基于运动补偿的小型无人机云台控制器设计方法

云台安装的摄像机可用于基于视觉的小型无人机目标跟踪与定位。分析了无人机平移和旋转运动对目标在图像平面成像的影响,推导了机体角速度与云台姿态角速度转换矩阵,设计基于运动补偿的云台控制器将无人机速度和机体角速度引入云台控制器输入,补偿因无人机运动引起的摄像机视线改变,并利用目标在图像平面的位置偏差修正摄像机跟踪误差。仿真实验表明所设计的云台控制器可提高目标跟踪精度,减少云台抖动。     

基于主动视觉的人脸检测与跟踪算法研究

基于融合Kalman滤波的Camshift算法与Adaboost算法相结合的方法,提出了一种基于主动视觉的人脸检测与跟踪算法.利用Adaboost算法与融合的Camshift算法实现人脸自主检测与跟踪;根据目标形心与视场中心的位置关系以及人脸区域与视场的面积关系,设计了云台控制算法.该控制算法通过对云台摄像机进行水平、垂直和变焦控制,达到自动调整云台摄像机参数的目的.基于硬件平台对所提出的主动视觉算法进行实验验证,实验结果显示,主动视觉算法具有较高的运行效率,能够实时的检测和跟踪人脸目标,扩大了摄像机的跟踪范围.     

机器视觉辅助的UAV半自主着陆系统

在UAV着陆的导航与控制中引入了机器视觉方法,提出了机器视觉辅助的UAV半自主着陆系统方案,该系统由图像获取与处理、导航解算和地面平台控制模块组成。图像获取模块使用多光谱摄像机和激光测距仪,分别获得UAV的图像和深度信息。图像处理模块使用目标分割和运动分析方法,测量UAV位置。导航解算模块使用Kalman滤波器抑制测量噪声,输出滤波结果用于导航,预测结果控制地面平台跟踪UAV。实时地实现了上述机器视觉算法,并结合虚拟现实环境建立了仿真系统。使用反射内存网络连接该仿真系统与各外部模块,进行了着陆过程联合仿真。结果表明,该系统能够满足UAV半自主着陆导航任务的要求。     

基于视觉闭路的月球车GNC半实物仿真测试平台

提出一种基于视觉闭路的月球车GNC(导航制导与控制)分系统测试的半实物仿真平台.对平台的构成与数据流进行设计,完成平台的视觉闭路设计,针对避障相机图像畸变的参数与实际避障相机焦距之间的匹配性问题,对投影图像边缘点的畸变忽略.避障相机成像时接收动力学仿真生成的相机位置、姿态参数,利用多线程方式完成双目视觉模拟,解决了图像与规划路径匹配及快速生成问题,满足闭环测试的需求.该平台可构建多种测试工况,提高分系统测试的覆盖性和测试效率.嫦娥三号巡视器在轨长时间的月面正常行走,表明该测试平台在分系统测试中的有效性.     

辅助自动着陆技术

对提出的基于机器视觉辅助的无人驾驶飞机自动着陆的导航方法进行了误差分析.系统传感器是安装在光电跟踪平台上的双目摄像机,用以得到无人驾驶飞机的位置信息.图像处理部分主要使用了图像的模版匹配、轮廓提取、角点检测等处理方法,从图像中获得特征区域的中心,利用解析几何的知识求解出无人机进场着陆段的位置参数.通过仿真试验,对文中所提出的图像处理方法的引导精度进行了误差分析,证明了算法的可行性.     

海事执法船视频稳像与目标跟踪的仿真研究

根据海事执法船舶的新需求，提出了一种将视频稳像与跟踪有机结合的新方法：利用小波变换对海天线进行辨识、提取；再以海天线为参照，通过图像几何变换和云台反馈实现视频的双重补偿稳像；同时，利用截断中心点与全局坐标的位置关系，通过Kalman滤波器对截断中心点进行估计，实现对目标的截断跟踪。该方法不同于已有的稳像、跟踪方法，它充分地利用了海天线的运动参数，在解决输出稳定视频信号的同时实现了对目标的自动锁定跟踪。     

具有一种新的图像雅可比矩阵估计方法的无定标视觉伺服

对于基于图像的具有手眼或固定摄像机模式的视觉伺服,考虑机器人的运动学及动力学特性,在摄像机的内外参数未知的情况下,提出了一种直接自适应控制方案实现位置控制或轨迹跟踪;利用矩阵变换的方法使得图像雅可比矩阵的组成元素线性地出现在闭环动力学方程中,从而设计了一种新的自适应估计方法在线估计图像雅可比矩阵;利用李亚普诺夫的方法证明了图像误差的渐近收敛性。仿真结果验证了该方法的有效性。     

基于序列图像的车辆自运动估计算法

提出了一种基于单目视觉序列图像的车辆自运动估计算法,首先利用自车运动和相机运动间的约束建立了运动模型,该模型消除了运动参数间的模糊性从而提高了运动估计的可靠性;然后提出了基于多参考帧的运动估计实现技术,增强了算法在低速场景下的准确性。实验结果表明该算法不容易受光照和背景的影响,在复杂应用场景中能够准确的估计出车辆自运动参数。     

高频地波雷达飞行目标高度估计

高频地波雷达探测空中目标时缺乏俯仰角度信息,不能直接获取飞行目标高度,目标状态初始值对跟踪精度影响很大。提出一种拟牛顿法与高度参数化迭代扩展卡尔曼滤波(heightparameterized iterated extended Kalman filter,HPIEKF)结合的方法跟踪目标三维信息。首先利用雷达系统过去时刻和当前时刻的观测信息通过拟牛顿法估计目标的飞行高度;其次,用该高度值初始化HPIEKF,对飞行目标进行三维信息跟踪。仿真实验表明,拟牛顿法能够以较小误差估计出目标飞行高度,利用该估计值作为HPIEKF跟踪的初始值,提高了跟踪精度。     

图像反馈机器人视觉伺服系统仿真

机器人视觉伺服系统的研究是机器人领域中的重要内容之一，其研究成果可以直接用于机器人自动避障、轨线跟踪和运动目标跟踪等问题中。分析了基于图像雅克比矩阵的机器人视觉伺服方法的基本原理，通过创建子系统(sub-system)使得Marlab和Simulink有机结合，基于机器人Matlab仿真工具箱(Robotics Toolbox for Matlab)实现了六自由度Motoman-SV3工业机器人图像反馈视觉伺服系统的Simulink模型。采用该模型进行了机器人跟踪三维空间螺旋运动目标的仿真实验，结果验证了该方法的有效性。     

水下平台惯导惯性器件误差高精度估计算法

为满足高精度导航及隐蔽性要求,基于方位旋转技术,给出了针对水下平台惯导系统惯性器件(inertial measurement unit, IMU)误差无阻尼估计算法。首先分析了状态转换对固定指北式平台惯导系统的影响;其次利用Laplace变换,求解了方位旋转式平台惯导系统误差;然后基于舒拉振荡和平台旋转周期,利用间断获得的外测信息建立系统短时速度、位置误差模型并作不确定度评估;最后采用Kalman滤波对惯性器件误差作了事后估计。仿真结果表明,建立的速度、位置误差模型可信度高,算法可准确估计出东、北向陀螺常值漂移以及加速度计零位偏置,有效抑制导航误差发散,提高导航精度。     

一种基于变形模板的椭圆跟踪算法

给出一种新的基于活动轮廓与光流约束的椭圆跟踪算法。椭圆变形模板在引入对目标模型严格的全局约束的同时,降低了计算复杂度;基于模型的光流技术被用于提取目标的运动信息并引导轮廓的变形;借助扩展Kalman(EKF)滤波器有机组合目标的形状与运动信息;最后利用光流测量方程给出的误差测度及EKF给出的估计方差对虚假样本点作出判断与舍弃,从而保证对图像噪声、遮挡及伪边缘具有较强的克服能力。算法除可用于跟踪刚体运动之外,也可用于非刚体(例如人头)运动的跟踪。计算实例表明了算法的有效性。     

一种高分辨雷达空间目标跟踪方法研究

高分辨雷达在跟踪远程空间目标时,其量测坐标转换会引起一类特殊的强非线性问题。对其产生机理进行了分析。经典的非线性滤波技术的跟踪精度会急剧下降。因此,提出一种基于中间过渡状态的Kalman滤波器,在直角坐标系下进行目标状态预测,避免了球坐标系下目标运动的复杂建模;预测后,通过选取量测空间内目标位置和速度量及其协方差作为中间过渡状态,在测量坐标系下进行目标状态线性更新;更新后,再将中间状态映射到直角坐标系下,从而得到目标状态的一致性估计。仿真实验结果表明,基于中间过渡状态的Kalman滤波器可有效提高高分辨雷达对空间目标的跟踪精度。     

在线估计雅可比矩阵的视觉伺服控制算法

机器人视觉伺服系统是机器人研究领域的一个重要研究方向。以图像为基础的视觉伺服机器人模型中,有许多的不确定性,如机器人动力学模型,运动学模型,摄像机系统以及雅可比矩阵等。多数的视觉伺服系统往往只考虑某一、两个部分,而其它的不确定性依然影响定位目标的精度。在使用了神经网络的控制器中加入卡尔曼滤波,在摄像机与机器人坐标系无标定的情况下,对雅可比矩阵进行实时在线估计,从而提高了视觉伺服系统的精确性。仿真验证了本算法的可行性和有效性。

Abstract：

Robotic visual servo system is an important subject in the field of robots.Image-based visual servo model has a lot of uncertainties,for example,robot dynamics model,robot kinematics model,camera system and Jacobian matrix and so on.Most of visual servo methods always considered one or two aspects,but other uncertainties still affected the accuracy of tracking the target for the robot.Based on the traditional controller with neural network,a new control algorithm was provided in the uncalibrated camera and coordination systems with the Kalman filter that estimated Jacobian matrix on-line,thereby improving the accuracy of the system.Simulation result shows the feasibility and effectiveness of the algorithm.     

基于双目视觉的空中加油锥套定位与对接控制

针对插头-锥套式自主空中加油对接过程中实时获取加油锥套空间位置及控制导引的问题, 提出了一种结合深度学习(改进的YOLOv4-Tiny)和双目视觉匹配的快速定位方法。通过插入空间金字塔池化(spatial pyramid pooling, SPP)模块和修改部分卷积层结构, 改进后的YOLOv4-Tiny对416×416的输入检测速度达到182 Hz。与原网络相比, 体积减小20.47%, 在测试集上的平均交并比提高5%;制作了加油锥套的缩比模型进行开展视觉定位实验, 实验中平均深度预测误差小于5%, 空间位置预测符合预期。通过引入一种建立在Yolo预测基础上的快速边缘拟合方法, 获得锥套的椭圆形特征。此外, 建立了一种基于投影算子的模型参考自适应控制(model reference adaptive control, MRAC)增广控制器, 在受油机机体坐标系下跟踪锥套目标。仿真结果显示, 受油机在锥套平面中的平均跟踪误差小于加油锥套的捕获半径, 满足对接要求。     

融合位置和姿态信息的模型概率估计

为了利用目标的姿态信息来提高机动目标跟踪的精度,提出一种融合位置和姿态信息的模型概率估计算法。该算法采用模糊关联的方法,实现了基于姿态信息的模型概率估计;根据离散点过程滤波的基本理论,对其进行滤波;采用贝叶斯推理方法,对来自姿态的模型概率和来自位置的模型概率进行了信息融合,并将融合后的模型概率应用到IMM算法。仿真表明,改进的IMM在保持传统IMM实时性的基础上提高了跟踪精度,从而验证了姿态信息对目标跟踪的辅助作用。     

立体视觉系统的目标可见性及测量精度分析

立体视觉系统对目标的可见性及测量精度问题直接决定了基于立体视觉的飞行器相对导航的成败及导航精度。从立体视觉系统结构出发,对目标的可见性及测量精度问题进行了研究。分析了目标可见性及系统测量精度的影响因素|推导了相机参数、立体视觉系统结构参数及目标特征位置等因素对视觉盲区、有效视场宽度和目标可分辨性的约束公式|建立了以上各因素对立体视觉系统相对导航测量精度影响的模型公式,并进行了仿真分析。仿真结果可用于飞行器相对导航中立体视觉系统结构的优化设计。     

自适应CS模型的强跟踪平方根容积卡尔曼滤波算法

对于目标跟踪过程中的强机动问题,基于当前统计(current statistical, CS)模型和改进的强跟踪平方根容积卡尔曼滤波器(square root cubature Kalman filter, SCKF),提出新的跟踪算法。在CS模型和改进输入估计算法的基础上,引入加加速度估计,使得状态过程噪声与状态协方差矩阵相联系,实现模型的自适应调整。从正交性原理出发,重新确定了渐消因子的引入位置,并提出了新的渐消因子计算形式,以克服传统渐消因子在雷达量测坐标系中的失效问题,从而构造强跟踪平方根容积卡尔曼滤波器。另外,构造强机动检测函数,利用SCKF的输出来调整自适应CS模型中的机动频率。仿真结果表明,相比基于CS模型的多重渐消因子强跟踪SCKF算法、改进CS模型的强跟踪SCKF(SCKF STF)算法和交互式多模型(interacting multiple model, IMM)SCKF算法,所提算法具有更佳的目标机动适应性和跟踪精度;相比于IMM SCKF算法,实时性有明显改善。     

针对高速自治水下航行器的UKF主动目标跟踪算法

研究了基于高速自治水下航行器平台下的主动单目标跟踪,基于Unscented Kalman Filter(UKF)建立跟踪滤波器,在强观测噪声、大采样时间间隔情况下完成对目标各运动状态参量的准确估计。将此跟踪滤波器与基于Extended Kalman Filter(EKF)的跟踪滤波器进行了对比。计算机仿真结果表明采用EKF滤波器,目标的速度估计值可以收敛向真值,而距离估计值无法获得收敛;采用UKF滤波器,目标的速度和距离估计值都能获得收敛,且其对目标的速度估计较EKF准确。     

利用径向速度的Kalman-PDA滤波算法

提出了一种利用径向速度的Kalman PDA滤波算法(定义为KalmanV-PDA),在数据关联法(probabilistic data association, PDA)算法和Kalman滤波算法结合使用时,利用径向速度建立速度波门,推导了速度波门表达式,在量测方程中引入径向速度维,利用动目标检测(moving targets detection, MTD)测出的径向速度实时更新目标观测值中的径向速度,仿真表明,该算法相比标准的Kalman PDA滤波算法提高了目标预测精度,改善了目标跟踪性能,而且MTD测速误差对跟踪性能影响较小。