室内环境下结合里程计的双目视觉SLAM研究

针对视觉SLAM要解决的定位精度低和鲁棒性低的问题,提出一种基于双目视觉传感器与里程计信息的扩展卡尔曼滤波SLAM方法,应用改进的SIFT算子提取双目视觉图像的环境特征获得特征点,并构建出视觉特征地图;应用扩展卡尔曼滤波算法融合视觉信息与机器人位姿信息,完成同时定位与地图创建。这种方法既可以解决单目视觉利用特殊初始化方法获取特征点信息不准确的问题,也可以避免双目视觉里程计利用图像信息恢复运动带来的计算量极大和运动估计不鲁棒的缺点。仿真实验表明,在未知室内环境下,算法运行稳定,定位精度高。     

一种改进SURF算法的单目视觉里程计

基于微软Kinect传感器,提出一种改进SURF(speeded up robust features)特征提取算法的单目视觉里程计新方法。用Kinect传感器获得环境彩色和深度图像,再采用基于特征点信息的改进的SURF算法完成彩色图像特征点的提取与匹配,提高匹配的正确率和鲁棒性,随后进行与深度图像的映射,实现三维重建并利用最小平方中值定理估计出机器人的路径信息。实验证明,该方法匹配正确率较SURF算法更高,在动态环境下具有很好的鲁棒性,是一种简单、有效的单目视觉里程计新方法。     

基于RANSAC改进算法的单目视觉里程计研究

运用SIFT算法对单目所采集的室外视频图像的相邻两帧进行了特征点的检测与匹配.采用改进的RANSAC算法对所匹配点进行了误匹配点剔除.根据相邻两帧图像特征点的跟踪以及里程计读数作为辅助信息,求解特征点的三维坐标;进而根据视觉里程计模型,达到机器人的定位.实验结果表明,该方法相比传统的里程计定位精度高,比之双目激光等定位方法,又有成本廉价的优点.     

一种改进SIFT算法的单目视觉里程计

针对如何准确获取位姿信息来实现移动机器人的避障问题,提出一种改进SIFT特征点匹配的单目车载视觉里程计算法.首先,为了提高特征点匹配的正确率和实时性,结合主成分分析法和平面极线几何约束,改进了传统SIFI匹配算法,其次,建立合理的移动机器人运动数学模型,得到连续帧间图像信息和移动机器人运动位姿变化的转换关系.试验结果表明,误差仅为1.6%,算法运行时间缩短0.022 s.     

视觉与惯性传感器融合的SLAM技术综述

同时定位与建图(SLAM)是指当机器人在未知的环境中运行时能够自动绘制环境地图,同时确定自身在地图中的位置。融合视觉和惯性传感器获取的数据来实现实时的高精度和鲁棒的SLAM,是当前智能机器人领域的研究热点。为了全面深入地认识VI-SLAM系统,首先,分析了4种典型的VI-SLAM系统;其次,综述了视觉惯性里程计、定位和建图技术方面的最新成果;再次,比较分析了VI-SLAM研究平台;最后,总结展望了未来的发展趋势。     

基于随机采样一致改进算法的单目视觉里程计研究

运用SIFT算法对单目所采集的室外视频图像的相邻两帧进行了特征点的检测与匹配。采用改进的RANSAC算法对所匹配点进行了误匹配点剔除。根据相邻两帧图像特征点的跟踪以及里程计读数作为辅助信息,求解特征点的三维坐标;进而根据视觉里程计模型,达到机器人的定位。实验结果表明,该方法相比传统的里程计定位精度高,比之双目激光等定位方法,又有成本廉价的优点。     

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）。     

一种融合点线特征的视觉里程计架构设计与定位实现

基于视觉的同时定位与地图构建（SLAM）技术是实现移动机器人自主导航的关键.当机器人处在陌生环境中时,通常会利用周围目标的点特征来估计导航相机的位姿,并利用光束法平差来估计相机位姿和特征空间位置.但如果环境中的特征信息不丰富,则无法准确估计相机轨迹,且欧式坐标与反深度信息下的光束法平差部分条件下不收敛.为此,提出了一种在缺少特征点的环境下通过收集深度相机信息,同时利用点特征与线特征融合的视觉里程计,构建了融合视差角光束法平差与基于线特征的光束法平差的策略,从而使重投影误差达到最小化.最后与其他基于特征的SLAM系统进行比较,实验结果表明,在缺少特征点的真实环境中,系统位姿估计的性能与准确度得到提升.      

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。     

IMU和轮式里程计联合的雷达畸变校正算法

为了校正低帧率2D激光雷达在机器人快速移动时产生的运动畸变,提出一种惯性测量单元(inertial measurement unit, IMU)和轮式里程计联合的激光雷达运动畸变较正方法。在传统轮式里程计辅助法的基础上,针对轮式里程计高速时容易打滑造成角度测量误差较大的缺点,利用局部角速度精度较高的IMU数据来完成激光雷达角度误差的较正。算法采用麦克纳姆全向轮式机器人进行验证。实验结果表明：IMU和轮式里程计联合较正运动畸变的方法能够克服轮式里程计打滑的机械性缺陷,有效减小雷达的位移误差和角度误差,大大提高低帧率2D激光雷达地图构建的质量。     

无人驾驶车辆单目视觉里程计快速位姿估计

针对传统的单目视觉里程计位姿估计算法无法满足无人驾驶车辆实时定位需求的问题,提出了一种基于基础矩阵性质改进的快速位姿估计算法。通过优化基础矩阵的计算过程来提高算法的实时性,首先得到含有8个未知参数的基础矩阵,然后利用特征匹配点对来求解基础矩阵。通过仿真实验对算法的效率和精度进行了分析,并将其与现有的算法进行了对比。实验结果表明,在不降低运动估计结果精度的前提下,优化后的位姿估计算法的运行速度可以在传统算法的基础上提高近4倍。研究对视觉里程计在无人驾驶车辆上的实时应用具有一定的参考价值。     

ELRF深度偏移及其改进算法

ELRF深度偏移基于标量波动方程和Rytov近似方法,具有速度快、精度高等优点,是复杂构造偏移成像的有效手段之一.作者在引入该方法的基础上,针对复杂构造的偏移成像工作的特点,提出一种改进的ELRF深度偏移算法,提高了偏移方法对复杂构造的适应能力.经CX地区的实际资料处理结果表明该方法是解决某些复杂构造资料偏移成像问题的有效手段之一.     

一种改进的地下车库弱纹理下智能汽车SLAM算法

地下车库中纯视觉的SLAM方法无法克服光线不足和弱特征纹理两大不利因素,为此论文提出一种基于VINS-Mono框架下改进的视觉惯导融合算法,把原算法中提取Harris角点的方法改进为提取灰度值陡变的像素点,并使用非线性优化方法在初始化阶段进行视觉位姿估计。后端采用滑动窗口的形式建立先验估计残差、IMU残差以及基于灰度值不变原理构建的视觉残差的联合残差模型,进一步提升了系统底层变量的优化效果从而提高算法的定位准确度。通过基于EuRoc数据集的仿真实验和地下车库实际场景的实车实验,验证了所提算法的鲁棒性和精确性。     

A survey of occlusion detection method for visual object

Occlusion problem is one of the challenging issues in vision field for a long time , and the occlu-sion phenomenon of visual object will be involved in many vision research fields .Once the occlusion occurs in a visual system , it will affect the effects of object recognition , tracking, observation and operation , so detecting occlusion autonomously should be one of the abilities for an intelligent vision system .The research on occlusion detection method for visual object has increasingly attracted atten-tions of scholars .First, the definition and classification of the occlusion problem are presented . Then, the characteristics and deficiencies of the occlusion detection methods based on the intensity image and the depth image are analyzed respectively , and the existing occlusion detection methods are compared.Finally, the problems of existing occlusion detection methods and possible research directions are pointed out .     

一种改进的粒子群优化算法

针对粒子群优化算法在迭代后期容易陷入局部最优、收敛速度变慢,精度降低、计算效率变差等缺点,提出了一种改进的粒子群优化算法.此算法通过引入惯性权重来调节粒子的速度变化,动态变化的学习因子来平衡粒子的社会学习能力和自我学习能力.通过测试函数检验,结果显示该算法能够有效摆脱局部最优,整个收敛速度明显变快,精度大幅提高.     

一种改进的无参数自组织映射算法

通过允许映射对没有被较好映射的输入作较大的调整,无参数自组织映射(PLSOM)能够快速而正确地适应新的输入范围,但是输入分布与权密度之间对应性较差.论文提出了一种基于PLSOM的改进算法.在两种不同的情况下采用两种不同的权值更新方法.一种采用修改过的PLSOM,另一种则采用改进过的SOM.实验结果表明,这种改进算法不仅能快速正确地适应新的输入范围,而且能较好地体现输入分布.     

一种基于深度信息的图像雾效模拟算法

在已知的图像场景深度信息和大气散射模型的基础上,提出了一种基于深度的图像雾效模拟算法。算法引入了最大能见度概念,通过场景深度与雾透射率之间的比例关系将深度图直接转化为透射率图,使用引导滤波对透射率进行优化,最终通过大气散射模型生成雾效模拟图像。实验表明,算法所生成的雾效场景符合空间透射原则,在不同的能见度和大气光结合的条件下可获得变化丰富的有雾效果,具有较强的真实感。     

结合视觉加权和分组的改进EZW算法

根据人眼视觉特性,对小波子带进行视觉加权处理.通过整除求余,将视觉加权后的小波系数分组、缩小,以加快逐次逼近量化的进程.并取消EZW算法中的辅扫描过程,由此编码的时间复杂度得以降低.通过仿真试验对比,改进的EZW算法在峰值信噪比、编码时间以及复原图像的视觉效果方面,都有较大改善.     

基于天体三维模型的着陆段视觉导航方法

针对深空探测精确着陆的需求,本文提出一种基于天体三维模型的着陆器视觉导航方法.该方法以天体三维模型为数据基础,根据着陆器初始猜测状态在线生成导航地图,通过已知路标匹配确定着陆器相对着陆点位置姿态;借助三维模型提供的深度信息配准像素灰度,恢复序列图像帧间运动,给出两次已知路标匹配之间的局部运动轨迹,实现着陆下降过程着陆器状态的准确估计.在线生成参考地图与实际采集的天体图像在尺度、视角等方面比较接近,更易于导航路标的匹配,解决了下降过程尺度大范围变化使路标难以匹配的问题.引入像素深度信息辅助灰度配准,通过搜索图像间平移和旋转使图像中的全部特征灰度差异最小,采用了全局优化思想,因此可以克服特征匹配过程易陷入局部极小,出现误匹配的问题,具有更高的帧间运动估计精度和稳定性.数学仿真表明,本文提出的视觉导航方法具有良好的性能,满足深空探测高精度着陆的导航需求.