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。     

GEO非合作目标超近距相对位姿视觉测量

提出一种基于几何特征综合匹配的双目超近距相对位姿视觉测量方法。首先,将失效卫星的矩形太阳帆板作为几何特征,采用综合匹配方法实现了双目图像的高精度匹配,随后基于几何特征指标参数判别和ROI检测方法,实现了卫星太阳帆板特征点组的识别与提取,在此基础上,进一步建立了目标坐标系,通过三维重建完成了超近距阶段失效卫星的相对位姿高精度解算。最后建立了高精度双目视觉超近距相对测量实验系统,结合所提出的综合匹配算法和相对位姿解算方法,完成了动态非合作目标的相对位姿测量实验,实验结果说明所提出的方法具有较好的实时性和较高的精度。     

一种基于卫星图像匹配的无人机自主定位算法

针对基于图象匹配的无人机自主定位易失效的问题,文章提出了一种基于卫星图像辅助的由粗到精的无人机自主定位框架。首先设计了一种CNN-LSTM联合分类器,利用CNN网络抽取图像特征的优势,结合无人机图像时间维度上的连续性,实现无人机图像与卫星基准图像的区域匹配;然后从匹配后的区域提取同名点,结合光学成像的共线约束,设计了一种基于多点加权约束的无人机自主定位算法。试验结果表明提出的算法鲁棒性好、精度高,适合用于无人机自主定位。     

抗旋转和缩放的SAR与可见光图像自动配准算法

针对合成孔径雷达与可见光图像在大角度旋转和大比例缩放情况下的高精度自动配准问题,提出了一种尺度和旋转不变的SAR(Synthetie Aperture Radar)和可见光图像自动配准算法.算法以SIFT(Scale Invariant Feature Transform)算法为基础,首先通过增强Frost滤波和自适应直方图均衡增强SAR和可见光图像的共性,使其显著提高能够提取出足够多的特征点数目,然后再通过特征描述方法、相似性度量方法、点匹配方法、特征点聚类方法和误匹配点剔除方法等方面对原始SIFT方法进行改进,有效地提高其在多源图像、强噪声、复杂成像条件下的特征提取和匹配性能,最后通过最小二乘法和相似变换模型实现SAR和可见光图像的精确配准.试验表明该算法对图像尺度和角度变化具有良好的适用性,在正确匹配点的比率和定位精度方面都优于原始SIFT算法和Harris算法,具有良好的工程应用前景.     

一种具有实时性的SIFT特征提取算法

针对尺度不变特征变换(SIFT)算法实时性差和在生成灰度图时信息丢失的问题,提出一种对比度增强和使用DAISY描述符的SIFT特征提取算法。首先,通过彩色图和原始灰度图计算像素的颜色调整值和曝光调整值,根据调整值与原灰度级获得对比度增强的灰度图。其次,使用改进后的灰度图提取SIFT特征点,并根据邻域灰度级计算不同高斯核和方向下的卷积方向图。最终,由特征点和采样点不同方向的偏导数值获得DAISY描述符,该描述符结构简单,便于计算。对由标准图像数据集提取的特征点使用K近邻(KNN)算法进行匹配,以评价在不同变化下算法的准确率。试验结果表明,该算法能够获得更多的特征点,并且在保证准确率的同时降低描述符生成部分和特征匹配部分的时间。     

基于候选点稠密匹配的三维场景重构方法

针对星球探测机器人在未知环境中三维场景重建存在的计算复杂度问题,提出基于网格候选点的三目立体匹配算法。在空间中建立代表深度信息的网格节点,并对深度方向的节点分布进行合理规划,确保候选点稠密匹配的准确性和高效性。候选点匹配解决了传统立体匹配算法中图像校正带来的实时性问题,同时采用三目视觉系统代替双目,通过另一组对应点的相似性测度对潜在歧义的少量候选点进行二次判决。实验证明,由于处理每组图像对不再需要进行极线校正,因此计算代价与传统的匹配算法相比有一定降低,而第三台摄像机有效消除了匹配歧义,计算量相对于双目系统也没有明显增加。

     

基于进化策略结合BP神经网络的景象匹配算法研究

基于进化策略结合BP神经网络方法对景象匹配算法进行研究，以实现导弹武器系统匹配概率的提高和定位精度的改进。提出并实现了一种高效的基于进化策略结合BP神经网络的景象匹配算法。实验表明该方法的收敛性能及学习速度优于标准BP神经网络算法，具有寻优的全局性、精确性。     

一种实用的目标跟踪算法

针对很多高精度目标跟踪算法不能满足实时性要求的问题,提出使用Harris角点检测方法提取目标的少量特征;使用高精度的光流法对提取的部分特征点进行匹配;使用重心算法计算分散特征点的中心作为目标的脱靶量。该算法在保持精度的同时,提高了速度。设计的系统已经应用到实际工程中,对目标旋转、光照变换、变形等具有较高的鲁棒性,并且能够在20ms内完成目标位置的计算,满足实时目标跟踪的要求。     

惯性组合导航系统中的快速景象匹配算法研究

在景象匹配辅助导航中,特征点的选取是提高图像匹配速度、精度和鲁棒性的关键之 一。景象匹配中要求提取出的特征是那些可靠性高、辨别性强、计算量小的不变特征。提出 了基于SIFT特征的导航用快速景象匹配算法。算法首先针对惯性组合导航的工作特点, 对SIFT特征点检测及特征点匹配进行了优化设计,然后用RANSAC方法过滤掉错误匹配点,最 后,进行最小二乘精确匹配算法获取航向和位置偏差信息。实验分析了算法对不同分辨率图 像和不同区域的匹配适应性,抗噪声性能,匹配精度以及实时性,并与基于部分Hausdorff 距离的边缘特征景象匹配算法进行了对比。实验结果表明,算法的性能优越,在匹配速度、 精度和鲁棒性方面都优于部分Hausdorff距离算法,可以满足景象匹配导航系统匹配修正的 高性能要求。
     

一种基于粒子滤波的双目视觉惯导SLAM技术

针对智能无人系统的定位与地图构建问题，提出一种基于粒子滤波的双目视觉惯导SLAM（即时定位与地图构建）方法。算法基于传统粒子滤波思想设计实现，后端处理时仅对位姿状态量进行滤波，有效解决了传统算法的维度爆炸问题，减少计算量的同时保证一定的精确度，兼顾SLAM算法精确性和即时性的要求。实验结果表明，方法整体定位精度相对误差低于5%，在光照条件适宜的小型场景效果更佳，误差低于3%，能够达到分米级精度，证明了SLAM方法能够完成SLAM系统的要求，实现即时定位与地图构建功能，具有一定的准确性、稳定性和鲁棒性。粒子滤波能够应用于视觉惯导SLAM领域并达到较高的精度要求。     

无人集群组网系统相对定位技术研究

针对大规模无人集群在卫星导航拒止环境下的相对定位需求，研究一种基于无人集群自组网数据链测距的相对定位技术，通过集群组网测距信息构建广义距离平方阵，经过双中心处理化和特征值分解后即得到相对定位结果，最后通过仿真评估了该方法在不同测距误差和不同集群规模下的定位精度。结果表明：测距误差是影响定位性能的最主要误差来源，当节点数大于30时定位误差受节点个数影响较小。     

神经网络修正的速度约束辅助车载SINS定位算法

对于车载全球导航卫星系统(GNSS)/捷联惯性导航系统(SINS)组合导航系统，针对GNSS失效而SINS单独工作时仅使用速度约束辅助SINS其纵向位置误差逐渐发散的问题，提出一种神经网络修正的速度约束辅助车载SINS定位算法。通过径向基函数(RBF)神经网络预测SINS纵向位置误差修正系数，以提高SINS单独工作时的定位精度；此外，提出一种限定记忆指数加权实时估计量测噪声的自适应滤波算法。在人为设置GNSS失效以及真实隧道场景下进行车载试验，结果表明本文算法能够在不停车情况下在线修正SINS纵向位置误差，相比于速度约束与卡尔曼滤波相结合的常规算法，有效地提高了GNSS失效时的车载SINS定位精度。     

一种基于SIFT和KLT相结合的特征点跟踪方法研究

在目标发生明显姿态和大小变化条件下,为了利用基于特征点的跟踪算法实现对目标可靠、稳定跟踪,提出了一种SIFT算法和KLT(Kanade-Lucas-Tomasi)匹配算法相结合的特征点跟踪方法。通过对SIFT算法进行优化,使得到特征点分布相对均匀,同时不存在聚集现象;通过对KLT匹配算法进行分层迭代设计,提高了目标作快速运动时的匹配精度;最后根据特征点匹配结果,结合Greedy算法得到目标的准确位置。实验结果表明：该算法能够很好地适应目标姿态和大小的变化,实现对结构复杂目标的稳定跟踪;比KLT跟踪算法具有更好的鲁棒性和稳定性,能得到更加准确的目标位置。      

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。     

基于增量调制的ICCP地磁匹配序列生成方法

为解决地磁匹配算法中匹配点的选取和匹配序列长度的设置问题，提出一种迭代最近等值线(ICCP)算法的地磁匹配序列生成方法。首先，分析了采样定理、地磁图分辨率、磁场起伏特征和磁传感器测量精度等对匹配序列采样间隔的约束，以及匹配序列长度与误匹配的关系；然后，在此基础上利用增量调制原理实现了匹配点的选取；最后，建立了本文方法参数优化的目标函数，并利用二进制粒子群优化（BPSO）算法对匹配序列的长度和增量调制的量阶进行寻优，使ICCP算法在保证匹配精度的前提下能够缩短匹配时间。仿真结果证明所提方法具有良好的环境适应性，对ICCP算法的精度和实时性都有明显改善。     

基于SAR景象不变特征点的匹配定位技术研究

针对精确制导领域中的SAR景象匹配定位技术中由于实时图与基准图可能存在形变、分辨率不一致,图像旋转及雷达视角变化及噪声的影响下差异较大情况时直接利用基于灰度的规则正交二维信息匹配算法适应性差的问题,将不变特征点匹配方法(Scale Invariant Feature Transform,SIFT)应用到SAR景象匹配中,通过仿真实验取得了满意的效果,试验结果表明SIFT特征是图像的局部特征,其对旋转、尺度缩放、亮度变化保持不变性,对视角变化、噪声也保持一定程度的稳定性,对提高匹配概率和对不同图像的适应性,降低应用风险具有借鉴意义。     

基于改进Hausdorff测度和遗传算法的SAR图像与光学图像匹配

提出了一种新的基于边缘的合成孔径雷达（SAR）图像与光学图像匹配算法。在这种算法中，首先针对SAR图像低信噪比（SNR）与乘性噪声模型的固有特性提出了一种边缘特征的提取方法。在获取光学图像与SAR图像边缘图的基础上，根据Hausdorff距离具有强抗干扰能力和容错能力的特点，采用了改进的Hausdorff距离作为相似性测度。在搜索策略上，根据遗传算法的固有的并行性，采用遗传算法来加快搜索的速度。通过大量基于同一地区的光学图像与SAR图像匹配的试验结果表明，这种算法鲁棒性好，匹配精度高，计算速度快。     

一种基于接收机钟差广义插值法的卫星定位增强算法

为提高卫星定位的连续性与精度,分析和讨论了接收机钟差模型辅助定位的可行性与基础,结合广义插值方法建立了一种高精度钟差数学模型及其相应的增强定位算法。该优化拟合模型在分段边界点上满足插值条件,不断利用钟差观测序列的最新均值或加权均值插值点对模型进行约束,使其具有更好的实时性及更高的外推精度。通过GPS实测实验,对方法的可行性和精度进行了分析与验证。结果表明,基于该模型的增强定位算法,既可辅助卫星信号短暂缺失的非完备定位情况,实现三维定位,也可用于正常星座的定位情况,有效提高定位精度。     

已知最大定位误差的点特征松弛匹配

研究了在已知最大定位误差的情况下时，如何对基本点特征松弛匹配算法进行改进，以提高匹配性能。基本思想是利用已知的最大定位误差，确定两点对的最小匹配度量，从而减小虚假特征点对匹配结果的影响。采用针对模拟图像及实际卫片航片图像对的实验，比较了两种方法的性能。结果表明，在已知最大定位误差的情况下，该改进方法比基本点特征松弛匹配算法具有更好的匹配性能。