的航天器容错控制

针对执行机构发生故障时的航天器姿态控制问题,提出了一种基于自适应快速终端滑模的容错控制设计方法。该方法通过选择具有快速终端特性的滑模面,提高航天器容错控制的收敛速率,实现系统有限时间稳定|利用自适应控制方法在线调整控制器参数,消除对故障最小 值信息的依赖。仿真结果表明,与基于普通滑模控制器的容错控制相比,所提出的方法在保证系统鲁棒性和稳定性的同时,三轴姿态角和态角速度收敛时间可分别降低约54.5%和50%,实现快速有效的航天器容错控制。