一种基于深度相机的机器人室内导航点云地图生成方法

点云地图是智能机器人自主导航的基础。文中提出一种基于深度相机的机器人室内导航点云地图生成方法,通过对图像特征的快速提取与匹配,实时估计相机位姿;综合考虑彩色图像的投影误差与深度图像的反投影误差,应用图优化算法对关键帧位姿与地图点进行联合优化;通过环路检测与地图优化降低估计误差累积的影响;利用估计得到的相机位姿将关键帧对应的图像点云进行拼接融合,形成表示三维空间场景结构的稠密点云地图。通过实验验证方法的有效性、精确性与实时性。     

相机位姿求解的复用镜像约束法

针对参照物不在视场范围内的问题,提出一种复用镜像约束求解相机位姿的方法。具体步骤为：(1)依据相机位姿求解方法得到镜像相机位姿;(2)根据平面镜反射对称性构建单张图像镜像相机与相机位姿间线性约束关系;(3)复用镜像相机姿态,建立多张图像之间约束关系,在获得3张图像情况下,可得18个线性约束条件,提高相机位姿求解精度。试验结果表明：旋转矩阵和平移向量均误差分别为0.009°和1.866 mm,较对比方法,旋转矩阵均误差平均降低0.009°,平移向量均误差平均降低2.292 mm,且具有较强适应性。在真实试验中,平均重投影误差为0.492像素,优于对比方法,能够准确求解参照物不在视场范围内的相机位姿。     

本质矩阵优化分解的相对位姿估计

针对从影像恢复摄像机相对位姿的问题,提出了一种基于李群表示的本质矩阵快速分解的位姿估计算法。通过加权最小二乘方法优化了本质矩阵;利用本质矩阵和平移向量的关系求出了平移向量;由本质矩阵和位姿参数的等式关系建立目标函数,基于姿态的李群表示推导了旋转矩阵迭代估计过程;优化了唯一解确定的约束条件,避免了特征点的三维重建。仿真实验和真实图像实验表明提出的算法精度和鲁棒性均优于传统算法,算法效率得到明显提高。提出的算法避免了矩阵奇异值分解运算和大量的矩阵计算,而且只需对两组解进行唯一解确定,能够实现相对位姿的快速高精度估计。     

一种双目混合追踪的视觉里程计算法

针对特征点法视觉里程计(visual odometry,VO)中,描述子匹配算力要求较高,而光流追踪算法存在误差累积的问题,提出了一种双目混合追踪的视觉里程计算法,并通过实验对该方法的定位结果与计算效率进行分析.在该算法中,前端在影像关键帧提取ORB(oriented brief)特征点并生成路标点,优先采用Inverse Compositional光流进行追踪,使用卡方检验等检测外点;为检测定位粗差,提出通过由相邻帧位姿恢复的极线进行检验;光流追踪失败或未通过极线检验时,提取ORB特征点维持跟踪或进行重定位;同时,后端进行相机位姿、路标点联合优化以减小误差累积.实验结果表明,该算法定位精度低于ORB-SLAM2(simultaneous location and mapping)算法,但运算效率有明显提升.     

改进的STUKF及其在多传感器信息融合中的应用

针对卫星导航信号不可用时引起组合导航性能降低问题,设计了适用于飞行器进近的卫星导航/捷联惯导/摄影定位(GNSS/SINS/Photogrammetry)组合系统。针对飞行器着陆时对系统位姿精度和自主性高的要求及其存在加减速、转弯等高动态的特性,以及采样点初始信息的不确定性导致UKF滤波器误差变大或者发散的问题,各子滤波器的状态估计采用改进的强跟踪无迹卡尔曼滤波(STUKF)方法。数字仿真表明,与传统UKF算法相比,改进的算法对载体的位姿估计精度更高,且只需一次UT变换,无需求解雅可比矩阵;计算复杂度降低对飞行器进近的过程有一定适应性。     

函数模型误差弹性自适应滤波修正

多源导航信息融合过程中,观测模型和动力学模型随时间和空间变化复杂,高精度的动态载体导航与定位需要观测模型和动力学模型具有准实时或实时修正的能力。针对包含观测模型误差以及动力学模型误差的滤波系统,提出了一种基于信息滤波的弹性自适应滤波算法。所提算法以不含模型误差的标准信息滤波器为主滤波器,分别构造了观测函数模型及动力学函数模型误差补偿滤波器,对两类模型误差进行补偿。所提方法强调模型补偿项的弹性自适应估计和状态参数的弹性组合,提高了时变模型误差估计的稳定性。半物理仿真实验结果表明,基于函数模型补偿的弹性自适应滤波算法可以有效地估计观测模型和载体动力学模型误差项,水下拖体的三维位置偏差在0.2 m以内,两类模型误差的影响基本消除,明显提高了载体动态参数的估计精度。     

一种场景稳健的单目视觉里程计算法

针对利用单目相机采集的图像序列进行实时车载平台位姿估计问题,对比了不同单目半直接典型算法的原理和试验结果以及不同场景、运动状态、光照和耦合因素下的同名点跟踪算法、长时间场景稳健的高精度位姿估计方法、位姿优化方法的试验结果。通过与两个典型半直接MVO算法进行了计算过程多个阶段和计算结果多个方面的对比,得出每个阶段和整体结果更好的计算方法;最终总结提出了一种场景稳健的单目半直接视觉里程计算法并利用序列真实数据进行了试验验证。试验结果表明,该算法的长时间位姿估计的场景稳健性和计算精度均显著优于目前典型的半直接MVO算法,位姿估计精度比ERL算法提升10%以上,计算效率与典型的ERL算法相当,能够满足各类单目视觉里程计应用场景需求。     

航空矢量重力测量中光纤陀螺随机漂移误差实时补偿方法

光纤陀螺随机漂移误差是影响航空矢量重力测量系统姿态解算精度的关键因素。建立模型并在输出中对其补偿是抑制该项误差的有效方法。针对传统ARMA模型只能对平稳随机漂移误差建模,且模型无法满足实时滤波需求的问题,本文引入适用于非平稳随机漂移误差的ARIMA模型,同时给出详细的建模过程,并提出采用实时平均算法消除原始采样序列中常值分量的思路,实现了随机漂移误差的实时Kalman滤波估计。基于本文所提出的模型和实时滤波算法,对光纤陀螺实测数据进行分析,结果表明处理后信号中随机漂移误差的方差减小了46.5%。Allan方差分析结果表明,滤波后角度随机游走系数和角速率随机游走系数分别降低了约50%和40%。本文的结果说明ARIMA模型能够准确描述陀螺的非平稳随机漂移误差。基于实时平均算法的Kalman滤波可实现随机漂移误差的在线估计,有望提高航空矢量重力测量系统的姿态解算精度。     

基于双目深度筛选的ORB-SLAM3算法

针对ORB-SLAM3算法中特征点存在易丢失、精度低,进而导致双目在复杂场景下运动轨迹误差大的问题,本文设计了一种改进的ORB-SLAM3算法。首先,在ORB特征匹配算法中引入自适应角点检测技术,增加特征点的采集数量,并采用光流法跟踪图像特征,提高关键帧的创建成功率;其次,以特征点为中心,作区域搜索,提高实时性;然后,采用双向左右一致性检验筛选最优视差,应用Prosac算法去除误匹配点对;最后,结合深度信息对关键帧进行筛选,提高关键帧的质量,优化相机位姿。采用KITTI和EuRoc数据集进行了试验,验证了改进算法在绝对轨迹误差上具有良好的优化效果。     

球形全景影像位姿估计的改进EPnP算法

球形全景成像可以克服透视成像视场角的局限,实现场景全覆盖的三维重建和量测。本文在普通影像位姿估计的EPnP(efficient perspective-n-point)算法上进行了改进和扩展,提出了一种稳健快速的球形全景影像位姿估计算法。首先,构建球形全景影像的投影模型,将EPnP算法的平面透视成像模型扩展到球面成像模型;然后,采用基于全景球心、像点、控制点共线条件方程的改进EPnP算法求解控制点的球形全景像空间坐标;最后,利用Horn绝对定位算法直接解算全景影像位姿。与球形全景影像位姿估计的后方交会算法的对比试验结果表明,本文提出的方法无须迭代求解,更为稳健快速,即使控制点数目较少也能达到高精度,基于非严格共中心拼接的全景相机,重投影误差可控制在3.00像素左右。     

结合扩展卡尔曼滤波与基于点线的最近点迭代扫描匹配算法的机器人位姿自适应估计

针对机器人利用单一位姿估计方法累积误差大、精度低的问题,本文提出了一种基于扩展卡尔曼滤波算法(EKF)和基于点线的最近点迭代扫描匹配算法(PL-ICP)的机器人位姿自适应估计方法。为了减少轮式里程计造成的累积误差,利用Mahony算法对陀螺仪和加速度计进行姿态解算,进而基于扩展卡尔曼滤波融合轮式里程计初步估计机器人位姿;为了减少轮子变形、打滑等对机器人位姿的影响,利用PL-ICP点云匹配算法构建单线激光里程计,对机器人位姿再次进行估计;为了提高位姿估计的准确度,提出了一种基于两种位姿总均方差和前后时刻位姿误差构建累积误差的自适应修正算法,通过分析两种位姿总均方差及前后时刻位姿误差,得到全局最优权重因子和局部动态权重因子,实现累积误差修正因子的自适应调整,得到机器人更精确的位姿估计。试验结果表明,该方法可对机器人的位姿累积误差进行修正,显著提高机器人的位姿估计精度。     

球面全景影像相对定向与精度验证

对传统的5点法相对定向算法的共面误差计算方法进行改进,提出了一种适合球面全景成像特点的相对定向计算流程。与传统方法相同,该算法首先计算本质矩阵,然后对本质矩阵进行奇异值分解得到旋转矩阵和平移矢量的候选解,最后利用重建的物方三维点坐标排除错误解。本文的贡献在于推导了球面全景共面条件公式,并使用点到核线平面的球面距离作为球面全景共面条件的误差项。模拟数据试验显示:当图像特征点的随机噪声在[-0.5,0.5]像素范围内时,3个姿态角的中误差约为0.1°,由相对定向恢复的相对平移量与模拟值的夹角中误差约为1.5°。使用车载全景相机配合POS获取的数据进行试验的结果显示:横滚角和俯仰角的中误差可以达到0.2°以内,航向角的中误差可以达到0.4°以内,由相对定向恢复的相对平移量与POS平移量的夹角中误差可以达到2°以内。采用本文相对定向算法的结果生成球面全景核线影像,提取影像之间同名点坐标并计算其列方向误差,结果显示核线影像同名点列坐标差的中误差在1个像素以内。     

一种基于蓝牙室内指纹定位的贝叶斯改进算法

贝叶斯估计是重要的位置指纹定位算法，但传统的等值贝叶斯先验概率在动态定位中不适用。针对该问题，本文提出了一种基于贝叶斯指纹定位的改进算法。首先，借助陀螺仪获取的航向信息和高斯核函数模型建立概率投票算法，计算先验概率；然后，结合先验概率和信号强度计算待测点位于参考点上的后验概率；最后，选取概率最高的参考点，以概率为权重计算待测点的最或然值。以智能手机为试验对象，在规则路径试验中，改进算法的平均定位误差为1.15 m，定位误差小于2 m的概率为96.1%，不规则路径试验中，平均定位误差为0.50 m，定位误差在1 m的可信度为94.8%；并且改进算法对定位中位置跳变的现象有明显改善，具有较好的稳健性。     

支持向量回归辅助的GPS/INS组合导航抗差自适应算法

卡尔曼滤波残差分量受到观测信息误差和动力学模型误差的双重影响,由于GPS/INS松耦合导航系统中观测值个数少于状态参数个数,导致异常检测时难以正确区分误差来源,提出一种支持向量回归辅助的组合导航抗差自适应算法。该算法克服了组合系统观测信息无冗余情况下异常检测的局限性,基于遗传算法参数寻优构建回归模型,预测次优观测值,结合整体异常检验法自主选择抗差或自适应滤波,进而调整观测值或动力学模型对导航解的贡献,进行导航预报。最后利用车载实测数据进行验证,结果表明：该算法能够对存在的异常故障智能判定,减弱观测值异常和动力学模型误差影响,保证组合导航精度,提高导航解可靠性。     

一种新的车载低成本MEMS陀螺仪快速初始对准算法

车载导航系统常用惯性测量元件（IMU）与全球卫星导航系统（GNSS）技术组合以提高系统的稳定性。由于车载导航系统的应用场景限制，对初始对准速度有着较高要求。为了提高传统车载组合导航系统中低成本微机电系统（MEMS）陀螺仪的初始对准速度，降低初始对准过程中的计算量，本文提出了一种适用于任意失准角下的基于网络RTK辅助与无损Kalman滤波（UKF）的MEMS陀螺仪初始对准算法。同时针对车载系统的特点，简化了IMU系统误差方程，分析了简化带来的误差。在诺瓦泰ProPak6和诺瓦泰IMU-IGM-S1组成的导航系统中验证了本文提出的算法。试验结果表明，在以诺瓦泰双天线GNSS输出航向角为"真值"的情况下，本文提出的算法基本可以在5 s内完成陀螺仪的初始对准，对准精度达0.3°。     

一种基于跳距修正的物联网中节点定位算法

针对传统的DV-Hop算法存在较大定位误差的问题,提出基于狮群优化算法的节点定位 (NLLSO) 算法. NLLSO算法从估计最小跳数、修正平均跳距误差和定位算法三方面进行改进,进而降低定位误差. NLLSO算法用不同通信半径传递Beacon包,进而提高估计最小跳数值的精度. 同时,通过引入权值参数修正平均跳距的估计值. 最后,通过狮群优化算法(LSO)估计未知节点位置. 仿真结果表明:NLLSO算法的定位精度高于传统的DV-Hop算法.      

利用PC-SIFT的多源光学卫星影像自动配准方法

针对多源光学卫星影像几何校正过程中同名点匹配率低、配准过程自动化差等问题,本文采用相位一致性代替原始尺度不变特征变换(scale invitation feature transform,SIFT)算法中的像素灰度值梯度对主方向和特征向量进行描述,提升特征描述的正确率;以频率域下相位分析结果为约束条件对匹配结果进行优化,抑制错误匹配同名点;同时,提出了一种基于随机采样一致性(RANSAC)的自适应选择策略,提高参数估计阶段的自动化水平;最后,实现多源光学卫星影像间的配准。多组数据实验结果表明了该方法在辐射非线性畸变多源光学卫星影像间配准中的有效性和适用性。     

车载全景序列影像的位姿估计优化方法

针对车载全景序列影像的位姿估计问题,该文提出了一种基于角元素和线元素的位姿估计优化方法。根据全景多视几何关系,建立了角元素和线元素多视约束的优化模型,并推导完成模型的位姿求解方法。然后作为初始外方位元素,加入稀疏GPS/INS的相机控制数据约束,采用全景球模型的稀疏光束法平差对位姿估计结果进一步优化。实验选择IP-S2车载移动测量系统获取的全景序列影像,对比分析单视图、全景视图的连续位姿估计、本文方法和GPS/INS控制数据。实验结果表明,该文方法可提高位姿估计的精度,并减少连续位姿估计产生的累计误差。