Robust SLAM using square-root cubature Kalman filter and Huber’ s GM-estimator

Mobile robot systems performing simultaneous localization and mapping ( SLAM) are generally plagued by non-Gaussian noise.To improve both accuracy and robustness under non-Gaussian meas-urement noise, a robust SLAM algorithm is proposed.It is based on the square-root cubature Kal-man filter equipped with a Huber’ s generalized maximum likelihood estimator ( GM-estimator) .In particular, the square-root cubature rule is applied to propagate the robot state vector and covariance matrix in the time update, the measurement update and the new landmark initialization stages of the SLAM.Moreover, gain weight matrices with respect to the measurement residuals are calculated by utilizing Huber’ s technique in the measurement update step.The measurement outliers are sup-pressed by lower Kalman gains as merging into the system.The proposed algorithm can achieve bet-ter performance under the condition of non-Gaussian measurement noise in comparison with benchmark algorithms.The simulation results demonstrate the advantages of the proposed SLAM algorithm.     

从序列图像中获取点目标三维运动参数

本文研究了摄像机有机动,而点目标在短时间内作匀速直线运动的情形.研究表明,只要点目标——摄像机相对运动方程满足可观测性条件,那么就可从三幅序列图像中确定点目标的三维运动参数,进而估计出它的空间坐标.文中还对算法的抗干扰能力进行了分析,结果表明,摄像姿态以及点目标——摄像机相对运动方程的曲率是影响算法抗干扰能力的两大因素。最后给出了计算机模拟结果.     

Simultaneous Localization and Mapping Technology Based on Project Tango

Aiming at the problem of system error and noise in simultaneous localization and mapping(SLAM) technology, we propose a calibration model based on Project Tango device and a loop closure detection algorithm based on visual vocabulary with memory management. The graph optimization is also combined to achieve a running application. First, the color image and depth information of the environment are collected to establish the calibration model of system error and noise. Second, with constraint condition provided by loop closure detection algorithm, speed up robust feature is calculated and matched. Finally, the motion pose model is solved, and the optimal scene model is determined by graph optimization method. This method is compared with Open Constructor for reconstruction on several experimental scenarios. The results show the number of model's points and faces are larger than Open Constructor's, and the scanning time is less than Open Constructor's. The experimental results show the feasibility and efficiency of the proposed algorithm.     

基于预处理VAD和自适应KLT的语音增强算法

针对加性有色噪声干扰，提出了一种单通道输入基于信号子空间的话音增强算法。算法中使用自适应的方法跟踪KLT(Karhunen—Loeve Transform)阵。运用一种近似模型来表述有色噪声的特性，并基于噪声平稳的假设，通过采用预处理技术的语音活动性检测(VAD：Voice Activity Detection)单元获取噪声样本，用于下一语音帧中噪声特性的估计和增强处理。实验表明，算法对于有色噪声干扰下的语音信号有较好的增强效果，并且性能优于改进减谱法。     

基于模糊自适应卡尔曼滤波的SLAM算法

针对同步定位与地图创建（SLAM）问题中难以建立准确的先验噪声模型的问题,提出一种改进的模糊自适应卡尔曼滤波算法.该算法通过在线监测新息的变化,利用模糊逻辑对系统噪声和观测噪声的权重进行实时调整,进而改变系统对观测信息的信赖和利用程度,使滤波器最终趋于稳定.为了保证系统的实时性,提出一种直接将输入和输出进行模糊隶属函数匹配的方法代替模糊推理.将新的滤波算法用于SLAM仿真实验,结果表明该算法能根据噪声变化进行快速调整,滤波精度较高,相比标准EKF对定位和构图精度提升了50%以上.     

一种点线特征融合的双目同时定位与地图构建方法

基于特征点的视觉同时定位与构图方法依赖于图像质量以及可提取的特征点数量,且稀疏的特征点不能直观表达环境的结构信息。为此,提出一种将图像的点特征和线段特征融合的双目同时定位与构图方法。算法前端提取图像的点特征和线段特征,进行特征跟踪并完成相机位姿求解,从跟踪线程中分离出特征提取线程,进一步提升了前端线程的帧率。后端采用集束调整对局部地图进行优化,利用基于词袋模型的闭环检测以抑制系统的累积误差。最后结合点线特征共同构建环境地图。在公开数据集上进行了实验,与当前主流算法相比,提出的算法在保证定位精度的同时能够获得更丰富的环境地图,具备较好的鲁棒性与实时性。     

基于立体靶标的摄像机标定方法

为获取视觉测量系统中二维图像到三维空间位置的变换关系,提出一种基于立体靶标的摄像机标定方法.针对无畸变小孔成像模型,使用最小二乘法求解初始投影矩阵后通过LM准则对其优化;根据多张图像对应的投影矩阵,求解摄像机内参数及各相应外参数;引入二阶径向畸变模型,建立理想图像坐标和实际图像坐标间的方程求解初始畸变系数;使用LM准则...     

基于Volterra级数模型的非线性系统的鲁棒自适应辨识

研究了基于Volterra模型的非线性系统的鲁棒自适应辨识问题。针对Volterra系统辨识时输入输出观测数据均受噪声污染的情况,建立了基于Volterra模型的鲁棒Volterra总体均方最小自适应辨识算法。算法应用梯度下降原理,通过对梯度的修正,有效地提高了算法的鲁棒性。仿真结果表明,在低信噪比,或使用较大学习因子的情况下,该算法的收敛性能明显优于其他算法,便于实际应用。     

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.      

Motion analysis for human interaction detection using optical flow on lattice superpixels

We develop a new video-based motion analysis algorithm to determine whether two persons have any interaction in their meeting. The interaction between two persons can be very general, such as shaking hands, exchanging objects, and so on. To make the motion analysis robust to image noise, we segment each video frame into a set of superpixels and then derive a motion feature and a motion pattern for each superpixel by averaging the optical flow within the superpixel. Specifically, we use the lattice cut to construct the superpixels, which are spatially and temporally consistent across frames. Based on the motion feature and the motion pattern of the superpixels, we develop an algorithm to divide an input video sequence into three consecutive periods: 1) two persons walking toward each other, 2) two persons meeting each other, and 3) two persons walking away from each other. The experiment show that the proposed algorithm can accurately distinguish the videos with and without human interactions.     

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%.     

基于KLT和重叠子帧的说话人识别

把KLT和重叠子帧用于在噪声环境下的说话人辨认.基于重叠子帧的分离方法,提出了一种有效技术去建立特征矢量矩阵和取得KLT技术的优点的有效性.做了几个实验.和GMM相比较,采用KLT/MMCE的辨认率得到了明显的提高.特别是当混合数达到128时,辨认率达到了98.5%.因此,实验结果现实所提出的方法确实能减少计算量和提高系统的辨认率.     

基于QP转化的约束非方系统模型预测控制

针对带约束非方系统的控制问题,设计了一种基于标准二次规划(QP)转化方法的快速模型预测控制算法。首先利用非方传递函数矩阵对Diophantine方程进行求解,结合系统的单位阶跃响应矩阵重构系统的预测模型;然后,考虑系统的约束条件,包括输入输出变量、控制增量约束,通过引入松弛变量及等式转化,将模型预测控制MPC过程中的最小化目标函数问题转化为带有不等式约束的标准QP问题,实现最优控制律在迭代过程中的一步求解,从而解决传统控制方法中计算量大、不能够直接应用于在线控制的问题。将本文所提出的方法应用于经典的Kalman非方系统的控制。得到仿真结果表明,该预测控制方法在系统的抗噪声扰动、设定值跟踪等方面均有着较好的性能,同时能满足系统的约束条件,并得到满意的控制效果。     

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.     

基于多层前馈型神经元网络模型的摄像机定标算法

针对传统线性、非线性摄像机定标算法的鲁棒性,提出了基于多层前馈型神经元（MLFN）网络模型来替代传统精确的摄像机定标数学模型,MLFN网络模型作为层状网络可实现任意维复杂的输入／输出映射,对于无需计算摄像机构,外参数的应用场合,该模型提供了一种实用且有较好鲁棒性的摄像机定标算法,同时为了补偿摄影机非线性畸变,把图像按畸变程度分割成两个区域,分别建立各自基于MLFN网络的摄像机定标模型,实验表明,该方法有效补了畸变,并提高了模型精度,给出了基于MLFN网络模型摄像机定标算法实验,验证了该模型的有效性。     

基于Kinect 的康复训练系统设计与研究

针对运动功能障碍患者的康复训练需求,在使用Kinect 设备提取人体骨架拓扑结构的基础上,提出了一 种基于关节点角度序列提取人体运动特征的动作模型,并设计了一种基于Kinect 体感相机的康复训练系统。 该系统利用Kinect 设备实时采集人体骨骼数据,计算特征关节点间的角度,形成关节角度变化序列。利用动态 时间规整算法( DTW: Dynamic Time Warping ) 比较被测角度序列与动作库的标准动作序列的相似度,判断动作 是否标准并输出评估结果。该系统具有使用便捷、成本低的特点,提高了训练过程的趣味性。测试结果表明, 该系统通过人机交互实现了对运动障碍患者的康复训练指导,对康复训练过程具有积极影响。     

一种特征提取新方法在PQD识别中的应用

从时域和频域出发,提出一种Hilbert变换和Fourier变换相结合的方法,快速识别电能质量扰动.该方法先利用Hilbert变换提取扰动信号的包络,根据包络线提取扰动特征,将5种扰动从常见的8类扰动中分离,对未识别3类扰动的包络线进行FFT变换,再从频域中提取特征对其分类.借助Matlab随机生成800个样本,此方法在无噪声和30 dB高斯白噪声条件下平均分类准确率分别达到了99.7%和99.1%.算法在特征提取耗费时间上是采用DB4小波的特征提取方法的25.7%.     

一种总体最小二乘算法及在Volterra滤波器中的应用

针对输入输出观测数据均含有噪声的滤波问题，提出了一种鲁棒的总体最小二乘自适应算法．该算法利用滤波器的增广权向量的瑞利商为损失函数，导出了其自适应迭代公式，并利用随机离散学习规律对权向量模的分析进行算法梯度修正，提高了算法的噪声鲁棒性，而且使得算法简单，稳定性好，收敛精度高．将该算法应用于Volterra滤波器，可使滤波器在非线性系统中的信噪比达到10dB，在学习因子为0．01时，算法仍然能够保持良好的收敛性．仿真结果表明，即使在高噪声环境或使用较大学习因子的情况下，该算法的鲁棒抗噪性能和稳态收敛精度均明显高于其他总体最小二乘方法．     

基于改进广义线性组合算法的极化阵列稳健波束形成

为提升极化阵列波束形成的稳健性,将广义线性组合(general linear combination, GLC)算法应用于极化阵列. 分析了GLC算法在较高输入信噪比条件下,阵列存在阵元扰动和期望信号(signal of interest, SOI)波达方向(direction of arrival, DOA)误差时,输出的信干噪比随快拍数增加而下降的原因,并提出了一种结合转换函数的改进GLC算法. 所提算法根据采样协方差矩阵(sample covariance matrix, SCM)特征值相关参数的大小,对信噪比进行判断. 信噪比较高时,采用改进GLC算法计算对角加载量(diagonal loading level, DLL);信噪比较低时,采用原GLC算法计算DLL,从而使得所提算法在任意输入信噪比和快拍下的输出信干噪比均大于或等于原GLC算法. 通过主瓣干扰条件下的计算机仿真实验验证了所提算法的有效性.      

自适应强跟踪容积卡尔曼滤波算法

提出了一种自适应强跟踪容积卡尔曼滤波算法(ASTSCKF),该算法在平方根容积卡尔曼滤波算法(SCKF)步骤中引入强跟踪滤波器(STF),通过渐消因子在线修正一步预测误差协方差矩阵,强迫输出残差序列正交,使得算法具有应对系统状态突变等不确定因素的能力,增强了算法的鲁棒性;结合改进渐消记忆时变噪声统计估计器,对噪声方差阵进行实时在线估计,有效解决了SCKF算法由于噪声统计不准确、未知或时变性带来的滤波发散问题,使其具有应对噪声变化的自适应能力。仿真实验结果表明：ASTSCKF算法在系统状态发生突变并且噪声变化的情况下,能够表现出良好的滤波性能,较SCKF算法有更强的鲁棒性以及噪声变化的自适应性。