对地聚束成像SAR卫星姿态控制技术研究

根据合成孔径雷达(SAR)卫星对地聚束成像模式下的任务特点,对其成像覆盖区域进行分析,推导出对地聚束成像的期望姿态跟踪规律。为了尽快跟踪地面目标,需要多轴同时进行大角度姿态机动控制;为了实现SAR天线对地聚束成像,跟踪上目标后还需要进行连续跟踪姿态机动。本文采用测速反馈的反作用飞轮控制技术,设计了基于时间最优bang-bang控制的PD控制器,实现了地面目标的快速跟踪指向;针对系统存在的扰动,在PD控制器中设计了系统的前馈输入补偿器,从而保证了姿态跟踪指向的精度。姿态控制系统数学仿真结果表明该控制技术有效。     

流形群运动目标自动识别与跟踪模型结构及参数的最优配置

探讨了用流形群运动目标的形状、纹理特征，以及它们的空间面积的重叠度来构建多种适合流形群运动目标自动识别与跟踪的匹配模板的方法。通过最大欧几里得贴近度的择近原则，实现模板匹配，完成目标识别；通过对匹配模板的交替更新和交叉匹配算法，实现目标跟踪。为了提高识别与跟踪的准确度和效率，对识别与跟踪模型结构及参数进行了优化组合，建立了一种适合计算机自动识别和跟踪类似中尺度对流系统(MCSs)的流形群运动目标的优化模型，即多级串行和多级并行模板匹配的识别与跟踪模型，并提出了基于此模型的快速识别与跟踪算法及技巧。用优化了的多级串行识别与跟踪模型及快速跟踪算法，对1998、1999、2000、2002年6～8月的青藏高原上空MCSs进行了识别与跟踪试验。试验结果表明，其准确率高达90％。     

基于序列影像的飞机姿态跟踪测量方法研究

探讨了一种基于序列影像的飞机姿态获取方法。基于这些影像和运动轨迹 ,从摄影测量和投影几何的角度出发 ,深入探讨了利用序列影像对空中飞行的目标进行姿态跟踪测量的方法 ,并提出了利用广义点反馈迭代的最小二乘方法 (parapointfeedbackiteration ,PFI)和模拟影像与真实影像匹配的目标姿态跟踪求解方案。     

一种新的六自由度测量方法

针对空间中运动目标的六自由度测量,在研制的新型光笔基础上提出了一种六自由度测量方法。该方法既可以对目标进行六自由度测量,也可以进行单点测量。测量前,只要将光笔安装于被测目标上,利用激光跟踪仪技术和视觉测量技术分别获取光笔的位置和姿态;再将其位置与姿态融合于激光跟踪仪坐标系下的目标六自由度测量值。文中描述了六自由度测量系统的基本原理,并推导了测量系统中涉及到的关键算法。实验结果表明,该方法六自由度测量精度达到国外同类产品水平,基本满足高精度六自由度测量的需要。     

机载视频影像运动目标检测与跟踪技术

运动目标检测跟踪是一项新兴热点技术,其处理的主要对象是视频影像数据,核心是实现对视频影像数据中运动物体的检测及跟踪。以机载视频数据为研究对象,对这项技术进行了较为深入的分析。将运动目标检测跟踪技术划分为视频影像预处理、目标检测及运动跟踪3个功能部分,并分别分析与之相关的技术方法,阐明该类问题的解决思路和探索方向。     

顾及道路约束条件的动态目标检测与跟踪方法

智能交通是智慧城市的重要组成部分,面对复杂多变的道路背景,如何能够快速检测、跟踪道路监控影像中的动态目标,是智能交通建设的关键技术难点。本文根据道路监控视频特点,提出了采用道路约束条件与颜色特征集相结合的动态目标跟踪方法,以道路约束条件确定运动目标搜索区域,利用HSV颜色特征集进行特征匹配,然后基于ⅡR滤波背景法对背景影像进行更新及动态目标的检测,并根据道路约束条件与颜色特征相结合跟踪方法实现对动态目标的跟踪及动作预测。试验结果表明该方法可准确对运动目标进行检测与跟踪,且对慢速运动目标也具有较好的响应能力,实现了对道路动态目标的实时检测与跟踪。     

一种结合UKF与TLS的GPS机动跟踪算法

在GPS接收机产生机动时,运动模型的不匹配会给跟踪算法带来性能损失。本文提出一种机动检测、Unscented Kalman Filter(UKF)以及总体最小二乘(Total Least Square,TLS)相结合的解算方法用于接收机机动的GPS跟踪解算。首先,通过机动检测算法对目标的机动性进行判别,当目标机动较小时,利用UKF的最优检测性能进行跟踪,而当目标机动较大时,结合TLS的强跟踪性能,采用TLS和UKF联合进行跟踪。从而,在不增加方程维数的情况下,实现机动目标的实时、快速跟踪。仿真结果表明该方法对机动目标具有良好的跟踪性能。     

机载视频影像运动目标检测与跟踪技术

运动目标检测跟踪是一项新兴热点技术,其处理的主要对象是视频影像数据,核心是实现对视频影像数据中运动物体的检测及跟踪.以机载视频数据为研究对象,对这项技术进行了较为深入的分析.将运动目标检测跟踪技术划分为视频影像预处理、目标检测及运动跟踪3个功能部分,并分别分析与之相关的技术方法,阐明该类问题的解决思路和探索方向.     

基于OLDM与贝叶斯估计的鲁棒视觉跟踪

提出了一种在线学习判别式模型OLDM(online learning discriminative model),并结合贝叶斯估计实现了对视觉运动目标的鲁棒跟踪。首先,通过对初始化的跟踪区域进行样本标记与聚类分析得到目标的判别式模型;然后,利用该模型在预测的跟踪区域内计算目标的似然分布;最后,在贝叶斯框架下完成目标状态的确定并对模型进行学习与更新。算法通过在线学习适时更新目标模型,增强了算法对目标表观变化的适应性。实验结果表明,本文算法能够有效地适应目标表观特征的复杂变化,对目标的尺度、光照、遮挡以及非刚性形变等具有较强的鲁棒性,算法的跟踪精度与稳定性比当前主流算法均有一定提高。     

光学遥感成像半实物仿真中坐标系统转换

构建了一种以六自由度机器人为运动平台的光学遥感成像半实物仿真系统,利用共线条件方程的齐次坐标变换形式建立了仿真系统的成像模型,并对坐标系统转换问题进行了研究。提出一种利用全站仪确定沙盘坐标系与机器人基坐标系相互转换的"两步法";通过控制机器人旋转和平移运动,提出了一种单特征靶标测量模型,实现了摄像机坐标系与机器人工具坐标系的相互转换。最后通过空间前方交会计算多个靶标的物方坐标值,与物方真值进行比较,从而对系统精度进行评价。实验结果表明,立体定位误差优于0.5 mm,验证了提出的坐标转换方法的可行性与有效性,可为遥感成像仿真系统的设计与研究提供严密的空间基准和转换模型。     

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。     

双模盾构自动测量系统的应用

本文对现有激光靶导向系统和棱镜导向系统的原理进行了描述,分析两个系统在掘进过程中位姿测量的可靠性,然后针对提高系统可靠性提出了结合激光靶和棱镜方式的双模式盾构自动测量系统,为验证位姿数据的准确性提供一种方案,并结合工程实例,对该方案的可行性进行分析和验证。     

A Keystone Transform Without Interpolation for SAR Ground Moving-Target Imaging

Synthetic aperture radar (SAR) image formation for a ground moving target necessitates the compensation of the unknown target trajectory. The keystone transform has been employed to remove the linear component of the range migration for the moving target, where interpolation is required. In this letter, a realization of the keystone transform avoiding interpolation is presented. The kernel of this transform, i.e., the range-frequency-dependent azimuth time rescaling, is implemented using only complex multiplications and fast Fourier transforms based on the scaling principle, which has been successfully applied in the equalization of the space-variant range cell migration in SAR processing. In addition, the moving target is coarsely focused according to the SAR geometry and the platform velocity while exploiting the scaling principle. This preliminary focusing is helpful in the isolation of the moving target from ground clutter, so as to facilitate a more refined processing with respect to each mover. SAR raw data combined with simulated echoes of moving targets are utilized to validate the presented approach     

利用视觉灭点检测室内机器人偏航角的方法

室内障碍地图在呈现给用户端浏览的同时,也是自主运动视觉机器人路径规划和障碍规避的依据。由于自主运动视觉机器人的起始位姿选择具有随机性,当机器人沿随机方向行走时,往往导致所建室内障碍地图产生偏斜。本文利用单张已标定像片检测视觉正交灭点,结合相机几何透视原理和灭点几何特性,提出了一种室内机器人偏航角的简单快速检测方法,并成功应用于自主运动机器人的轨迹优化和所建障碍地图的方向校正。对比试验表明,基于视觉灭点的室内机器人偏航角检测方法精度高,在纠正所建障碍地图朝向的同时,保证了机器人运行轨迹短、耗时低,具有良好的推广应用前景。     

无人机视觉SLAM协同建图与导航

地面机器人由于其工作空间的限制,对环境感知存在较大局限性,结合空中机器人在视角方面的优势,实现空地机器人协作是主流趋势。本文提出了一种基于无人机视觉SLAM的协同建图与导航方法,利用无人机空中视角带来的大范围环境感知能力,协助地面机器人快速构建环境模型,提高地面机器人在具有挑战性的未知环境中建图与导航能力。本文方法首先构建了一个显著闭合边界实时检测和跟踪线程,结合点、线特征以及显著闭合边界,提出一种视觉SLAM方法用于无人机空中建图,与传统方法相比,闭合边界的结合极大优化了建图的效果。其次,地面机器人根据无人机获得的初始全局地图自动规划全局路径,在移动过程中,利用搭载的激光传感器对无人机建的初始地图进行更新,并且对路径进行连续的重新规划,避免与障碍物发生碰撞。为了验证本文方法的可行性和先进性,分别进行了仿真试验和真实试验。试验结果表明,本文方法显著提高了建图效果,实现了协同建图与导航方法的完整过程,提高了地面机器人在具有挑战的未知区域中进行自主建图和导航的能力。但是本文方法在障碍物分布密集、地面高低起伏等复杂情况下效果不佳,且实现的二维导航局限性大,未来工作立足于融合激光雷达、IMU等多传感器,提高深度估计和位姿估计等任务效果用于构建精准的三维占据栅格地图,并进一步设计三维空间空地协同建图与导航的方法。     

视频星运动目标检测方法的对比和分析

视频卫星可提供大尺度运动场景的实时监控,而运动目标检测是其应用的核心问题。本文设计并实现了目前3种主流的运动目标检测方法,以路面交通监控视频和卫星视频为应用背景,详细探讨了3种方法在检测精度、实时性和运动目标完整性等方面的优缺点和适用条件。实验表明:混合高斯模型方法在多目标复杂背景下,表现出较强的适应性。粒子滤波法具有抗灰尘噪声干扰特性,运动目标边缘保持较好。     

基于紧耦合的视觉惯性定位方法

惯性测量单元（IMU）受自身温度、零偏、振动等因素干扰,积分时位姿容易发散,并且机器人快速移动时,单目视觉定位精度较差,为此研究了一种基于紧耦合的视觉惯性即时定位与地图构建（SLAM）方法. 首先研究了视觉里程计（VO）定位问题,为减少特征点的误匹配,采用基于快速特征点提取和描述的算法（ORB）特征点的提取方法. 然后构建IMU的数学模型,使用中值法得到运动模型的离散积分. 最后将单目视觉姿态与IMU轨迹对齐,采用基于滑动窗口的非线性优化得到机器人运动的最优状态估计. 通过构建仿真场景以及与单目ORB-SLAM算法对比两个实验进行验证,结果表明,该方法优于单独使用VO,定位精度控制在0.4 m左右,相比于传统跟踪模型提高30%.      

远距离运动车辆快速跟踪与定位系统设计

为快速跟踪及定位远距离的运动车辆,本文设计了利用单目相机与激光望远测距仪的定位系统。此定位系统装备单目相机、望远测距仪与角度传感器,采用LK光流算法实时跟踪既定目标,构建了相机、测距仪、目标的坐标方程式模型,可实时解算100~300 m外运动目标的位置。该定位系统无需在被测运动车辆上安装任何设施,即可对合作或非合作目标实现跟踪定位。本文以汽车作为运动目标,使用高精度的CORS系统进行精度验证,该系统实时跟踪定位的精度可保持在亚米级。     

基于网络的机器人跨平台远程实时控制

提出了一种基于网络的多层次结构的跨平台远程实时控制框架，它由智能与人机交互层、运动规划层、运动控制层和伺服控制层构成，并基于该框架完成了一套单机器人远程实时控制系统，进行了远程视觉控制试验。试验表明，该控制系统运行稳定，实时性强。