基于改进DeepSORT的视觉/激光雷达目标跟踪与定位方法CSCD

通过结合目标跟踪与相对定位,在对多帧检测目标进行关联与分析的同时,可以获取其三维信息。但当目标外观特征变换较大时,传统目标跟踪算法较易发生漏匹配或身份变换,而仅依靠对齐点云的相对定位算法较易出现定位失效的情况。针对以上问题,提出了一种基于改进DeepSORT的目标跟踪与定位方法在原始DeepSORT算法中加入基于位置约束的匹配,解决了因外观改变导致的漏匹配问题;在获取跟踪信息的基础上,设计了基于目标运动模型的相对定位方法,解决了图像中目标较小时相对定位不连续且定位精度较低的问题。试验结果表明,与传统DeepSORT算法相比,多目标跟踪准确度提高了5.9%;与仅依靠对齐点云的相对定位算法相比,定位精度提高了62.4%。     

惯性组合导航系统的实时多级景象匹配算法

 针对景象匹配辅助惯性组合导航系统需要快速准确获取飞行器位置、航向偏差的要求，提出一种实时多级景象匹配算法。算法分为两级，第一级粗匹配中提出了中心点4邻域的抗变形算法，能抗旋转和小尺度变化的影响，使定位精度达到像素级；第二级精匹配中提出了基于分支特征点，应用最小二乘法原理精确匹配定位出两幅图像间的最优相似变换参数，即飞行器的精确位置和航向偏差的算法。仿真分析表明，提出的实时多级算法能满足景象匹配辅助惯性组合导航系统实时性、精确性和鲁棒性的要求。     

基于局部单应性矩阵的图像拼接与定位算法研究

针对单个摄像机的视野范围有限导致在大场景下监控效果不够理想的问题,提出了一种改进的图像拼接与目标定位算法。该算法以多个摄像机获取的具有共视区域的监控图像为基础,通过对图像进行网格划分后分别计算多个局部单应性矩阵完成初步对准,然后对网格顶点进行微调优化完成最后配准。最后对图像进行融合形成无缝、自然的大视角图像,并利用场景信息在获取的全景图像上对目标进行快速定位,以满足监控人员对场景中目标的全景捕捉分析功能。实验结果表明,该算法能显著提高大场景下图像拼接结果的质量并实现目标的快速定位。     

航拍机场图像中的一种目标匹配算法

针对小波变换的多尺度图像匹配算法仍然存在的问题--迭代落入局部最优点,提出了一种在航拍机场图像中运用小波变换多尺度和遗传算法相结合的目标匹配算法。试验结果证明,这种算法可以在航拍机场图像中准确、快速地识别出匹配的目标。     

改进的特征匹配雷达视频运动目标跟踪算法

针对密集杂波和复杂多目标情况下,特征匹配跟踪算法定位跟踪精度较低的问题,提出一种改进的特征匹配雷达视频运动目标跟踪算法。首先,从单帧雷达图像检测结果中提取目标的面积、位置、不变矩信息,在运动目标得到判定后,利用卡尔曼滤波的预测位置以及上一帧特征信息进行目标匹配;然后,根据匹配位置和预测位置给出目标估计位置,并进行特征信息更新;最后,输出目标的特征信息、位置信息和运动参数。利用某型导航雷达上采集的实测数据验证了算法的有效性。     

基于机器人视觉的银网焊点定位技术研究

铅锌电池制作工艺过程中的银网焊接工序不仅存在肉眼识别不准确、出错率高的问题,而且劳动强度大、效率低。针对此工艺,提出一种基于机器人视觉的自动化焊点定位方法。系统以机器人搭载自动化焊接设备对焊点精确定位并焊接,采用畸变校正和机器人手眼标定完成了图像坐标系到机器人坐标系之间位置的精确变换,并运用Blob分析粗定位和基于形状的模板匹配精定位相结合的算法,有效地解决了噪声干扰、非线性光照干扰及银网变形引起的识别定位障碍,达到焊点识别定位精度高、生产效率高的目标。     

基于对数极坐标变换的快速相关匹配算法

成像制导过程中,需要在导引头获得的图像中搜索目标所在位置。基于对数极坐标变换的相关匹配算法能够有效处理在尺度、旋转等情况下目标的匹配问题,但是计算量大、匹配效率低,因此提出一种基于对数极坐标变换的多分辨率快速相关匹配算法。首先,通过定义主梯度方向,并将该方向作为对数极坐标变换的角度变换基准,有效避免了模板与目标特征矩阵基准不同的问题;其次,在多分辨率金字塔搜索过程中,采用图像方差作为判断依据,跳过同质区域和杂乱区域等非目标区域,加快搜索效率。仿真结果表明,该算法相比传统多分辨率相关匹配算法能够保证匹配精度并提高算法对于非线性光照变化的鲁棒性,匹配效率显著提高,具有实时处理的潜力。     

一种鲁棒的红外与可见光多级景象匹配算法

针对基于特征的景象匹配方法对图像噪声和局部形变适应性差以及对特征质量依赖性强等问题,从提高图像特征描述能力入手,将具有局部光照和对比度不变性的相位一致性变换引入到红外与可见光景象匹配的特征表征中,以获得对噪声和局部形变较强的适应性。在此基础上,首先采用抗旋转的圆投影实现图像粗略匹配,然后基于Zernike矩推导出图像的互相关匹配重构函数并用来剔除错误匹配点,最后基于曲面拟合方法获得亚像素定位,从而实现图像精确与鲁棒匹配。仿真实验验证了所提算法的有效性。     

改进的SURF算法及其在电视制导中的应用

针对电视制导应用,提出了一种改进的SURF特征描述子目标跟踪算法。首先对SURF特征描述子的生成过程进行了改进,利用三角特征和对角特征设计了改进的SURF特征描述子,在保证区分能力的基础上提高了运算速度;基于SURF特征点匹配,设计了电视制导的匹配跟踪策略。仿真试验证明,基于改进SURF特征描述子的跟踪算法满足电视制导需求,同时运算速度达到了26f/s,比改进前提高了一倍以上,满足实时性要求。     

航拍视频帧间快速配准算法

 为应对相机运动的影响,提出了一种快速有效的无人机(UAV)视频相邻帧图像配准算法。通过空间分布约束和角点量限制来筛选有效的FAST特征点,引入自适应阈值提高特征点检测的环境适应性,采用训练得到的不相关采样点集对特征点进行二值描述,以获得准确快速的特征描述,并通过最近邻算法根据汉明距离获得特征匹配对,最后运用RANSAC方法得到帧间仿射变换模型参数,消除相机运动带来的影响,为后续运动目标检测与跟踪提供保障。实验结果表明该算法快速、稳定,具有较高的环境适应性,能够满足无人机系统视频图像配准的要求。     

水下重力匹配定位算法综述

随着重力测量和水下导航技术的发展,惯性/重力匹配导航技术因其精度高、自主性强和航时长等优点,已成为水下自主导航的重要研究方向。惯性/重力匹配导航系统主要由惯性导航系统、重力实时测量、海洋重力场背景图和重力匹配定位算法构成。重力匹配定位算法通过将实时测量的重力异常值与构建的重力场背景图进行匹配,得到水下运载体当前时刻的位置信息,是惯性/重力匹配导航技术的核心。本文详细介绍了重力匹配算法的技术发展现状,重点分析了具有代表性的ICCP算法、SITAN算法、矢量匹配算法及其衍生算法,并对惯性/重力匹配水下自主导航技术的未来发展进行了展望。     

陆用定位定向系统自主导航技术

由于车载自主导航精度受作战半径影响,长航时使用需要一定的保障条件,难于实现无依托发射的问题,提出了一种定向精度不受导航时间影响、定位精度不受作战半径影响的自主导航方案。通过分析惯性旋转调制导航、惯性/里程计组合原理及误差特性,采用罗经效应原理实现了高精度长航时自主定向;通过旋转调制导航抵消惯性器件误差的影响,利用航位推算隔离载体加速度和速度对罗经效应的影响,使航向误差完全可观,提升实时估计与修正精度。在此基础上引入了地图匹配技术进行自主定位,解决陆用定位精度与行驶里程相关的问题。仿真和试验结果表明,该技术采用地图信息辅助定位定向系统进行自主导航,在较低保障要求下,能够解决定向、定位误差积累问题,具有较强的理论意义和工程实用价值。     

基于改进的磁场检验和主方向算法的行人航向估计

针对以惯导为核心的行人定位算法存在航向角失真的问题，提出了一种融合惯性测量单元(IMU)和磁力计的行人导航算法，利用步幅航向的变化量将行人的运动分为直线行走和曲线行走两部分，当检测到行人直线行走时，提出一种实时建立主方向的自适应航向角漂移修正算法，对航行角误差进行补偿；当行人曲线行走时，辅助地磁场信息，使用磁场强度、地磁倾角、惯性导航系统(inertial navigation system，INS)与磁力计解算的航向角之差这三个特征值构建广义似然比检验量，对磁场进行判断获得稳定状态磁场信息，通过卡尔曼滤波对航向角误差进行补偿。将传感器置于足部进行实验，实验结果表明,两种算法可以实现优势互补，有效地抑制地磁信息的干扰，提高导航精度，算法结果相对于无航向角修正的零速修正算法、零角速度更新算法和单独使用磁力计进行融合的算法，定位误差分别降低了91.02%、82.93%和61.39%，室外和室内终点定位误差分别为4.545 4 m和0.543 6 m，占总路程的0.69%和0.17%。     

基于UWB/SINS组合的行人导航研究

在特殊环境下全球定位系统(GPS)信号强度被严重削弱,此时基于GPS技术的导航设备将受到严重影响。针对不依赖GPS的行人导航定位需求,提出了一种基于微机电捷联惯导系统(SINS)与超宽带(UWB)定位系统相结合的行人导航方法。该系统由捷联惯导系统与超宽带定位系统组成,行人导航算法在传统的捷联算法的基础上引入了零速修正技术用于检测零速时刻,并使用阈值法剔除了超宽带错误信息,通过联邦Kalman滤波融合了零速、位置和航向信息,并对系统速度、位置、航向进行了校正。行人导航实验表明,该方法能够提升系统定位精度,并进一步加强系统的稳定性与可靠性。     

基于双谱相位算法的无人机图像定位研究

由于传统的定位方法都有不同程度的缺陷,如GPS导航或者捷联惯导,所以借助图像匹配技术实现无人机导航定位具有重要研究意义。双谱中只提取相位信息,形成基于相位谱的算法,能很好地抑制不均匀的光照度变化等。首先以对数-极坐标方式进行相位谱的采样处理,然后由相位相关算法获取尺寸和旋转校正值。校正之后,再由相位相关算法进行2幅图像之间的平移配准。仿真结果验证了该算法不仅有很高的配准精度,而且有很强的稳健性。     

一种基于无线信号辅助的室内无死角定位算法

针对传统惯性导航系统定位误差随时间积累的问题,提出了一种基于无线信号辅助定位的室内无死角定位算法。该算法首先利用加速度计、陀螺仪、磁力计和气压计等传感器数据实现三维定位,然后利用无线信号对惯导定位中的位置偏差进行实时校正,再通过航向最优估计算法对航向误差进行修正,在位置和航向上增强惯导系统的实用性。利用实验室自主研发的微惯性测量单元固定在腰部脊椎位置进行实验验证,结果显示基于无线信号辅助的室内无死角定位算法精度达到1%以内,与纯惯导技术相比,能够提供更持久和准确的三维位置信息。     

基于SAR图像匹配结果可信度评价的INS/SAR自适应Kalman滤波算法

在惯性导航系统（INS）/合成孔径雷达（SAR）组合导航系统中，SAR图像易受斑点噪声的影响，图像匹配的精度对整个导航系统精度的影响十分明显，能够准确地分析SAR图像匹配过程中的误差特性，利用有效的图像匹配信息辅助INS进行组合定位尤为重要。针对上述问题，在加权Hausdorff距离匹配算法的基础上，对影响SAR图像匹配精度的因素进行了分析，提出了一种基于模糊推理的匹配结果可信度评价准则，经过可信度筛选，将有效的匹配信息与INS进行组合；对合理范围内的匹配误差变化引起量测噪声统计特性发生变化，进而导致Kalman滤波精度下降的问题，研究采用改进的Sage-Husa自适应滤波算法对量测噪声方差阵进行动态调整，使其更加接近系统的当前状态。搭建仿真验证平台对所提算法进行了验证，结果表明，该算法能够在合理的匹配误差范围内，有效地筛选出可信的图像匹配结果，相比常规Kalman滤波算法，显著地提升了INS/SAR组合导航系统水平方向的定位精度。     

基于足间距信息辅助的行人三维惯性定位算法

针对行人惯性导航系统误差随时间累积致使定位精度严重下降的问题,提出了一种基于足间距信息辅助的行人三维惯性定位算法。该算法在零速修正算法的基础上,利用足部安装的超声波测距模块实时测量行人双足相对距离,构建了基于超声测距的足间距约束模型,通过随机森林算法实现行人运动模式识别,并针对上下楼梯场景,利用台阶高度和足间距信息进行高度解算,最终实现行人三维惯性定位。在实际路线上开展了三维定位实验,数据显示,所提算法平面闭环误差为总路程的0.64%,与零速修正算法相比下降了55.56%,高度误差为0.06 m,与零速修正和气压计联合算法相比下降了64.70%,能够实现导航误差在总路程的0.50%以内的三维定位。实验结果表明,所提算法具有良好的工程应用价值。     

视觉辅助惯性定位定姿技术研究

在利用视觉系统辅助捷联惯性导航系统( SINS)进行定位定姿时,由于两者输出的位置表示方法不同,在信息融合时会存在匹配问题。以相对地理坐标系作为定位定姿系统的导航坐标系,重新对SINS进行了力学编排,分析了其误差传递特性,建立了相对地理坐标系下的状态方程模型,并利用Kalman滤波器实现了视觉辅助惯性定位定姿算法。仿真结果表明,方法避免了信息融合时位置匹配问题,同时降低了系统的计算量,满足了定位定姿系统的精度要求。     

An intelligentized and fast calibration method of SINS on moving base for planed missiles

In order to minish the error of inertial sensors, the technology of neural networks is attempted to on-line calibration of a slave inertial navigation system mounted on planed missiles. Based on the time-varied specialty of slave inertial navigation system on a moving base, an input–output sample structure method is proposed, and to automatically calibrate and revise the error of inertial sensors of inertial navigation system. When a missile is appended under the wing and in free-flight, in order to solve the inconsistent problem of measurement's character of the inertial sensors, the error angles between the master inertial navigation system and the slave inertial navigation system are estimated in advance, then, the input samples of a neural network can correctly simulate the free-flight state. Furthermore, in order to make a learning algorithm of neural networks can satisfy real-time calibrating on a moving base, the traditional Newton algorithm is improved by using first differential coefficient to replace the approximate matrix of second differential coefficients. As a result, the training speed and precision of neural network are enhanced. The simulation results indicate that the method and algorithm are feasible.