基于先验子图检测的失效航天器SLAM方法

基于激光雷达的航天器位姿估计技术是当前在轨服务研究热点。针对失效航天器位姿估计,将通用的图优化SLAM技术应用到空间非合作目标的研究中。为解决SLAM算法在动态场景中产生累积误差问题,利用失效航天器自身运动特点,提出一种基于先验子图检测改进的SLAM算法。在该算法中,通过激光雷达和惯性测量单元分别采集失效航天器及周围环境的点云数据、服务航天器的运动信息,构建出服务场景下航天器的相对位姿图;再采用先验子图检测方法建立不连续的位姿节点间的约束关系;最后用约束信息对位姿图进行优化。仿真结果表明,相较于通用的SLAM算法的位姿估计,该方法减小了累积误差,提高了相对位姿估计精度,可以为后期的导航、控制等在轨任务提供信息。     

一种低成本的机器人室内可通行区域建模方法

基于单目视觉的同步定位与建图（SLAM）是机器人领域中的一项热门技术。然而,在场景建图方面,由于其计算量较大,各主流方法还无法在低运算能力的平台上实现实时的场景建模。针对室内环境与小型机器人的特定情况,提出了一种新的可通行区域建模方法。该方法建立在单目特征点SLAM的基础上,通过HSV色彩空间内的图像自适应阈值分割获取地面分割图像,并与SLAM生成的稀疏点云进行交叉比对,进而获取地平面与准确的地面分割区域,再将地面分割区域反投影到地平面上,获取地面的稠密建模。在室内场景的实验中,所提方法的平均运算速度能达到21帧/s,速度约为ORB-SLAM的70%,能够满足移动平台的实时性要求。对于地平面位置的还原平均误差为5.8%,地面上道路宽度的建模误差在3.5%~12.8%。      

视觉SLAM方法综述

实时定位与建图(SLAM)技术搭载特定传感器,使移动机器人在无任何环境先验条件下,在运动过程中自主建立环境模型来计算自身位姿,大幅提高其自主导航能力,以及对不同应用环境的适应性。视觉SLAM方法以相机作为外部传感器,通过采集周围环境信息来创建地图并实时估计机器人自身位姿。为此,介绍了具有代表性的经典视觉SLAM方法及与深度学习相结合的视觉SLAM方法,分析了视觉SLAM方法中采用的不同特征检测方法、后端优化、闭环检测,以及动态环境下视觉SLAM方法的应用,总结了视觉SLAM方法的问题,并探讨了视觉SLAM方法在未来的热点研究方向和发展前景。     

基于信道复用方法的GNSS共视信号模拟

全球导航卫星系统（GNSS）共视（CV）技术应用中需要对GNSS共视信号进行模拟仿真,可以降低对共视接收机和共视算法进行测试过程中的成本。为此,提出了一种基于信道复用方法的GNSS共视信号的双路信号模拟方法。首先,对GNSS共视技术原理进行了分析。然后,根据GNSS直射信号的模拟思路,设计了基于GNSS直射信号模拟器的GNSS共视信号模拟方法,对共视信号传播过程中可能产生的误差进行了分析。最后,对零基线、短基线、长基线3种场景下仿真的共视信号,以及实场采集的试验数据进行了验证分析。验证的结果表明,仿真的GNSS共视信号定位准确,定位精度在米级;共视比对结果均方根值（RMS）精度优于12 ns,可以进行共视法时间传递,证明了提出的共视信号模拟方法能够有效地用于GNSS共视信号生成。对GNSS共视信号模拟器、共视接收机的研制和共视算法的研究具有一定的理论参考意义和实际应用价值。      

一种结合深度学习的运动去模糊视觉SLAM方法

针对高动态环境下视觉同步定位与地图构建（Simultaneous Localization And Mapping,SLAM）系统的可靠性受运动模糊的限制,研究了一种基于生成对抗网络(Generative Adversarial Network,GAN)和AKAZE特征点的运动去模糊视觉SLAM方案。首先对因相机快速运动而产生的模糊图像进行AKAZE特征点的提取与检测,并根据特征点分布的丰富程度计算图像块权重,结合灰度图像的方差信息建立特征点与模糊程度之间的量化关系表;之后将达到模糊分数阈值的图像同步输入至改进GAN网络模型,该网络以端对端的形式恢复中心模糊帧的纹理信息,最后将输出的清晰图像重新进行位姿估计参与ORB-SLAM2后端优化过程。在公开数据集TUM上进行测试,对于受模糊影响较严重的数据集,方案可以明显降低相机轨迹估计的整体误差,同时维持较好的鲁棒性。     

基于TEASER算法的空间非合作目标位姿估计

基于点云的空间非合作目标位姿估计,常受到噪声影响.提出截断最小二乘估计与半定松弛(truncated least squares estimation and semidefinite relaxation, TEASER)与迭代最近点(iterative closest point, ICP)的结合算法,提升空间非合作目标位姿估计精度与鲁棒性.该方法包括粗配准与精配准两个环节：在粗配准环节中,基于局部点云与模型点云的方向直方图特征(signature of histogram of orientation, SHOT)确定匹配对,利用TEASER算法求解初始位姿;在精配准环节中,可结合ICP算法优化位姿估计结果.北斗卫星仿真实验表明：在连续帧位姿估计中,噪声标准差为3倍点云分辨率时,基于TEASER的周期关键帧配准方法的平移误差小于3.33 cm,旋转误差小于2.18°;与传统ICP方法相比,平均平移误差与平均旋转误差均有所降低.这表明所提出的空间非合作目标位姿估计方法具有良好的精度和鲁棒性.     

可见光/激光组合的相对位姿测量研究

针对可重构航天器模块超近距离对接场景下特征点消失问题，提出一种可见光/激光的高精度相对位姿测量方法。该方法先通过可见光/激光组合对初始相对横滚角误差进行校零，完成粗校准环节；然后通过激光二维双镜反射法进行精确的相对位姿解算，获得高精度相对位姿数据。仿真结果表明，在现有技术条件下，该方法在模块相对距离在100cm内可不依赖视觉特征点，实现±1.2mm和±0.03°的相对位姿测量精度，为模块航天器对接后续的超近距离高精度位姿控制奠定基础。     

自研激光雷达三维点云配准技术

为了实现激光雷达点云与图像重建点云的三维空间配准,基于自研三维扫描激光雷达系统,提出了新型的快速多尺度因子（FMSR）点云配准算法,研究了空间点云配准技术。该算法主要包括初始配准和精确配准2个步骤:初始配准使用基于尺度自适应关键点质量（ASKQ）的点云特征提取算法,提取关键点的特征匹配对,求解点云配准初始参数;精确配准利用K-邻近（KNN）算法全局搜索,提升计算效率,多次迭代得到2组点云之间的最优旋转矩阵、最优平移向量和最优尺度因子。仿真和实验结果表明,所提出的算法对空间目标（尺寸为20.30 m×7.85 m×26.56 m）实现空间点云配准,配准精度达到0.194 m,运行时间为16.207 s;与多尺度迭代最近点（S-ICP）算法相比,配准精度提高了0.131 m,运行时间提高了30%。所提出的空间点云配准技术可为场景重建和纹理匹配提供算法基础。      

基于改进关键帧选择的ORB-SLAM2算法

针对同时定位与建图（SLAM）算法精度不高且跟踪易失败的问题，提出了一种改进关键帧选择的ORB-SLAM2算法。通过ORB-SLAM2算法计算帧间相对位姿；在原有算法的基础上，增加旋转与平移量作为判定依据，决定是否创建新关键帧；针对移动机器人所安装的相机与机器人产生相对运动引发误拍摄，导致劣质关键帧生成的问题，设计了劣质关键帧剔除算法；基于RGB-D数据集与自主研发的移动机器人进行了实验验证。实验结果表明:改进的关键帧选择算法能够准确及时地选择关键帧，最优情况下定位误差约为原误差的51.9%，有效消除了相机与机器人之间相对运动产生的影响，直线误差仅为原误差的82.1%。改进算法能够有效提高定位精度，减少跟踪失败。      

基于事故数据挖掘的AEB路口测试场景

基于国家车辆事故深度调查体系中499例真实的路口事故数据，研究适应于中国的自动紧急制动系统（AEB）路口测试场景。通过基于多元Logistic回归的事故严重程度影响因素分析，提取自动驾驶测试场景的特征要素，构建测试场景。以场景特征要素为聚类参数，采用层次聚类算法挖掘得到了8类路口机动车碰撞典型危险场景，建立了8类适应于中国交通状况的AEB路口测试场景。研究表明:中国的路口场景与Euro-NCAP法规场景有一定的相似性，但较国外更加复杂，其中十字路口的左转与直行冲突是需要重点测试的场景。研究结果可为国内AEB系统的开发和测试提供参考，也可作为建立中国AEB路口测试评价体系的依据。      

应用iGMAS超快速星历的实时精密单点定位研究

中国主导建设的国际GNSS监测评估系统（iGMAS）相比国际上比较成熟的IGS系统在产品精度等方面存在差别，目前实时精密单点定位应用多采用IGS实时、近实时产品。为改变这一现状，针对iGMAS产品特性以及实时精密单点定位对超快速精密星历的需求，对iGMAS超快速星历的精度和稳定性方面进行评估，设计了iGMAS产品实时/事后下载应用程序，开展了基于iGMAS超快速星历的实时精密单点定位研究，并结合NovAtel OEM617双频接收机进行了GPS实时精密单点定位试验。实验结果表明，在连续观测23min后定位误差即可收敛到分米级，较接收机原始定位精度高一个量级，且稳定性好，最终在E/N/U方向定位误差均方根分别为7.2cm、6.4cm、15.2cm，与应用IGS超快速星历实时PPP试验取得相近的结果。研究实现了iGMAS数据获取、评估和实时PPP应用的一整套方案，验证了iGMAS超快速产品的性能，对推进iGMAS产品的应用提供了借鉴。     

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。     

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。     

基于低轨稀疏星座的蓝绿激光对潜定位研究

潜艇只在必要时刻才浮出水面，对实时通信和导航定位造成极大制约。蓝绿激光具有深水穿透性高、衰减系数低等优势，已在机载和星载平台对潜艇通信中得到验证。借鉴GNSS导航信号产生原理，结合蓝绿激光通信测距一体化与低轨卫星自身精密定轨，提出了基于蓝绿激光通信的低轨卫星对潜定位算法。通过在激光通信中增加载波相位调制，实现潜艇激光接收器的伪距测量，联合其高程测量信息实现水下定位。以一带一路海域，特别是中国南海区域为服务对象，优化星座参数设计了3颗卫星组成的低轨稀疏星座。潜艇在星座覆盖区域内保持静态，间隔1~3min完成至少两次通信测距和导航电文接收，联合两组观测数据、精密星历及高程测量信息进行定位解算。仿真结果显示，在卫星过境期间，考虑卫星定轨精度，激光在空气、水下传播误差等因素，潜艇可在水下实现X、Z方向定位误差优于100m，Y方向误差约100~150m的高精度定位，对提升潜艇的战场作战能力具有意义。