无人机位姿测量的点特征视觉方法

针对无人机在动态环境下快速高精度定位的问题，提出了用单目相机对无人机上的人工特征点进行位姿解算的方法。在无人机上放置一定数量的小型LED灯，并将其作为视觉测量的特征点，并以其中一个点作为原点建立无人机机体坐标系。通过多场景测量确定特征点在机体坐标系下的三维位置，再将三维位置与特征点在图像中的成像位置相匹配，最后使用EpnP算法求解出无人机的位置和姿态。在实验部分，利用三轴移动平台和三维转台，分别对位置解算结果和姿态解算结果进行误差测量。试验结果表明，位置解算误差在2%以下，姿态误差在8%左右。同时，该算法的处理时间在2 ms左右，该算法可以满足无人机对定位的实时性和精度的要求。     

整流罩分离过程中运动位姿测量技术研究

针对整流罩分离过程中的空间目标三维位姿跟踪测量,设计了双目视觉测量系统,完成整流罩关键点的空间三维坐标测量。基于各特征点的图像处理、识别及跟踪测量算法,结合极线约束匹配,实现目标点的精确立体匹配,可完成不同目标特征点的三维空间坐标解算,进而获取不同运动姿态时的速度、加速度等关键信息,为整流罩机械设计、动力学设计提供参考依据。     

基于普吕克直线的交会对接相对位姿确定算法

为了描述航天器交会对接中的相对位置和姿态测量信息,提出了结合特征线的双目视觉测量以及普吕克直线方程来进行航天器交会对接的相对位姿测量算法。传统算法中航天器的相对位姿是分开测量和计算的,普吕克直线方程则统一描述了两个航天器的相对位姿信息。首先采用双目视觉算法计算得到目标航天器中两条非共面直线在追踪航天器下的坐标值,然后根据普吕克直线方程得到这两条直线在两个坐标系下的相对位姿关系,最后通过采用奇异值分解的方法解算出两个航天器间的相对位姿信息。仿真结果表明该算法不仅实现了位置和姿态的统一测量,而且能够满足航天器交会对接相对位姿的测量要求,验证了该算法的科学合理性与解算快捷性。     

一种基于基准优选的双目视觉位置解算方法

针对近距离空间非合作目标相对位姿测量任务需求,基于双目视觉原理建立了特征点位置测量模型与误差分析模型,分析了特征点位置解算奇异及奇异点附近位置解算误差过大的问题,提出了一种采用异面光轴配置和基准优选策略的双目视觉特征点位置解算方法。该方法通过错角安装相机光轴防止特征点在两个相机基准下进行位置解算时同时发生奇异,针对不同基准在测量域内误差分布的差异,建立了基准优选策略和相应的面向特定测量域的基准优选指标确定方法,从而获得了高精度测量结果。仿真结果表明,采用所提出的方法解决了特征点位置解算奇异问题,提高了测量域内特征点位置测量精度。     

基于单目三维重构的空间非合作目标相对测量

为了解决非合作目标的相对测量问题,提出了一种基于单目图像序列目标重构结果的非合作目标相对位姿测量方法。该方法将目标的三维重构与相机的位姿信息计算相结合,首先利用观测前期得到的图像序列,通过非线性优化算法计算得到目标上部分三维点坐标;然后基于该三维点集合,建立递推深度模型,对相机的相对位姿信息和新观测到的目标点同时进行卡尔曼滤波估计。航拍测量试验表明,随着图片数量的增多,精确重构点的比例（重投影误差小于1个像素的点）不断提高,80%的图像中精确重构点比例优于89%;基于公共数据集的试验表明,该算法对姿态估算精度可达1°以内,位置测量的精度可达到2cm以内。以上试验结果表明,该算法具有较高的测量精度。     

一种基于共面特征点的单摄像机姿态测量方法研究

利用单摄像机采集4个共面特征点图像的方法来测量物体的相对姿态变化。系统选用IR—LED作为特征点并对其发光特性进行优化控制,利用基于双线性插值的高斯曲面拟合方法确定图像特征点的坐标,最终使用解决P4P问题的一种线性解法确定特征点坐标及位姿变化信息。进行了实物和仿真实验,并对该方法进行了不确定度分析,结果表明这种方案具有较高的准确度、实时性。     

基于位姿测量不确定度的飞机对接质量评估

针对基于位姿的数字化测量辅助飞机大部件对接技术的发展与应用,对位姿测量不确定度以及基于不确定度的质量评价方法进行了研究.给出了数字化对接环境下大部件位姿的数学表达形式及意义.提出了基于协方差矩阵的位姿测量不确定度解析算法,并通过仿真算例与蒙特卡洛仿真法进行了对比,验证了该算法的有效性.给出了飞机大部件对接过程数字化测量工艺能力指数的概念,用于对测量结果的可信性进行评价;通过构建位姿测量不确定度与对接质量评估指标间的映射关系,提出了一种基于位姿测量不确定度的大部件对接质量评估方法,并以机翼-机身对接过程为案例,对方法的可行性、算法的有效性进行了验证.     

基于结构光的空间大目标特征重构与位姿测量

针对因缺少空间非合作大目标的全局特征而难以实现相对位姿测量的问题,提出利用点状光源与单目光学相机组成点结构光视觉测量系统进行特征重构与位姿测量的方法。以非合作大目标上尺寸未知的局部矩形特征为测量对象,首先建立点结构光视觉测量系统相对位姿测量模型;接着利用相对约束关系给出特征重构方法并获得隐性特征点;然后利用特征点计算测量系统与非合作大目标之间的相对转移矩阵得到相对位置和姿态。通过数字仿真校验该方法的有效性并对测量误差因素进行分析,仿真结果表明该测量方法是有效的。     

基于马达代数的交会对接相对位姿测量算法

精确测量追踪航天器与目标航天器之间的相对位姿关系是成功完成航天器交会对接任务的关键。传统的位姿测量算法将旋转和平移分而视之,破坏了三维运动的统一性,同时增加了算法的复杂性和计算难度。针对这个问题,采用双目视觉测量方法,在马达代数框架内,以两个特征光点确定的特征直线为变换基元,统一描述并设计算法测量追踪与目标航天器之间的位姿关系,最终将两航天器之间的相对位姿解算问题简化为求解两个线性方程组。该方法在计算形式上更为简洁,且测量受特征光点的安装位置限制较小。仿真结果表明,算法具有较高的精度和稳定性,可以满足航天器交会对接任务的要求。     

基于视觉原理的运动物体空间姿态测量技术研究

针对物体运动姿态的测量问题,以提高姿态求解方法的便捷性和准确性为目的,研究了一种基于双目视觉相机高速摄影测量物体姿态的测试技术。为实现该测量,使用高速相机获取同步影像,利用特征点间的几何约束关系,通过姿态优化算法确定被测物体空间姿态。试验结果表明：该方法正确、可靠,测量频率达到100帧/s,姿态角测量误差小于0.04°。     

基于单目视觉的非合作目标相对位姿测量

为实现对空间姿态翻滚航天器的在轨服务与维护以及对空间碎片的清理，需对其进行精确的相对位姿测量。针对相对位姿测量问题，提出了基于单目视觉与卡尔曼滤波的相对位姿测量方法。通过对特征点匹配算法进行调查，采用了具有尺度不变性与旋转不变性的尺度不变特征变换算法(SIFT)和加速稳健特征算法(SURF)的特征点提取方法，并对二者进行了对比，得到了二者分别适用的工况条件。通过对Kalman滤波算法进行研究，引入了相机偏置矩阵，设计了Kalman滤波器，解决了单目相机的距离模糊问题，估计得到了非合作目标的相对位姿、主惯量比以及特征点位置信息。经过仿真，姿态角度估计误差在稳定后低于0.3°，相对位置估计误差在稳定后低于0.5m，相较于真值，误差小于1.67%，主惯量比估计误差在稳定后低于0.01，特征点位置误差在稳定后低于0.005m。在引入相机偏置条件后，滤波状态变量均收敛，并得到具有足够精度的估计，成功解决了单目相机深度信息缺失问题。     

二维三维信息融合的空间非合作

为实现位置和姿态的测量,常用敏感器包括激光类敏感器和双目立体视觉类敏感器.激光类敏感器的测量结果受目标反射特性的影响较大,而双目立体视觉敏感器的测量精度又受杂光和自身基线长度的限制.针对这两类敏感器在各自应用中存在的问题,提出一种融合二维三维信息进行位置和姿态求解的方法,综合利用二维和三维测量敏感器各自的优势来获取目标信息和进行相对位置姿态测量.通过算法仿真和试验验证了方法的可行性.     

一种非合作卫星目标立体视觉测量技术

针对空间非合作卫星近距离的相对位置和姿态测量问题,提出一种立体视觉测量技术.使用激光雷达为双目立体视觉提供先验距离信息和粗略姿态,在双目相机左右图像特征提取时增加视差范围约束,限定左右图中同名特征点提取的范围,可避免杂光条件下局部复杂纹理的干扰,有效降低计算复杂度,提高图像处理的速度.通过地面闭环试验对测量技术进行了验证,实验结果表明方法的有效性和先进性.     

网络瞄准中的异步传感器空间配准算法

针对现有异步空间配准算法在目标机动时无法准确估计传感器系统误差的问题,研究了一种基于内插外推时间配准的异步传感器空间配准算法.该算法首先采用内插外推时间配准算法实现两传感器的数据同步,随后根据时间配准结果构建伪量测方程.不同于其他文献根据目标状态向量和时间差求解加权系数,从而构造与目标运动状态无关的伪量测方程的方法,该算法的伪量测方程构建过程与目标状态向量无关,且可以证明由时间配准结果构造的伪量测也与目标状态无关.因此该算法可有效解决目标机动条件下的异步传感器空间配准问题.仿真实验验证了该算法在目标作蛇形机动的条件下仍然可准确地对传感器的系统误差进行估计.     

基于探鸟雷达的机场周边鸟类目标数量估计

针对雷达探鸟中的飞鸟目标数量统计问题，提出了一种多目标航迹自动起始跟踪算法，实现了对机场周边鸟类活动热点区域内鸟类目标数量的统计分析。通过数据关联估计量测与所有可能事件的关联概率，包括目标的新生、延续和消亡，以及杂波的剔除，并通过卡尔曼滤波与平滑方法给出每个目标的平滑轨迹，实现了对目标的全生命周期管理。仿真结果表明:所提算法能很好地实现杂波环境中的多目标航迹自动起始跟踪，正确估计每个目标的起始和消亡时间，统计目标数量的变化情况，且在目标起始的及时性方面明显优于传统的逻辑法。将所提算法应用于机场探鸟雷达实测数据，估计机场周边鸟类数量，可指导机场开展有针对性的鸟击防范工作。      

基于权值分配及多特征表示的在线多示例学习跟踪

针对复杂环境下目标跟踪过程中由于遮挡、目标姿势及光照条件变化引起跟踪漂移的问题,提出一种基于多示例学习（MIL）框架的在线视觉目标跟踪算法。该算法针对多示例跟踪算法采用单一haar-like特征不能准确描述目标外观变化及在学习过程中对样本包中各正负样本示例采用相同权值,忽略不同正负样本示例在学习过程中对包的重要性不同的特点,采用多特征联合表示目标外观构造分类器,通过将多特征互补特性融入在线多示例学习过程中,利用多特征的互补属性建立准确的目标外观模型,克服在线多示例跟踪算法对目标外观变化描述不足的问题;同时,依据不同正负样本示例对样本包的重要程度进行权值分配,提高跟踪精度。实验结果表明,本文跟踪算法对场景光线剧烈变化、遮挡、尺度变化及平面旋转等干扰具有较强的跟踪鲁棒性,通过对不同视频序列进行测试,文中算法在5组测试视频序列上的平均中心位置误差远小于对比增量式学习跟踪,仅为10.14像素,其对比算法IVT、MIL和OAB的中心位置误差分别为17.99、20.29和33.64像素。      

基于跟踪微分器的多目标数据关联算法

根据目标在运动过程中位置与速度只能连续变化这一事实,提出了杂波环境下基于跟踪微分器的一种多目标数据关联算法.算法利用跟踪微分器得到目标波门内所有量测的位置与速度,通过将其与目标前一时刻的位置和速度的比较来实现在未知杂波环境下的多目标数据关联.该算法直接利用量测数据,不需要目标运动、传感器噪声及杂波的先验统计知识,在目标数已知杂波不很密集的情况下具有良好的数据关联能力.此算法计算量小、结构简单,与目标状态滤波估计算法完全分离,便于模块化设计和与其他滤波算法结合,易于工程实现.仿真结果验证了算法的有效性.