基于SIFT匹配算法的移动机器人单目视觉定位研究

以单目视觉为模型给出基于视觉的移动机器人目标定位系统算法,利用尺度不变特征变换匹配方法(SIFT)求得基本矩阵与本质矩阵,分解本质矩阵后进一步得到相机的运动参数,最后结合立体视觉方法以及运动恢复结构方法获得目标的深度信息,实现目标定位。给出了三维信息获取过程与计算机仿真结果。实验结果表明,算法能满足移动机器人对目标实现定位的精度要求。     

基于不变矩的景象匹配辅助导航快速匹配算法

针对景象匹配过程中矩特征计算量大、耗费时间长的问题,在搜索匹配前,首先通过小波变换压缩图像以减少搜索空间。在此基础上,为了减少每个待匹配位置相似性测度的计算量,利用矩特征的求解特点及匹配过程中相邻子图间的关系,通过设置多个和表简化各子图矩特征的计算。综合这两种加速策略,提出了一种快速的不变矩匹配算法,该算法极大地降低了匹配过程的计算代价。实验结果表明,所提算法与仅使用小波变换的方法相比,在保证匹配精度的同时,进一步减少了匹配耗时。     

景象匹配辅助导航中多级实时匹配算法研究

由于选用部分Hausdorff距离进行图像匹配时不能满足较大尺寸图像匹配实时性要求,利用了多级分层匹配技术加速图像匹配,提出了多级实时图像匹配算法,该算法以部分Hausdorff距离为图像匹配相似性度量,结合小波变换多分辨率思想提取多尺度图像特征,实现了由粗到精多级分层实时匹配。图像匹配结果表明,光学卫星(IKONOS)图像和合成孔径雷达(SAR)图像二种情况下图像匹配结果准确,比仅采用基于部分Hausdorff距离图像匹配而言,采用三级图像匹配可大大缩短匹配时间。该算法实施景象匹配能在5 s以内完成,满足景象匹配辅助导航系统匹配修正的准确性和实时性的要求。     

基于最佳几何约束和RANSAC的特征匹配算法

为解决特征点匹配的质量与计算效率不能兼得的问题,研究了一种基于最佳几何约束和RANSAC(random sample consensus)的特征点匹配方法。采用KNN (k-nearest neighbor)算法对提取到的特征点完成初始匹配,根据匹配点对连接线长度相等、斜率相同的特点,基于统计排序策略构建最佳几何约束,剔除明显错误匹配。利用RANSAC算法进行二次过滤,确保特征匹配点对的正确率,同时给出实验结果加以验证。结果表明：在正常光照下,与Lowe’s算法和GMS算法相比,该算法匹配到的点对数有了明显增加,同时很大程度上保证了特征点的质量。     

水下地形辅助导航中匹配航路的选取

水下地形辅助导航精度很大程度上依赖于匹配区域的地形特征。针对同一地形区域不同匹配航路产生的导航效果不同且单一地形特征参数无法对航路可导航性进行全面准确评价的问题,讨论了地形特征对导航性能的影响,综合选取反映地形信息的多地形特征参数,基于灰色模糊理论提出了一种用以衡量某一地形区域不同匹配航路的可导航性能的综合导航系数,并运用质点滤波算法对具有不同导航系数的航路进行了导航性能仿真。仿真结果表明,所提出的评价方法在航路选取方面具有较好的可行性及较强的地形适应性,无论是在地形信息丰富区还是匮乏区,导航系数均能较好地对匹配航路可导航性作出评价,克服了单一特征参数评价不全面以及在航路选取方面研究不足的问题,对水下航路规划和提高辅助导航性能具有实际工程应用价值。     

无人机视觉着舰导航鲁棒角点精确检测算法

针对舰载无人直升机着舰时拍摄的图像存在大尺度、角度畸变,使得合作目标角点难以检测的问题,提出一种鲁棒角点精确检测算法。设计了一种彩色非对称合作目标,通过计算合作目标的最小周长多边形（minimum perimeter polygon,MPP）来获取轮廓上的角点。针对这些角点存在伪角点及未排序问题,给出了斜率约束、距离约束和方向约束策略。最后,针对亚像素Harris角点检测算法精度高但未排序、三重约束的MPP角点检测精度低但已排序的问题,制定了这两种角点检测方法的融合策略。实验表明,所提算法可以有效解决合作目标图像发生大角度畸变以及一定尺度畸变范围内的角点检测。     

基于视差梯度约束的匹配点提纯算法

在图像拼接过程中,粗匹配点对提纯算法RANSAC(Random Sample Consecsus,随机抽样一致性)存在计算量大,效率低等缺陷.为提高该算法提纯匹配点对的效率,基于预检验的策略,提出了基于视差梯度约束的RANSAC算法.实验结果表明,算法在不改变匹配精度的前提下,很好地提高了算法的效率.     

基于粒子群优化技术的点匹配算法

点匹配问题一直是计算机视觉、模式识别、医学临床诊断领域的一项重要的基础性工作。本文提出了一种基于粒子群优化算法的准确、快速和鲁棒性的点匹配方法。该方法首先确定两个特征点集的点匹配问题的能量函数，通过最小化该能量函数可以同时得到点集之间的匹配矩阵和映射参数，利用粒子群优化算法求解变换参数，实验表明，该算法适用于点匹配，具有操作方便、可靠性好、不易陷入局部极值等优点。     

视觉导航辅助的自主空中加油建模与仿真

研究了基于视觉导航方式的自主空中加油（AAR）建模问题。分析了影响自主空中加油对接阶段性能的两个最重要因素——相对距离的测量和风扰动,引入了多个摄像机,建立了适合AAR的视觉导航系统模型,建立了大气扰动和尾流等风扰动下的飞行器模型,用三次多项式规划了对接阶段的航迹并设计了LQR航迹跟踪控制律。对接过程仿真表明,视觉导航的估计精度和飞行控制律性能很好地满足了空中加油的要求。

Abstract：

The modeling problem of autonomous aerial refueling based on vision navigation was researched.The two most important factors affecting the performance of AAR were analyzed,which were the measure of the relative distance and wind disturbance.The vision navigation system suitable for AAR was adopted and modeled using multiple cameras.The dynamic model of plane with the effect of wind was built.Path of docking was planed using cubic interpolators and tracking control was designed with LQR.The result of simulation shows that the accuracy of vision navigation system and the performance of control law can meet requires of aerial refueling.     

基于极线约束的角点匹配快速算法

针对同一物体从不同角度拍摄形成的不同图像的匹配问题,提出新的基于区域互信息和极线约束的角点匹配快速算法.该算法首先采用Canny边缘捡测算子提取图像边缘,再利用曲率最大原理求取局部板值完成角点检测,随后基于区域互信息测度获取角点的初始匹配;进一步采用基于极线约束及马氏距离测度的改进松弛算法完成角点的精匹配.实验表明,本算法具有较好的鲁棒性,能有效、快速.高精度的进行角点匹配.     

基于INS辅助CLAMBDA与AFM的GPS/INS组合导航测姿方法

为了提高全球定位系统(global positioning system,GPS)定姿的性能及成功率,将带约束的最小二乘降相关平差法(constrained least squares ambiguity decorrelation adjustment,CLAMBDA)与模糊度函数法(ambiguity function method,AFM)两种算法相结合,同时利用惯性导航系统(inertial navigation system,INS)姿态信息进行辅助,提出了一种GPS/INS组合定姿方法。在CLAMBDA解算过程中,将INS姿态信息与GPS载波相位和码伪距联合解算浮点解,然后再进行固定解搜索,如果姿态解算错误,则用AFM算法得到的姿态角进行替换。其间,用INS姿态信息缩小AFM的搜索范围。之后,GPS/INS进行组合滤波。通过实际系统跑车实验表明,相比于原算法,该算法能有效提高GPS定姿的成功率。     

结合惯性导航特性的快速景象匹配算法

针对景象匹配/惯性组合导航对图像匹配算法实时性、鲁棒性、精确性的要求,结合惯性导航的工作特点,深入分析快速鲁棒特征(speeded up robust feature, SURF)算法主要技术特征,研究了其影响导航性能的主要因素。结合惯性器件的误差特性,提出针对导航应用的SURF改进方法,较好地增强了算法的实时性、稳定性、可控性。在图像匹配基础上,构建适应景象匹配算法的空间变换模型,从而在理论上检测图像匹配的正确性并求解导航参数。研究结果表明,基于SURF研究的景象匹配算法具备亚像素级精度、毫秒级实时性和优越的抗形变能力。     

基于惯性传感器网络的分布式导航方法

通常的惯性导航冗余配置及其信息融合技术,是基于相同的系统状态模型,不适合分布式惯性传感器网络的应用。针对该问题,给出了一种基于惯性传感器网络的分布式导航方法,将多个惯性测量单元配置在载体不同部位,不仅能提供冗余的导航信息,还能提供局部运动测量。在惯性网络结构分析基础上,建立了惯性网络动态测量模型,采用最大似然估计和信息滤波法,设计了分布式惯性测量融合与导航状态融合的分阶段信息融合算法,通过仿真进行了验证。结果表明,所提方法充分利用了其他节点的惯性传感器信息和同类导航状态信息,可以提高整个惯性传感器网络的估计性能和故障容错能力,在提高低性能节点导航精度的同时实现对高性能节点的自动对准。     

基于混合优化方法的立体匹配算法

为了改善线性生长算法获得视差图可靠性差的问题,提出了一种基于混合优化方法的立体匹配算法。该算法综合考虑了计算效率和图像可靠性,将视差匹配转换为多目标优化问题,通过提出的基于模拟退火的鸽群优化算法求解此优化问题,从而实现视差阈值的自适应调节,并获取相应的根点的最优视差值。所提出的混合优化方法较好地克服了局部寻优和全局寻优方法易受初值影响且收敛速度慢的缺点。此外,为了进一步提高视差图可靠性,利用滤波法去除不可靠的视差。仿真结果表明,该算法可以获得更多深度信息,提高了线性生长算法计算视差图的可靠性和鲁棒性。     

基于混合优化方法的立体匹配算法

为了改善线性生长算法获得视差图可靠性差的问题,提出了一种基于混合优化方法的立体匹配算法。该算法综合考虑了计算效率和图像可靠性,将视差匹配转换为多目标优化问题,通过提出的基于模拟退火的鸽群优化算法求解此优化问题,从而实现视差阈值的自适应调节,并获取相应的根点的最优视差值。所提出的混合优化方法较好地克服了局部寻优和全局寻优方法易受初值影响且收敛速度慢的缺点。此外,为了进一步提高视差图可靠性,利用滤波法去除不可靠的视差。仿真结果表明,该算法可以获得更多深度信息,提高了线性生长算法计算视差图的可靠性和鲁棒性。     

基于改进协同训练的本体映射方法

针对基于机器学习的本体映射方法存在的人工标记代价高和样本不平衡问题,将本体映射建模为二视图上的协同训练问题,分别从本体模式层和数据层提取特征集。通过对本体概念对进行预匹配,缩小样本不平衡度。分析了传统协同训练方法的局限性,结合主动学习思想,设计了一种考虑样本价值的改进协同训练算法,在每轮迭代中选择更有价值的未标记样本更新训练集。实验结果表明,该方法学习效率更高,同时能取得较好的本体映射结果。     

基于测量矢量匹配的传递对准方法研究

给出了一种基于主、子惯导系统测量矢量匹配的传递对准方法。根据主、子惯导系统惯组感测的角增量和速度增量信息,用四元数迭代算法直接估计主、子惯导之间的安装误差四元数,从而实现子惯导系统的快速初始对准。仿真结果表明,在适当的姿态机动条件下算法收敛速度很快,且最终对准精度较高,能满足弹载惯导的对准要求。另外,算法在初始姿态误差达到30°时仍能收敛,可在需要高精度对准的情况下为进一步的基于最优滤波的精对准提供良好的小角度线性化条件。