融合速度估计与里程计位姿的扫描匹配改进算法

为改进低帧率激光雷达在扫描匹配中的扫描畸变问题,提出了融合速度估计与里程计位姿估计的扫描匹配改进算法。首先以迭代最邻近点匹配为基础算法,分析了现有算法的问题所在。其次对扫描畸变问题展开分析,运用里程计位姿估计对激光位姿进行分段位姿估计。通过对分段内激光点进行速度估计,进一步确定激光点位姿。给出了具体的算法原理,并进行了仿真实验和具体的对比实验。仿真结果与实际试验结果表明,本文算法在匹配精度上优于ICP算法及VICP算法。     

基于视觉里程计的移动机器人三维场景重构

研究移动机器人在不依赖GPS环境下的三维场景重构方法.在基于双目视觉的实时位姿估计中,使用基于最大团的内点选取方法对RANSAC算法进行优化,通过鲁棒的运动估计算法求解机器人的三维位姿.基于自主研发的全景三维激光系统来实现室内场景的三维点云数据采集,同时利用视觉里程计提供的移动机器人可靠位姿来完成多视点下的三维点云数据融合,从而保证了大范围三维场景重构的有效实现.利用SmartROB移动机器人平台在办公大厦的室内、走廊及大厅等多种环境进行了实验验证,实验结果表明本文所提方法的有效性和实用性.     

基于目标检测的室内动态场景SLAM

室内动态场景下的同步定位与地图构建(simultaneous localization and mapping, SLAM)系统容易受到运动障碍物的影响，从而导致其位姿估计精度和视觉里程计的稳定性降低。本文提出一种基于YOLOv4目标检测网络的视觉SLAM算法，获取语义信息，并利用LK光流法判断动态特征，在传统的ORB-SLAM2系统上将动态特征点剔除，只使用静态特征点来估计相机的位姿；建立稠密点云地图，并转化成节约内存空间的八叉树地图。在TUM公开数据集上对该方法进行测试和评估，实验结果表明：在动态环境下，该系统与ORB-SLAM2相比，相机位姿估计精度提高83%，且减少了生成的环境地图的存储空间，为后续实现机器人导航具有重要意义。     

基于滑窗非线性优化的双目视觉SLAM算法

针对双目基于ORB特征的即时定位与地图构建(ORB-SLAM)算法位姿估计精度较低的问题,对其进行了改进,提出了一种基于滑窗非线性优化的双目视觉SLAM算法。该算法引入了滑窗思想,在状态估计过程中对最新多帧图像对应系统的状态进行了解算;重构了位姿估计过程中的代价函数,通过高斯牛顿法优化状态变量;采用边缘化策略,有效限制了待求解状态量的数目,并将其余状态量及与其相关的视觉测量转换为求解当前滑窗内状态的先验约束。通过在公开数据集上测试,验证了算法的精确性和有效性,实验结果表明:该算法能有效估计相机位姿且不发生显著漂移,与双目ORBSLAM算法相比,位姿估计精度有了显著提高。     

无人车基于双目视觉的同时定位与地图构建

研究了无人驾驶车面向校园环境的同时定位与地图构建问题.采用双目视觉系统进行立体视觉图像匹配,并以此为基础完成优化前的位姿拓扑地图构建;采用了一种基于ORB图像特征和BoW模型的闭环检测算法,并利用时间连续性约束和几何一致性约束来提升闭环匹配正确率.位姿拓扑地图的后端优化采用了高斯-牛顿优化方法,并且在迭代过程中充分考虑了系统信息矩阵的稀疏性.利用实验室自主研发的SmartCruiser无人驾驶车平台在校园环境进行了实验,结果验证了本文所提方法的有效性和实用性.     

结合车道线检测的智能车辆位姿估计方法

基于视觉的智能车辆定位问题是自动驾驶领域研究的一大热点。在某些有效近景特征不显著的场景中,由于参与计算的特征数量不足,会导致位姿估计精度下降甚至失效。为此,本文提出一种结合车道线检测的相机位姿估计方法来提高位姿估计精度。首先,设计了一套基于自适应感兴趣区域和几何结构筛选法的车道线检测算法,精确检测到了左右车道线的内、外侧线;其次,对车道线区域内的点进行帧间匹配,得到新的匹配点对,并根据V视差图拟合出地面视差方程,求解出属于车道线匹配点对的准确视差值;最后,将这些匹配点对与ORB方法提取得到的匹配点对融合,共同参与相机的位姿计算。经实验验证,本文提出的算法提高了位姿估计结果的精度,解决了某些场景中有效特征点不足导致的位姿估计失效问题,具有良好的环境适应性。     

融合光度和深度的视觉里程计改进算法

针对视觉里程计中对纹理较少的环境难以获得高精度相机位姿的问题,提出一种融合光度和深度的视觉同步定位与绘图(SLAM)方法.首先构造基于光度和深度的相机位姿优化函数,通过t分布模型计算每个像素点的光度和深度误差权重,对每一帧图像引入帧权重系数λ来平衡光度和深度,并采用中值法求解帧权重λ,求得相机位姿.然后对10个国际标准数据集进行仿真实验,结果表明,对纹理丰富的环境,本方法能够保持DVO SLAM算法的建图精度;对纹理较少的环境,本方法的建图精度要高于DVO SLAM算法,绝对路径误差降低31.6%,相对位姿误差降低19.4%.     

融合码盘和激光雷达的里程计与建图

提出了一种用于自动驾驶汽车的低漂移、低延迟的里程计与高精度建图的算法。该方法融合了多种传感器的测量结果，包括车轮编码器、转向盘转角编码器、激光雷达及可选GPS等的测量结果。里程计算法由车轮里程计和激光里程计组成：前者基于车辆运动学模型，高频、实时估计位姿增量，用于点云去畸变和为后者优化位姿提供可用的初值；后者以较低的频率估计车辆的精确位姿变化，以补偿前者累计的误差，其核心是一种基于角度度量的两阶段特征提取方法。建图算法基于因子图，包含激光里程计因子、回环因子和可选GPS因子，通过增量平滑和建图算法优化全局轨迹，在线生成全局地图，其中GPS因子能够自动对齐GPS坐标系和里程计坐标系，逐步融合GPS测量值，解除了算法初始化过程对于GPS的依赖。所提出的方法在自动驾驶汽车平台数据集上进行了评估，并和已开源的部分相关工作进行对比，结果表明它具有更低的漂移率，在本文进行的最大规模的测试中达到了0.53%。相关代码以开源形式供交流参考（https：//github.com/Saki-Chen/W-LOAM）。     

一种利用RAC模型改进的DLT相机位姿估计方法

相机的n点透视(PnP)问题在机器视觉、无人机自主降落、机器人控制以及相机测量等领域有着极其重要的意义。直接线性转换(DLT)算法作为一种经典的Pn P算法,能够快速地估计相机的位姿参数,但DLT算法的位姿估计结果,尤其是对转移矩阵的估计,误差较大,抗噪能力弱,很难应用于具有一定噪声的实际环境中。利用RAC模型对DLT算法进行改进,并通过模拟实验和真实实验进行算法测试。结果表明,改进的算法在保持了DLT高效率的同时,大大提升了算法的精度和稳定性。     

一种改进的面向SLAM系统的相机位姿估计方法

相机位姿估计是SLAM系统的关键环节,影响着整个SLAM系统的精度和效率.针对SLAM中相机位姿估计存在的问题,提出了一种改进的相机位姿估计方法.该方法的主要思路是将特征点法和直接法结合起来,以此来提升特征点数量不足时相机位姿估计的精度和鲁棒性.首先,提出了一个将相机运动模型和图像划分相结合的特征匹配算法,该算法在保证匹配速度的同时,提高了特征匹配的精度与数量.其次,在特征点的基础上,通过引入光度信息,提出了表观形状加权融合的相机位姿估计方法,该方法在缺乏特征点时依然可以稳定工作.最后,基于优选的关键帧,实现了局部与全局融合的相机位姿优化,其中局部优化通过构建局部关键帧共视关系实现;全局优化通过基于闭环检测构建的位姿图来实现.为验证上述位姿优化方法的性能,构建了基于该方法的SLAM系统,并在当前流行的场景图像数据集上进行了重建实验,重建结果验证了本文方法的有效性.     

无人驾驶车辆基于角点和斑点的特征提取算法

针对运行在计算资源有限的车载嵌入式系统中的视觉里程计算法实时性较差的问题,提出一种基于Harris和SIFT相结合的图像匹配方法——Harris-SIFT算法。在介绍了SIFT算法的基础上,给出了Harris-SIFT算法的原理:使用Harris算法提取图像中的角点作为特征候选点,再利用SIFT算法在Harris的特征候选点中进行特征点提取。通过实例用Matlab软件对算法进行了仿真,并对算法的复杂度及各种性能进行了分析。结果表明,所提出的方法在特征检测模块中降低了算法的运算量、提高了特征点提取速度。Harris-SIFT算法可用于实时视觉里程计系统中,进而可使视觉里程计在车载嵌入式导航系统上得到广泛的应用。     

基于稳健特征点的立体视觉测程法

提出一种基于稳健特征点的立体视觉测程法完成机器人自主高精度定位.从可重复性、精确性和效率3个方面比较多种局部不变特征算法性能,采用稳健特征算法AKAZE(AcceleratedKAZE)提取特征点.提出了一个稳定的特征点匹配框架和改进的随机抽样一致性算法(Random Sample Consensus,RANSAC)去除外点,使文中的视觉测程法可以应用于动态环境中.基于几何约束的分步自运动估计可提供相机运动的精确信息.将提出的方法在KITTI(Karlsruhe Institute of Technology and Toyota Technological Institute)数据集上和复杂校园环境中所采集的立体视觉数据集上进行测试,与经典立体视觉测程方法比较,文中的方法更好地抑制了误差累计,运动估计结果满足实时高精度定位系统需求.     

基于起点预测的单位十字快速运动估计算法

复杂且耗时的运动估计运算给实时视频编码系统的实现带来了困难.为提高视频编码的实时性,文中分析了运动矢量的分布特性和空间相关性,提出了一种基于起点预测的单位十字快速运动估计算法.该算法结合提前中止准则,通过块匹配绝对误差比较法来选择起始搜索点,然后采用单位十字搜索模式进行搜索.实验结果表明,在保持图像质量基本不变的情况下,该算法搜索速度是三步法的3～17倍,是菱形搜索法的2～9倍,是自适应十字搜索法的1.19～4.42倍.该算法计算量小,实时性强,易于硬件实现,在小运动序列运动估计方面具有明显优势.     

基于多信息融合的移动机器人定位算法

为了提高机器人的定位精度,提出了一种基于里程计、单目视觉与激光雷达信息相融合的自定位算法.首先,由里程计推算出机器人在各个时刻位置的估计值;其次,在不同时刻计算出机器人摄像头与任意两个环境特征点的夹角变化,通过激光雷达获得环境特征点的距离和角度并利用扩展卡尔曼滤波算法与里程计的定位信息进行融合;最后,由匹配的环境特征对机器人的位置进行修正,得到精确的位置估计.实验结果表明,该算法在多转角、长距离的情况下取得了满意的效果,有效地提高了定位精度.     

基于递推总体最小二乘的机载单站无源定位算法

对于机载单站无源定位中观测向量和系数矩阵均存在噪声的情况,采用经典的最小二乘(LS)算法会导致估计结果有偏,而一般的批处理算法运算量大,不满足定位的实时性要求.为此提出一种递推总体最小二乘定位(RTLS)算法.在建立机载无源测向定位模型的基础上,引入由系数矩阵和观测向量构成的增广矩阵,利用矩阵分解的性质建立了增广自相关逆矩阵和最右奇异向量的递推方程,从而推导出RTLS定位算法.仿真结果表明,RTLS算法的收敛速度和定位精度优于RLS算法和TWDRLS算法,并且实现了TLS算法对目标位置的实时估计,能够定位需求.     

沙质环境中基于视觉的月球车定位方法

视觉里程计是月球车上重要的传感器之一,能够实现月球车在松软月面的定位,并对滑转率进行估计．针对沙质的月面模拟环境,为月球车开发了适应能力强的视觉里程算法．首先,研究基于形态学的图像增强算法以保证提取到足够多的特征点;其次,在对极线约束下实现角点的匹配,并且通过优化搜索窗口尺寸和预估搜索方向等方法提高匹配和跟踪的效率;再其次,采用随机抽样一致（RANSAC）算法进行运动估计,计算巡视器在6个自由度上的姿态变化;最后,在月面模拟场地对视觉里程算法进行试验,证明所提算法在特征稀少的环境中仍能保持较高的稳定性和定位精度．     

基于改进姿态估计算法的嵌入式平台实时跌倒检测

为了实现视频中特殊人群跌倒检测的实时性和降低误检率。通过采用改进的姿态估计网络提取人体关节点的方法,研究了使用前后帧关节点的变化来对人体进行追踪和跌倒行为检测。为了在嵌入式平台上使姿态估计网络达到实时效果,采用带有注意力机制的轻量化结构搭建深度卷积网络来提取人体关节点坐标,并合成完整的骨架信息。结果表明：带有注意力机制的姿态估计算法在不同数据集上的准确度均有提升;同时在嵌入式平台上保持误检率较低的情况下达到实时跌倒检测。可见基于改进姿态估计算法并通过关节点判断的方法较好地实现了人体的跌倒检测。