基于多尺度特征的像素位姿定位优化方法

在已知三维信息的场景中估计相机位姿，是自主驾驶、增强现实、虚拟现实等领域的重要环节。已有方法从输入图像中直接回归相机的位姿，或者通过回归像素的三维坐标方式计算相机位姿，这些方法存在的问题是与训练场景耦合严重，在新环境中缺少泛化能力。认为深度学习网络应该专注于学习鲁棒和不变的图像特征，因此介绍了一种基于多尺度图像特征对齐的优化方法，将图像特征相似性作为度量形式，将相机位姿作为优化量，通过从像素到位姿的端到端的训练，来估计相机精确的六自由度(6 degree of freedom, 6DOF)位姿。该模型参数和场景分离，对新场景有较强的泛化能力，并且具有较好的定位精度。     

基于视觉的近距离编队对偶四元数相对位姿估计算法

针对近距离编队飞行中位姿估计问题,提出了一种新的点到区域匹配航天器间视觉相对位姿估计算法。给定主星表面上的点集及与之匹配的从星摄像机像平面图像凸区域,结合对偶四元数及凸优化数学工具,充分利用对偶四元数描述坐标系变换的简洁性,建立了对偶四元数凸优化位姿估计模型,估计出主星与从星之间的相对位姿参数。该算法不仅利用对偶四元数较传统四元数描述坐标系变换的优势,而且采用凸优化方法可大大降低传统位姿估计方法中需要精确的点到点匹配的要求。仿真结果证明,该算法能满足近距离编队相对位姿估计精度要求,具有较好的鲁棒性,对目前航天任务中航天器间视觉相对位姿估计具有重要参考价值。     

基于并联机构动力学模型的标记成像波门预测

在基于双目视觉的并联机构位姿测量系统中,为了简化图像处理、提高位姿测量的实时性,提出一种标记成像波门预测方法。基于机构动力学模型和Unscented卡尔曼滤波(Unscented Kalman filter,UKF)算法实现并联机构位姿预测,并利用误差理论建立标记中心像点与并联机构位姿之间误差传递模型,进而实现标记成像波门预测。最后,通过仿真试验验证了标记成像波门预测的可行性。     

基于多尺度光流融合特征点视觉-惯性SLAM方法

为提高视觉-惯性导航系统在弱纹理环境下的鲁棒性和精度, 结合特征点法精度高和光流法速度快的特点以及惯性信息, 提出一种多尺度均匀化光流融合特征点法的视觉-惯性同时定位与地图(simultaneous localization and mapping, SLAM)构建方法。首先, 改进快速特征点提取和描述(oriented fast and rotated brief, ORB)特征提取过程, 采用多尺度网格化的方法提取ORB特征点并利用四叉树均匀分配特征点, 提高特征分布离散性。其次, 在帧间采用LK(Lucas and Kanade)光流法追踪特征点进行帧间的数据关联, 在关键帧对特征点进行描述子的计算和匹配从而实现关键帧间的数据关联, 保证算法速度的同时提高定位精度和鲁棒性。最后, 基于光流法建立的数据关联得到的初始位姿为后端优化提供初始值, 整合ORB特征点重投影误差、惯性测量单元(inertial measurement unit, IMU)预积分误差以及滑动窗口先验误差构建最小化目标函数采用滑动窗口非线性优化进行求解。实验表明, 所提方法相比单目视觉惯性系统具有更高的定位精度和鲁棒性, 定位精度平均提升16.7%。     

连续油井测斜系统仿真轨迹数据生成技术

针对快速准确的油井轨迹测量要求,一种基于动力调谐陀螺的连续测斜方法被提出。为了对连续测斜算法的可行性进行仿真,需要井眼轨迹数据和惯性器件输出参数。根据惯性导航原理,将飞行轨迹生成思想扩展到油井测斜领域。应用数学方法设计了一种仿真用井眼轨迹数据生成器,搭建了惯性器件模型,生成了模拟的惯性器件输出。通过指北方位捷联惯导姿态算法仿真,验证了该轨迹数据生成器能够满足连续测斜算法的仿真需求。     

基于零空间l1范数最小化的ISAR成像方法

在目标场景散射率分布满足稀疏性假设下,压缩感知(compressive sensing, CS)成像与传统距离-多普勒成像方法相比,可以使用很少的数据获得良好的图像,图像对比度高,没有旁瓣干扰。本文提出了一种基于零空间l₁范数最小化的逆合成孔径雷达(inverse synthetic aperture radar, ISAR) CS成像方法。从解欠定方程组的角度,将待重建目标图像分解为初猜值与残余值两部分。首先使用加权最小二乘(weighted lease square, WLS)法估计初猜值,作为目标初像；然后将待重建目标场景散射率的l₁范数作为额外的一个非线性测量值引入到图像重建中,在卡尔曼滤波框架下,利用非线性“伪测量”值,最小化待重建目标场景的l₁范数来估计零空间中残余值的解。实测ISAR数据处理验证了所提算法的有效性。与正交匹配追踪算法(matching pursuit algorithm, OMP)和primal-dual l₁范数最小化方法相比,所提方法获得的成像效果更好,成像时间比primal-dual l₁范数最小化方法更短。     

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。     

基于矢量约束的随机特征点选取算法

无人机利用视觉在未知区域自主着降时,提取的特征点具有数量多、随机性强等特点。针对利用随机特征点进行位姿估计精度低、稳定性差的问题,提出一种基于矢量约束的随机特征点选取算法。首先通过分析位姿估计方程可知,特征点地理坐标是影响方程组求解精度的重要因素;然后在引入矢量角均分度、矢量模值均值及矢量模值最大值三项约束指标基础上,制定了一种基于矢量约束的特征点选取策略;最后利用正交迭代算法对所选取的特征点进行位姿估计精度验证。实验结果表明,提出的算法相比于随机选取的特征点进行相对位姿估计精度更高,鲁棒性更强。     

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%。     

基于分布式估计与模糊控制的多机器鱼编队控制

针对多仿生机器鱼编队控制问题,提出了一种分布式的分层控制方案。首先,各机器鱼以一致性算法为数据融合模块对编队中心位姿进行分布式估计,据此获得在编队中的期望位姿,作为路径规划模块的输入;其次,各机器鱼基于速度与方向模糊控制器,实时跟踪期望轨迹,形成和保持编队。所提方法实现了期望位置分布式估计与机器鱼个体路径规划的分离,为不同种类机器鱼的合作控制问题提供了新思路。实验结果表明了所提方法的有效性。     

多视图像的三维重建并行计算仿真平台

针对基于视频图像的三维重建所需设备复杂和计算量大的问题,提出基于CUDA的可视外壳并行计算仿真实验平台。用三维图形绘制管线中的视点模拟真实相机,应用相机参数将各图像中物体轮廓坐标统一转换到世界坐标系,利用CUDA并行计算可视外壳。在此平台上将基于体素的可视外壳生成算法转化为CUDA线程块并行计算,仿真实验表明加速效果明显。     

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。     

基于灭点的三维物体重建

在总结灭点属性的基础上,提出了一种基于灭点的三维物体重建方法.首先利用灭点计算出相机的内、外部参数,在此基础上,计算出物体上各点的三维空间坐标,然后通过对物体进行绘制及纹理映射,实现三维物体的重建.实验表明,这种基于灭点的物体重建方法能够恢复场景中各点之间的位置关系,以及各线段之间的长度比例关系,满足虚拟现实系统的需要.     

基于四元数的3D物体旋转及运动插值

研究了四元数方法在三维图形旋转变换中的应用。提出一种利用鼠标的拖拽关联三维模型的方位欧拉角的方法,将表示旋转数据的方位欧拉角转换为四元数,并利用四元数乘法运算的几何意义实现多次旋转的连接,最终实现鼠标拖拽自由旋转三维物体的功能。对物体的方位序列进行四元数球面线性插值,实现了使某水下航行体模型的运动仿真效果更加顺滑、逼真。     

三维曲面重构与多视匹配技术的研究

自由曲面是制造技术中的关键技术,它广泛用于航空、航天、汽车制造、模具以及服装和制鞋工业等领域。本文介绍了将非接触光学测头用于三坐标测量机(CMM)实现对复杂三维曲面的在线测量。主要研究了如何对采集得到的大量散乱数据进行曲面重构处理,同时采用了一种实用的图像匹配算法实现了多视数据信息的融合。     

基于多适应值全参数自主变异粒子群的立体相机标定

基于视觉测量的目标参数获取为仿真系统的性能分析与评估提供可信的数据支持,相机参数标定的精度又决定着测量结果的可靠性。提出采用多适应值全参数自主变异粒子群的相机标定方法,利用传统标定法获取相机的初始内参,通过惯性系数收缩调整、给出基于粒距的全局因子学习调节策略、引入多适应值函数以及设计自主变异律,实现基于粒子群优化标定算法的快速和全局化收敛。实验结果显示本文方法在一定程度上提高了相机的标定精度并可以应用于实际工程之中。     

基于数字海洋环境的视景仿真系统研究

对海洋地理信息的三维可视化技术进行了深入研究。以MultiGen Creator和Veea为三维视景开发平台研究了三维模型的重建问题和海洋环境的生成技术，主要包括海洋信息的提取和实物建模，利用大规模数据库管理技术实现场景的区域化管理，采用星际模型和粒子技术模拟自然环境等。最后论文将生成的数字海洋环境嵌入潜艇航行训练模拟器的三维视景仿真系统中，根据潜艇当前的位置和姿态实时更新场景数据，为训练人员提供更加逼真的训练环境。仿真结果表明，该视景系统能满足模拟器的实时性和逼真性要求。     

基于概率主成分分析表观模型的视觉跟踪

在粒子滤波框架下,提出了一种基于概率主成分分析（probabilistic principal component analysis, PPCA）表观模型的视觉跟踪算法。该算法采用在线学习的PPCA表观模型获得目标的子空间描述,并引入遗忘因子增加最近的观测在模型中的权重,使得新算法对场景光照变化和目标表观变化的适应能力大为增强。同时考虑到遮挡发生的空间邻近关系,提出对目标区域进行分块处理,以提高算法在目标遮挡情况下的鲁棒性。真实场景下的实验结果表明,该算法在目标位姿变化、光照变化以及遮挡情况下具有更强的稳健性。