深空探测巡视器视觉导航定位方法研究与地面试验场验证

地外天体表面巡视器就位探测是深空探测研究的重要手段,其自主导航定位能力是任务开展的重要前提。本文主要对视觉导航方法中的视觉同时定位与地图构建(SLAM)方案开展应用研究。介绍了当下经典的视觉SLAM框架,并以具有代表性的ORB-SLAM3算法为例开展研究;分别利用公开数据集、深空探测地面模拟场数据进行试验验证,探索视觉导航定位算法在深空探测场景下的有效性。本文研究为我国后续开展长距离连续巡视任务提供参考。     

基于视觉惯性SLAM的室内定位方法研究

针对纯视觉SLAM在光照变化明显、环境纹理较少及载体快速运动的室内场景中容易出现特征跟踪失败、定位精度下降等问题,本文提出了一种基于滑动窗口进行后端优化的视觉惯导紧耦合方法,融合了IMU信息以提高跟踪精度与系统的鲁棒性。该方法利用IMU预积分误差与单目视觉SLAM的重投影误差构建新的损失函数来进行状态估计,采用基于滑动窗口的非线性优化方法进行运动估计,实时恢复组合系统位姿。在实测数据集上的实验结果表明,本文方法在x轴方向上的均方根误差为0.124 m,y轴方向上的均方根误差为0.113 m,实现了厘米级精度的定位。     

基于ORB-SLAM2算法的水下机器人实时定位研究

随着近几年视觉SLAM的快速发展,为机器人、无人机、汽车等导航定位提供了更多选择。针对当前水下机器人定位技术存在的系统复杂、操作难度大等问题,本文提出了一种基于ORB-SLAM2算法的水下定位方案。利用单目相机作为传感器,构建了单目视觉SLAM水下机器人定位模型,完成像素坐标系到世界坐标系的转换,介绍了ORB-SLAM2算法定位涉及的关键技术。通过水下理想环境试验,对ORB-SLAM2算法在水下定位性能进行了综合评价,通过海洋环境试验证明ORB-SLAM2算法可以有效对水下机器人进行实时定位。     

利用局部自适应阈值方法提取ORB-SLAM特征点

智能驾驶车辆的定位和建图是智能驾驶车辆的关键技术之一,针对ORB-SLAM中的特征点提取为固定阈值的问题,本文提出了一种局部自适应阈值方法提取特征点.首先,对局部自适应阈值的计算方法进行了阐述,主要利用图像对比度设置自适应阈值;然后,在FAST算法基础上构建了高斯图像金字塔,采用灰度质心法解决特征点的尺度不变和旋转问题...     

一种融合单目视觉SLAM与GPS的无人机视频目标定位方法

提出一种融合单目视觉SLAM与机载GPS信息的无人机视频目标定位方法。首先利用单目视觉SLAM实时估计相机相对位姿,融合机载GPS数据,得到WGS84坐标系下的相机位姿估计;其次利用融合后的相机位姿将已知GPS路标投影到像平面,实现GPS路标与无人机监控视频的叠加显示;最后通过关键帧间的极线搜索匹配确定目标像素点的匹配点,并将其反投影到三维空间得其对应的GPS坐标,实现无人机监控视频中的GPS位置查询。实验验证了该方法的有效性、精确性与实时性。     

一种水平面估计的水域环境视觉SLAM算法

针对内河水域环境水面镜像极易受扰动产生扭曲形变,从而导致视觉SLAM位姿估计不准确的问题,提出匹配地图点和最大梯度估计的方法用于估计水平面位置,区分了水域环境和真实环境的地图点。提出了一种判断水域环境可靠性方法,用于决定追踪侧重于真实环境或全局环境;建图环节中保留水域环境的地图点,用于估计当前水面范围。基于USVInland数据集提供的内河水域场景测试表明,相比原ORB-SLAM3算法,该文算法在仿真平台运行速度比原算法多花费约10%的时间,但绝对轨迹误差平均降低了47%。     

视觉SLAM技术的进展与应用

视觉SLAM技术依靠体积小、功耗低、信息获取丰富的视觉传感器,为未知环境下的机器人提供环境地图及自身在地图中的定位结果,对机器人自动化、智能化应用有着重要意义。本文介绍了视觉SLAM方法的关键技术,总结了目前视觉SLAM的研究现状,分析了当前视觉SLAM研究的主要趋势,最后讨论了视觉SLAM技术在深空、室内等受限环境下的应用现状与前景。     

特征法视觉SLAM逆深度滤波的三维重建

针对现有特征法视觉SLAM只能重建稀疏点云、非关键帧对地图点深度估计无贡献等问题,本文提出一种特征法视觉SLAM逆深度滤波的三维重建方法,可利用视频序列影像实时、增量式地构建相对稠密的场景结构.具体来说,设计了一种基于运动模型的关键帧追踪流程,能够提供精确的相对位姿关系;采用一种基于概率分布的逆深度滤波器,地图点通过多帧信息累积、更新得到,而不再由两帧三角化直接获取;提出一种基于特征法与直接法的后端混合优化框架,以及基于平差约束的地图点筛选策略,可以准确、高效解算相机位姿与场景结构.试验结果表明,与现有方法相比,本文方法具有更高的计算效率和位姿估计精度,而且能够重建出全局一致的较稠密点云地图.     

单目视觉的室内多行人目标连续定位方法

针对目前视觉的行人检测技术大多侧重行人识别与分类,而较少考虑行人的空间精确定位的问题,该文提出一种室内多行人目标连续定位方法。该方法基于单目视觉检测方法,构建像素坐标系到世界坐标系的坐标转换模型,并结合卡尔曼滤波和匈牙利算法实现对多行人目标的连续定位与跟踪。实验结果表明,该方法能对多行人目标实现准确区分,定位精度达到亚米级,平均每帧处理时间为53ms,满足定位应用的实时性要求。     

一种采用图像特征匹配技术的RGB-D SLAM算法

针对复杂环境下运动机器人自主运行的任务要求,提出了一种采用图像特征匹配技术的视觉SlAM算法。相比于传统滤波器方法在机器人长时间运动过程中产生的误差积累,采用了基于图优化的SlAM方法,本文算法分为两个部分：前端和后端。前端负责处理图像数据提取机器人位姿几何关系,首先提取彩色RGB图像的特征点,创建特征点的高维特征描述子,建立特征点的位置对应关系;后端负责表达各时刻机器人的位姿并最大化地消除轨迹漂移问题,根据前端处理所产生的信息,构建一个代表机器人几何位置关系及其不确定性的关系图,通过对图的优化将测量轨迹最大化地逼近真实轨迹,最后生成稀疏点云地图和高精度的机器人运行轨迹。试验表明本文所提出的方法实用性强,具有较高的鲁棒性。     

一种顾及视觉层次的电子地图自适应节能显示方法EI北大核心CSCD

电子地图显示能耗过高是当前地图设计与应用领域亟须解决的问题之一。针对现有电子地图节能显示方法难以保持视觉层次的问题,本文归纳了地图颜色的3种视觉层次结构,设计了视觉层次的定量表达模型,提出了一种电子地图自适应节能显示优化方法。本文方法同时考虑视觉层次质量和地图能耗,将地图节能问题定义为一个“质量-能耗”双目标优化问题,利用启发式搜索算法寻找节能配色方案,在轻微改变地图外观的情况下显著降低显示能耗。将本文方法与语义约束的颜色调整方法进行对比,采用不同比例尺的电子地图设计读图试验。结果表明,本文方法在有效性、效率、颜色一致性方面均优于对比方法,可广泛应用于电子地图、移动导航地图的节能显示,提高设备的续航能力。     

一种视觉与惯性协同的室内多行人目标定位方法

多行人目标连续定位与跟踪是大型室内空间安全防护、应急疏散、位置服务等应用领域共同关注的问题.基于固定相机的视觉监测是室内空间人流探测与行人定位的重要方式.然而现有单目视觉行人探测存在行人漏检、易受视觉盲区影响、行人身份难以确定等问题.针对这些问题,提出了一种结合视觉信息与惯性信息的主被动协同定位方法.该方法首先利用视觉...     

基于全卷积编解码网络的视觉定位方法

针对目前视觉定位方法中使用人工特征的限制,提出了一种基于全卷积编解码网络的视觉定位方法。该方法将场景点3D坐标映射到图像的BGR(blue-green-red)通道,建立了图像到场景的直接联系,并通过全卷积编解码网络学习图像与场景结构的关系。给出一张图像,网络可以预测其每个像素点对应的3D点在当前场景世界坐标系的坐标;然后结合RANSAC(random sample consensus)和PnP(perspective-n-point)算法求解位姿并优化,得到最终的相对位姿。在7-Scenes数据集上的实验结果表明本文方法可实现厘米级的高精度定位,并且相比其他基于深度学习的方法,该方法在保证精度的同时,模型尺寸更小。     

一种室内无标志动态目标视觉定位方法

提出了一种室内无标志动态目标的视觉定位方式,采用卡尔曼滤波估计动态目标图像坐标,并利用分区定位方式对多相机视场内的动态目标进行定位,根据观测到动态目标的相机数目将多相机视场范围区域划分为单目区域、双目区域和多目区域,对不同的区域采用不同的定位方式。仿真和真实实验表明,本文算法可以达到10 cm左右的定位精度,运行效率可以达到50 ms/帧。提出的无标志动态目标定位方法具有更高的鲁棒性,基本可以满足实时性要求且定位精度较高。     

一种可提高室内视觉SLAM的结构线特征选择方法

室内场景由大量的平面和直线构成,且经常存在纹理单一而少的情况,这会使得产生的点特征稀少且分布不均匀,从而导致传统的以点特征为观测值的视觉同步定位与建图（simultaneous localization and mapping, SLAM）容易产生不准确的定位结果。本文针对室内场景,在基于点特征的视觉SLAM基础上,引入线特征作为额外的观测值。针对与运动方向平行的线特征对运动估计的几何约束较弱的不足,提出一种能从线特征中筛选出与运动方向不平行的线特征的方法,选择与运动方向不平行的结构线特征参与平差优化,提高室内视觉SLAM的定位精度。实验表明,在公开数据集上,使用本文的方法后,定位精度能在基本不影响实时性的条件下提高15%左右。     

双目视觉与惯导融合的移动机器人定位方法

为了提高移动机器人的定位精度,提出一种双目视觉与惯导融合的视觉SLAM算法.在视觉SLAM前端部分,为了保持直接法计算速度快及特征法精度高的特点,提出一种融合直接法和特征法的半直接法双目视觉里程计.在后端优化阶段,将视觉数据与IMU数据相互融合,在滑动窗口中以非线性优化的方式构建误差函数,优化位姿计算精度.在EuRoc数据集中对本文提出的算法进行试验验证.结果表明,与开源的视觉惯导融合的SLAM系统OKVIS、ROVIO和VINS-Mono相比,本文系统在Machine Hal l与Vi con Room两个场景中的定位精度均得到了明显的提升,同时可以保持较高的运行效率.     

考虑人类视觉特征的融合图像评价方法

图像质量评价是遥感图像融合必不可少的环节,对融合图像的客观评价具有较好的研究价值,好的客观评价指标应尽量与主观评价一致。针对全色图像和多光谱图像的融合质量评价,在考虑人类视觉系统的多通道分解和对比度敏感特性的基础上,首先修改颜色失真和结构相似度来分别评价光谱信息和空间信息,然后综合两者作为融合图像的整体评价。以SPOT5图像和高分二号卫星图像为原始数据,对7种融合图像的质量进行了评价。实验表明,对于高分辨率的遥感图像,这种引入了人类视觉特征的融合评价方法与主观评价有很好的一致性。     

可见光通信平板光源高精度视觉室内定位方法

基于可见光通信与矩形平板LED光源,提出一种室内视觉高精度定位方法,为室内移动机器人提供一种精度高、速度快、成本低的室内定位系统方案.该方法首先利用可见光通信技术获取LED光源的坐标信息,利用单个视觉传感器对矩形LED光源进行成像测量,同时使用IMU传感器记录成像测量的倾斜姿态角辅助单像空间后方交会解算;然后设计并仿真...     

融合惯导信息的单目视觉室内定位方法

针对单目视觉定位方法定位精度高但数据源不稳定,而惯性测量组件可稳定获取定位数据却存在累计误差的问题,提出了一种融合惯导信息的单目视觉室内定位方法.该方法利用四参数拟合模型将图像数据转换成定位定姿数据,并在惯导数据解算过程中引入互补滤波修正陀螺仪读数,最后将处理后的数据作为观测值输入到扩展卡尔曼滤波器中,得到最优位置信息.实验结果表明,该方法能够有效地提高室内定位的精度和稳定性.