视觉辅助下的室内惯导位姿修正

惯性导航系统可以短期内提供连续的高精度信息,但是误差会随时间增大,不能长期独立工作。而在大型仓库、地下停车场等室内卫星信号薄弱的场景中,传统的惯导+卫星组合方法也不再适用。针对该问题,本文提出了一种视觉与惯导组合定位的方法。本文研究的惯导+视觉组合的定位方法中,采用基于合作目标的单目视觉定位方法对惯导误差进行修正。对于惯导误差的修正方法,本文利用视觉定位的位姿信息建立量测方程,进行卡尔曼滤波,并选取合适的试验设备,通过实际试验对比验证了该算法对惯导系统误差的修正具有良好的效果。     

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。     

一种单目视觉/INS组合室内定位抗差方法

针对单目视觉/INS的组合定位算法中,单目视觉本身不具备尺度的问题以及在景深变化明显和光照不均匀的环境下会产生粗差的问题,提出了一种单目视觉/INS组合室内定位抗差方法。在尺度恢复方面,借助INS的位置增量信息,基于最小二乘法对单目视觉进行尺度恢复。在抗差方法方面,利用INS在短时间间隔内增量信息高精度的特性,对单目视觉在此时间间隔内的增量信息进行检测,判断是否产生粗差并进行粗差剔除,进而提高组合定位系统的定位精度。实验结果表明,所提算法可以有效的探测并剔除单目视觉/INS组合系统在恶劣环境下产生的粗差,提高组合定位系统的精度及鲁棒性。     

图像分析与传感器融合的室内导航定位系统设计及实践

面对当前公共建筑愈发复杂庞大,居民对陌生环境下室内定位导航的需求日益高涨。传统基于无线网络传感器的方法在网络系统未知场所不适用,惯性传感器定位导航方法需要先验环境支持。因此,提出了一种基于双目图像分析与传感器融合的室内导航定位方法。通过角点检测、视觉残差计算、高斯球方向检测实现图像处理,使用紧耦合策略将视觉数据与惯导数据融合,采用边缘化先验法消除无关标量。基于相关原理设计室内导航定位系统,经过在工作室内测试,该系统能够良好建立起虚拟地图并提供相对准确的导航和定位服务,误差可达分米级。为陌生环境下的室内导航提供了一种新方法。     

视觉惯导紧耦合的行人室内自主定位方法

针对行人在大型复杂建筑环境中的高精度和高可靠性室内定位需求,传统的基于视觉点特征方法易受环境纹理缺失、相机快速运动导致图像模糊而定位失效问题,提出了一种基于视觉点线特征与IMU紧耦合的行人室内 自主定位方法.在视觉惯导融合导航系统框架下,前端部分,在点特征基础上引入结构化建筑环境中丰富的线特征,并采取基于梯度密度过滤机制的改进线特征提取策略,剔除局部线特征密集区域;利用点线特征与IMU紧耦合优化机制提高行人位姿估计及定位的准确性和稳定性.通过利用EuRoC数据集和在实际楼道场景下的实验,特别是在弱纹理、光照变化等条件下实验,验证了所提方法进行行人室内定位的准确性和可行性.     

增强现实地图研究与应用

随着数字地图技术的不断革新,产生了将虚拟信息与真实世界融合的新型地图技术,即增强现实(augmented reality,AR)地图。从可视化、定位、测绘、分析几个方面阐述了AR地图的关键技术,介绍了AR地图的空间映射原理和可视化效果,提出了结合视觉定位和惯导定位的cm级室内定位方法,实现了基于AR地图的AR导航、AR测量、AR目标采集、AR地理围栏等关键技术并将其应用于AR智慧园区与AR室内场馆。     

摄影/惯导组合定位技术在GNSS动态定位性能测试中的应用

在分析现有GNSS动态定位精度评估方法不足的基础上,提出区别于传统组合导航滤波算法的摄影/惯导组合定位技术。将多个摄影节点的位置观测量作为基准,利用最小二乘最优估计法统一解算捷联惯导误差参数。摄影/惯导组合定位方法的基本观测量、工作模式与卫星导航定位方法有本质区别;同时又具备高精度定位、高动态定位、高数据刷新率和差异数据观测量4个条件,十分适合作为GNSS动态定位性能测试的评估技术。通过在标志场内进行的摄影测量试验和摄影/惯导组合定位性能仿真试验,验证了摄影/惯导组合定位方法的可行性。该方法为首次提出,具有一定的科学价值。     

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...     

基于简易惯导/GPS组合和无线网络的搜救机器人群开发

为解决灾后受困人员的快速搜救和精确定位问题,提出了一种基于简易惯导/GPS组合导航和无线网络的多功能搜救机器人群的设计方案,将BP神经网络和遗传算法组成的混合算法与卡尔曼滤波相结合,应用到简易惯导/GPS组合导航系统中,并进行了样机研制.实验结果表明:在复杂环境下或室内,采用该方法可以有效提高组合导航系统的定位速度和精度以及解决快速搜索和精确定位问题.     

单目视觉技术在室内定位中的应用研究

针对有源室内定位技术存在的基建投资较大、信号稳定性要求高、定位效果不理想等问题,文中提出一种成本较低、定位精度不受信号稳定性影响的无源室内定位方法.该方法应用单目视觉技术分析实时照片从而确定用户的室内定位.首先使用AlexNet网络的迁移模型识别照片得到初步定位,进而结合尺度不变特征变换算法和相机位姿估计算法解算出精确定位.经测试,92％ 的测试点定位误差在1.5 m以下.结果表明,文中提出的定位算法能实现较高的定位精度,为无源室内定位的相关研究提供参考.     

一种相机标定辅助的单目视觉室内定位方法

目前随着室内定位技术的发展,人们对室内定位精度提出了更高的要求,高精度、低成本的室内定位技术成为研究的热点。本文结合相机标定提出了一种单目视觉室内定位方法,将室内环境按照是否共面进行区域分割,并对分割后的各区域进行相机标定,对摄像机获取的视频进行运动目标检测获取目标像素坐标,利用像素坐标和相机与空间的位置关系并结合平面约束方程进行目标位置解算。试验表明：该算法定位精度在X方向小于0.15 m,Y方向小于0.35 m,平均单点定位时间小于5 s,获得了良好的室内定位效果。     

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...     

基于加权预积分和快速初始化的惯性辅助单目前端模型

针对单目视觉惯性定位系统在复杂环境和相机高动态条件下的实时性和高精度的需求,提出了一种基于加权预积分和快速初始化的惯性辅助单目前端模型Improved_VIO。首先同步视觉和惯性测量数据,建立高精度的IMU加权预积分模型,为联合初始化和视觉跟踪模型提供帧间运动约束;然后构建视觉惯性融合状态向量,建立联合初始化模型,实现视觉惯性松耦合的快速联合初始化;最后在IMU加权预积分和快速初始化方法的基础上,建立一套惯性辅助的视觉跟踪模型,从而有效提高系统定位精度。在EuRoC数据集上的试验结果表明,与传统视觉惯性定位前端模型相比,本文的前端模型提升了单目视觉惯性定位的精度与实时性,初始化时间缩短至10 s内,定位精度提高了约30%。     

基于抗差LM的视觉惯性里程计与伪卫星混合高精度室内定位

视觉惯性里程计（VIO）和伪卫星已经广泛应用于室内环境定位中,但在实际应用中,二者各自都有明显的缺陷。视觉里程计依赖于实际场景,在景深变化明显和光照不均匀的环境下会产生粗差,而且误差会不可避免地随着时间累积,但是在相邻帧间能保证相对高精度的位姿测量。由于受到室内多径的影响,伪卫星室内定位的精度和可靠性很难保证。为增加室内定位的可靠性和稳定性,基于抗差LM非线性优化理论,本文主要研究利用视觉惯性里程计的相邻帧间高精度位姿测量和伪卫星融合的室内高精度定位技术。该算法不仅可以抵抗粗差,而且可以减弱不同传感器间权重设置不合理带来的影响。最后使用在室内环境下搭建的高精度动态捕捉设备对组合定位方法进行实验验证。试验结果表明,该方法不依赖回环即可消除视觉惯性里程计的累积误差,有效提高室内定位精度及可靠性。利用改进的LM算法融合后场景1和场景2,相对于VIO单独定位精度分别提高了59.0%和77.5%。     

室内环境下立体视觉惯导融合定位

针对室内服务机器人在居家环境下导航定位问题,本文研究了紧耦合非线性优化的立体视觉惯性融合导航方法。本文采用预积分、边缘化、滑动窗口优化等关键技术,提出了一种稳健的视觉惯性导航系统初始化方法。运用于室内家庭服务机器人中,设计并实现了对应的视觉惯性融合导航系统。在搭建的模拟居家环境下,验证了本文系统的初始化方法能够提供稳健、准确的系统初值;最后通过试验验证了本文定位系统的准确性与稳定性,定位误差可控制在0.1 m以内。     

基于多传感器的民航客机定位

为获取民航客机落地前的高精度位置,本文探讨了一种基于多传感器的民航客机高精度定位方法。在飞机飞行过程中,机载数据记录器会记录整个飞行过程中GPS接收机、无线电高度表、惯性导航系统等传感器数据;在飞机落地后,利用无线电高度表数据、GPS数据进行位置差分,再利用惯性导航数据进一步优化,可大幅提高落地前垂直定位精度。结果表明,通过本文方法在机场跑道入口前2 km,飞机定位精度大幅提高,垂直定位精度可以达米级,满足事后调查需求。     

基于数据与模型双驱动的音频/惯性传感器耦合定位方法

北斗卫星导航系统已于2020年实现全球覆盖。在开阔的室外环境,北斗可提供厘米级的定位服务,正向着更泛在、更融合、更智能的综合时空体系迈进。目前高精度室内定位技术处于百花齐放、百家争鸣的状态,尽管苹果支持的超宽带技术在市场中拥有优势,但是5G、音频和蓝牙测角等可支持所有大众手机的技术在市场中也具备竞争力。室内定位目前主要面临部署成本高、定位精度低、信号覆盖范围小和系统泛化能力差等难题。多源融合定位技术是解决这些难题的重要途径之一,特别地,融合低成本惯导定位源和高精度射频/音频定位源是目前具备实用价值的融合定位组合。行人航迹推算(pedestrian dead reckoning,PDR)定位源具有抑制积分误差累积的优势,但是由于用户手机握持姿态的复杂性和手机惯性传感器硬件的差异性,其在相对定位精度、手机泛化能力和多握持姿态支撑等方面也存在劣势,此外,受步频的影响,PDR定位源的位置更新率低于2 Hz。为了实现低成本、高精度和广覆盖的室内定位解决方案,本文提出了一种数据与模型双驱动的多源融合定位新范式,其中数据驱动的PDR部分通过构建神经网络模型,训练加速度传感器和陀螺仪测量值特征,学习速度变化矢量,推算高精度行人航迹,模型驱动部分为将数据驱动输出的相对航迹与高精度定位源输出的观测量通过扩展卡尔曼滤波,实现融合定位输出。试验结果表明,基于数据驱动的PDR方法可提供20 Hz的位置更新率,与高精度音频定位源融合,可实现0.23 m的动态定位精度。     

一种改进的单目视觉桥梁挠度非接触测量方法

本文在现有单目视觉测量方法基础上,提出了一种相机真实俯仰角计算算法,结合图像快速相关匹配与定位算法,可完成桥梁挠度的快速精确测量。通过精度验证试验和挠度对比测试试验,得到了相应的结果,结果表明：①不考虑目标点真实俯仰角变化的测量方法在距离视场中心较远的位置测量结果中误差较大;②单目视觉方法测量结果与角钢作竖直向下的刚体位移保持一致;③单目视觉方法与GPS测量的挠度曲线变化趋势和测量数值基本一致。试验验证了本文方法的可行性及准确性,可为今后基于数字图像相关方法的土木工程变形测量技术研究提供参考。     

手机视觉与惯性融合的松耦合滤波算法

在智能手机和互联网的普及状态下,对高精度定位技术的需求也更加显著,精确定位服务已渗透到各个领域,如物联网、无人驾驶、机器快递员、应急救援等。在室外环境下,这些服务大多由全球卫星导航系统提供;然而,在深山丛林、矿井隧道、地下室等室内环境下,由于信号衰减及多径效应的影响,GPS无法正常工作。本文针对一些特殊的室内场景,研究了基于松耦合滤波的视觉惯性融合导航方法,设计了一个面向智能手机平台的室内行人定位系统。该方法视觉前端采用了快速、稳健的稀疏直接法,后端采用了扩展卡尔曼滤波器来融合惯性信息,能够有效融合视觉和惯性信息,达到恢复单目视觉尺度、提高稳健性的效果,实现了高精度的室内行人定位。