一种基于图割的稠密三维场景重建算法

立体视觉技术是自主探测机器人在未知环境中获取信息的重要手段,通过对可视场景的稠密三维重建实现导航、定位及路径规划等一系列工作。本文在候选点匹配的基础上结合图割理论,首先在世界坐标系建立代表深度信息的网格节点,接着依据区域匹配算法对候选点进行初步筛选,去除大部分相关值较低的节点,建立简化的网格图,最后通过寻找图中最小割来实现能量函数的全局最小,完成稠密的三维场景重建。实验证明,相关阈值γ设为0.6时,简化网格图的重建精度和计算效率达到相对平衡。图割算法解决了候选点测量时潜在的匹配歧义问题,且对低纹理区域有较好的匹配效果。     

基于卷积神经网络的局部图像特征描述符算法

为提升基于图像序列三维重建的速度,解决传统局部特征描述符算法提取速度慢的问题,设计了一种基于深度学习的局部特征描述符网络。利用特征描述符网络实现对图像特征点的特征提取,结合本文采用的欧氏距离匹配准则,实现了对不同图像间特征点的匹配。算法对MVS数据集进行了验证,实验结果表明:提出的局部特征描述符算法实现了对图像特征点特征的快速准确的提取、匹配,与传统特征描述符算法相比,特征提取时间缩短了50%以上,特征点的匹配时间缩短了60%以上。相对于本算法中复杂结构的特征描述符网络,结构简单的泛化性更好,可拓展到航天领域的三维重建中。     

一种行星车视觉导航系统的立体校正算法

针对行星车软着陆过程中,视觉导航系统参数变化后星面再标定难度大的问题,在传统立体校正算法基础上提出了一种适用于行星车视觉导航的弱标定立体校正算法。算法利用地面标定结果和对应匹配点进行优化计算,约束校正矩阵形式,保证了校正结果为以光心为投影点的单应变换,并进一步简化参数,降低计算复杂度。在理论上证明了算法的正确性,实验验证了算法的有效性。实验结果表明,算法校正结果与已知相机内、外参数的欧几里德校正方法性能相当,校正误差和校正畸变均较小,满足行星车视觉导航系统要求。     

利用双目箭载图像测量目标位姿方法研究

研究箭载图像中的目标位姿测量方法,可作为箭上物理量测量的一条新途径。首先,使用STK软件仿真运载火箭级间分离过程,输出箭载视角双目仿真图像。然后,应用SURF/MSER方法对双目图像中的特征点进行检测、匹配、筛选,基于双目视觉测量模型解算特征点的空间坐标。最后,选取目标中心点描述被测目标位置,选取与分离面平行平面上的三点解算被测目标姿态。实验结果表明,方法可有效地测量箭载图像中目标的位置、姿态,为未来工程应用实现打下基础。     

基于双目视觉的无人机编队相对定位算法

针对无人机编队飞行时双目视觉定位精确性差、计算量大、实时性不高的技术现状,对基于特征点的FAST定位和BRIEF旋转(Oriented fast and rotated brief,ORB)算法进行了改进,提出了一种适用于无人机双目视觉定位的算法。在改进ORB算法中,采用提取目标区域、最近邻约束和随机抽样一致(Random sampling consensus,RANSAC)方法,提高了特征点提取与匹配效率,也提高了特征点匹配质量;对于双目视觉定位,提出了适用条件更加宽泛的双目视觉定位模型,并保证了模型的定位精度;最后使用卡尔曼滤波算法对无人机的定位信息进行估计,进一步提高了无人机的定位精度。实验表明,算法具有较高的精确性和实时性,满足无人机间的相对定位要求。     

地球同步轨道目标物深度学习检测方法

针对欧空局SpotGEO竞赛中地球同步轨道目标物的检测问题,提出面向低精度CCD空间图像的深度学习检测方法。在图像预处理环节,分别采用高斯过程回归和模板匹配实现前景/背景分割和多帧图像配准。根据地球同步轨道物体的运动特征,采用拓扑扫描提取候选目标物。在此基础上,提出一套基于深度学习的目标物筛选方法。该方法利用卷积神经网络,依次对拓扑扫描前后候选目标物进行筛选,显著减少噪声点数量,提高检测效率。仿真结果表明,该方法达到98%的目标检测准确率,适用于存在光污染、云层遮挡等干扰的复杂环境。     

基于像素抽样的快速互相关图像匹配算法

在不同大小的实时图像(假定为小)和基准图像(假定为大)的匹配算法中，最常用的方法是互相关匹配算法，但如果对每个点都计算二维相关函数则计算量非常大。文章提出对图像的匹配采用粗、精两步快速匹配的方法：首先将实时图像每一列灰度值相加，形成一个一维信号，用此一维信号到基准图生成的一维信号中用一维相关函数进行粗匹配，实现降维和提高速度的目的。然后将相关函数值中较大的一些点作为备选点，在原图中利用这些不多的备选点计算二维相关函数，相关函数值最大的点即为最佳匹配点，实现精匹配。在一维匹配中采用隔4列、隔3行取一个点的像素抽样方法以提高粗匹配速度。实验结果表明了文章算法的快速性和准确性。     

面向弱纹理空间目标的特征点匹配方法

特征点提取与匹配是遥感图像处理中关键的一环,目前成熟的算法大多面向对地成像类型的遥感图像,对于空间目标的遥感图像,没有考虑成像条件与探测平台的影响因素,特征点匹配质量较差。针对空间目标的匹配精度不高这一问题,文章提出了一种基于聚类的特征点匹配算法。首先,根据空间目标的重复弱纹理进行特征点提取与描述,再利用特征点的空间位置进行聚类,并对特征点簇进行匹配;之后将特征点的主方向减去目标整体方向,利用特征点主方向对每一个点簇进行再分组,并完成特征点匹配;最后利用最近邻次近邻比率方法和随机样本一致算法（RANSAC）剔除外点。采用该特征点匹配方法进行的模拟成像数据实验结果表明,对于空间目标图像,基于聚类的特征点匹配较直接匹配,匹配数量的提升最高可达50%,重投影误差优于1/4个像元。文章提出的这一方法使用目前通用的各种特征描述子,能够大幅度提高空间目标图像特征点匹配的数量与精度。     

基于改进ORB的月面着陆视觉导航的配准方法

月球探测器在下降着陆过程中探测到的月面图像灰度均匀,缺少纹理信息,而视觉辅助导航采用传统ORB算法对灰度均匀的月面图像检测出的特征点数量较少,容易出现团簇现象,因此提出一种基于改进ORB算法的图像特征提取与匹配算法。首先对月面图像构建金字塔尺度空间模型,设置自适应阈值并构建掩膜逐一分块检测特征点;然后采用非极大值抑制使特征点分布均匀,消除聚集现象再进行特征匹配;最后结合渐进一致采样算法剔除误匹配,并计算下降序列图像间的位置变换关系。实验结果表明:该方法对于存在大尺度、旋转变化情况下的月面图像,在匹配精度方面比ORB提高10%～13%,在月面着陆视觉导航应用方面具有较好的适用性。     

一种基于Contourlet变换的图像匹配算法

在高维情况下,小波分析方法不能充分利用数据本身特有的几何特征,并不是最优的 或者说“最稀疏的”函数表示方法。针对这一问题,提出了一种基于多尺度几何分析方 法—Contourlet变换的图像匹配算法。首先对图像进行Contourlet分解并获得低频子图像 和带通子图像,然后对低频子图像使用LTS-HD和投影熵计算得到粗匹配点,接着将粗匹配点 的位置反演计算到原始图像,并通过归一化积相关算法得到精匹配结果,仿真实验表明了算 法的高精度和快速性。     

卫星线阵立体影像的倾斜仿射变换核线模型

核线约束是构建摄影测量立体模型的重要条件。由于卫星线阵影像的多中心投影特性，难以建立其严格的核线模型。文章从上下视差最小的同名核线特征出发，在仿射变换模型基础上引入核线倾角变化参数，提出一种新的倾斜仿射变换核线模型。通过“无误差”的虚拟同名点仿真试验表明，文章提出的模型受影像范围及地表高差影响较小，在影像区块6 000像元×6 000像元、地表高差1 000m情况下，对于不同形式卫星立体影像的模型误差均小于1个像元。进一步使用实际匹配同名点平差，实验表明：对于SPOT-5、“资源三号”和“高分七号”等卫星影像，文章模型误差相对于匹配观测误差可忽略，实际核线精度在整景影像范围内优于0.8像元，所生成核线影像能够满足后续密集匹配要求。新模型的精确性和普适性相比现有同类模型显著提升，可实际应用于卫星摄影测量处理。     

天问一号着陆器双目视觉避障技术

对天问一号双目视觉避障技术的组成、方案及原理进行了介绍,通过图像障碍识别和双目立体地形感知完成天问一号降落过程中的安全着陆点自动选取.通过高分辨率双目匹配和亚像素插值处理,提高远距离双目测量精度;在计算资源严格受限的条件下,采用FPGA作为硬件加速平台,通过功能模块的并行化和流水线设计,提高计算视差和三维信息的速度;为...     

斜装冗余传感器的分布式导航系统研究

为了满足低成本、高性能惯性导航要求,解决传统单一主惯导系统的成本高、体积大等问题,利用低成本MEMS惯性传感器,采用传感器斜装冗余配置,在最优卡尔曼滤波的基础上提出了一种基于虚拟传感器的最优信息融合技术,简化了测量系统的动态模型,减小计算的同时提高了测量精度。将斜装冗余惯性测量节点安装在载体的不同位置构成基于斜装冗余传感器的分布式导航系统,分析了分布式结构,利用基于虚拟传感器的等效模型,设计了分布式导航系统的测量融合系统。通过仿真试验,校验了基于虚拟传感器的最优信息融合有效地提高了测量精度,基于斜装冗余传感器的分布式导航具有较高的导航精度,同时证明此方法具有一定的抗干扰能力,能够抑制载体局部随机扰动对导航性能的影响。     

月面着陆多尺度边缘光流特征提取与跟踪方法

针对月面着陆器动力下降过程中，基于描述子的传统视觉特征提取和跟踪方法耗时长、误匹配率高等问题，提出一种采用边缘光流的多尺度特征提取与跟踪方法。首先通过构建序列图像金字塔和应用多级掩膜提取方法，改善了图像平面上特征点分布的均匀性；在此基础上，利用边缘直方图灰度差平方和(SSGD)滑窗搜索算法，将光流计算由二维迭代简化为一维匹配，大幅缩短了算法耗时；进一步利用多尺度边缘直方图迭代搜索算法在改善大尺度运动下特征跟踪鲁棒性的同时，将光流计算精度拓展至亚像素级。仿真结果表明，本方法计算耗时不超过描述子方法的50%，非大尺度运动下具有更高的稳定跟踪特征点数目，大尺度运动下相比描述子方法下降不超过15%，在跟踪效率和稳定性方面取得了较好的平衡。     

基于新型降阶模型的网格加筋圆柱壳频率分析

针对网格加筋圆柱壳频率分析计算量大的问题,提出一种基于多项式及梁单元形函数的模型降阶方法,即运用多项式及梁单元形函数将复杂结构有限元的节点位移转化为主节点位移,实现模型降阶。并通过控制多项式阶数及梁单元个数来调整降阶模型的分析精度,而降阶模型的计算效率较精细模型有显著提高。以网格加筋圆柱壳为例,对比本文提出的模型降阶方法与3-D实体模型及其他模型降阶方法的频率分析结果,结果表明,提出的模型降阶方法不仅能捕捉到结构的整体模态,还能反映出结构部分局部模态,适用范围广,能够为工程结构设计提供简单有效的计算模型。     

用于地图匹配的多谷快速寻优方法

当失配度量函数定义之后,地图匹配问题就变为了二维随机多谷函数的寻优问题。多谷快速寻优方法是作者提出的解决失配度量寻优的一种新方法。本文应用这种方法,变地图匹配中的穷举搜索为定向局部搜索,从而节省了计算,保证了匹配定位精度。本文还针对平均绝对差算法推导了门限与漏警概率的关系,给出了保证一定漏警概率的门限系数分布区间。最后,使用本文的方法在三幅航空照片上进行了大量的匹配实验,并与序贯相似性检测算法进行了比较,验证了方法的正确性,同时表明多谷快速寻优方法用于地图匹配具有定位精度高,计算量小,参数易于选择等优点。     

基于等高线图与小波变换的3D地形匹配算法研究

提出一种新的基于边缘的3D地形匹配算法。在算法中，一种结构紧凑的特征“等高线图”，用于表示参考高程图(DEM)及从实时数据恢复的高程图，这样3D地形匹配转化为基于等高线的匹配，即边缘(平面曲线)匹配问题。在边缘匹配过程中，首先用一种具有平移，旋转，尺度不变性的规范化小波描述子描述边缘。其次提出了一种基于小波系数域的快速边缘匹配算法，并分析了运算复杂性。由匹配成功的边缘对提取控制点的坐标。讨论了图像变换模型及基于最小均方根误差准则的图像变换参数估计方法。用真实地形实验表明该算法匹配精度高，计算速度快。最显著的特点是该算法抗噪声能力强。     

应用激光测高仪提高测绘卫星定位精度的研究

双线阵立体测绘卫星定位对外方位元素的测量精度要求高,然而布设控制点成本高,缺少全世界范围内的控制点。针对这一问题,提出应用星载激光测高仪提高定位精度的方法。首先,分析了双线阵立体测绘卫星和激光测高仪的误差特性,即测绘相机定位精度受外方位角元素影响比较大,激光测高仪高程精度受角元素影响相对较小。然后,论证了用激光测高仪提高定位精度的可行性。在相同的卫星平台定向辅助数据下,激光测高仪高程精度要比测绘相机高得多,可以作为高程约束提高定位精度。最后,应用光束法平差原理对激光测高数据作为高程约束进行了仿真试验。结果表明,加入激光测高数据可将双线阵立体测绘卫星的高程精度由8.0m提高到约3.5m。此方法可为实现全球无控制点测绘提供一定参考。     

有几何失真时均方差图象匹配算法的局部精度

本文假定图象信号和附加噪声是相互独立的零均值二维齐次高斯随机场,且二次可微。导出了有几何失真时均方差图象匹配算法的局部精度公式,分析了几何失真和噪声对匹配精度的影响。给出的实例和计算结果验证了方法的正确性。