RGB-D SLAM综述

RGB-D SLAM是指使用RGB-D相机作为视觉传感器,进行同时定位与地图构建(SLAM)的技术。RGB-D相机是近几年推出的能够同时采集环境RGB图像和深度图像的视觉传感器。首先对主流RGB-D相机,RGB-D SLAM算法框架流程做了介绍,然后对RGB-D SLAM算法的国内外主要标志性成果,以及RGB-D SLAM的研究现状进行介绍,并对RGB-D SLAM方法前端视觉里程计中特征检测与匹配、后端位姿图优化、回环检测等关键技术进行介绍总结。最后,对RGB-D SLAM算法的优缺点进行了分析,并对RGB-D SLAM算法的研究热点及发展趋势进行了讨论。     

一种基于张氏标定法的单目相机改进标定算法

单目视觉在地面机器人等无人导航系统中的应用越来越广泛，而相机参数的标定是利用视觉进行导航的基础性工作。标定结果的好坏，直接影响导航性能和定位精度。主要考虑单目相机的径向畸变，基于张正友平面标定法，通过利用Matlab进行图像预处理、利用OpenCV进行Harris角点检测和亚像素精确化等方法在角点提取精度等方面进行了改进，通过重投影法对标定结果进行了评估，并将其与Matlab相机标定工具箱Toolbox_calib所得结果进行了比较。实验结果表明，改进的标定算法标定结果精度更高，并且对多个摄像头传感器均有效，适用性强。     

基于点特征的干涉合成孔径雷达(InSAR)复图像自动配准算法

 在基于点特征的遥感图像配准过程中，特征点的自动提取和准确匹配是影响配准精度的关键。本文提出了一种干涉合成孔径雷达(InSAR)复图像对的自动配准算法，利用特征点的高曲率结构设计了模板，完成了特征点检测；根据匹配点对之间距离相近的结论设计了匹配算法，进行了特征点对的匹配。文章首先通过边缘检测和模板相关提取特征点；其次根据提出的匹配算法建立点的对应关系；最后利用两步法完成复图像的亚像元级配准。实验结果表明，该算法具有较高的配准精度。     

基于点线特征融合的双目惯性SLAM算法

针对室内弱纹理场景下,基于点特征的SLAM算法难以追踪足够多的有效特征点,导致系统定位精度和鲁棒性较差,甚至完全失效的问题,提出一种基于点线特征并融合惯性测量单元(IMU)的双目视觉惯性SLAM算法。利用点线特征的互补优势来提高数据关联的准确性,同时引入IMU数据为视觉定位算法提供先验和尺度信息,通过联合最小化多残差函数得到更准确的相机位姿,并据此构建环境点线特征地图、稠密地图和导航地图。针对传统线特征提取算法在复杂场景下易检测到大量短线段和相似线段特征以及线段存在过分割等弊端,利用线段长度抑制、近线合并及断线拼接策略在FLD算法的基础上进行改进,以降低线特征的误匹配率,运行速度是LSD算法的2倍以上。通过对比多组公开数据集和真实弱纹理场景下得到的仿真实验结果可知,所提算法在保证定位精度的同时能够获得更为丰富的环境地图,具备较好的鲁棒性。     

切换拓扑下异构无人集群编队-合围跟踪控制

针对异构无人集群存在层内不同协同控制目标以及层间协同耦合的控制问题，提出了“编队-合围跟踪”控制的定义与框架，采用具有时变输入的跟踪-领导者来生成集群系统的整体参考轨迹，克服了现有编队-合围控制中无法有效控制集群整体宏观运动的缺陷。对于存在切换拓扑的高阶异构集群系统，基于分布式鲁棒自适应估计技术以及预先定义的合围控制策略，利用邻居局部信息交互构造了分布式编队-合围跟踪控制器，给出了分层耦合情况下控制器的多步设计方法。采用共同李雅普诺夫稳定性理论，证明了切换拓扑条件下异构集群实现输出编队-合围跟踪的充分条件。通过无人机-无人车异构集群的仿真例子，验证了所提出的编队-合围跟踪控制方法的有效性。     

月面环境三维激光SLAM技术

同步建图与定位（SLAM）可实现月球车在未知复杂月面环境下的定位与导航,月球表面由陨坑、石头等起伏地形构成,缺乏树木、建筑物等地面存有的显著特征,大量特征不显著的点云数据会对月球车定位精度和实时性造成影响。本文提出了一种针对月面环境的显著特征点云提取方法以及基于曲面定位能力估计的增量式优化算法,通过Fisher信息矩阵计算曲面定位能力指标,获取机器人位姿估计的不确定性测量,利用增量式的SLAM方案进行优化,用于提高定位精度与实时性。通过在Gazebo （物理仿真平台）仿真场景下的测试,验证了算法性能。     

基于三维激光成像系统的相机标定方法

三维激光成像系统中点云数据与影像数据的融合可以对被扫描物体赋予真彩色.为了获得点云数据与影像数据良好的融合效果,就需要精确的确定载体坐标系与相机坐标系之间的关系.本文针对三维激光成像系统点云模型真彩色处理方法进行研究,提出了一种基于三维激光成像系统的相机标定方法.通过对相机坐标系的标定,建立点云数据与影像数据之间的数学模型.实验结果显示,采用所提出的方法,能够使得三维立体点云数据与影像数据精确融合.最终得到被扫描目标的真彩色3D模型.     

基于PDR和磁场匹配的智能手机室内定位

目前，基于磁场的室内定位方法存在指纹采集无法快速建库的问题，导致匹配特征较少、无法快速进行匹配操作和航向角估计精度低。基于磁场梯度的快速近似，使用高斯牛顿迭代方法结合通过PDR测量的轨迹进行磁场轮廓匹配定位，提高了单点磁场指纹的可分辨性。基于步态模型的更新用作测量信息以改善C-INS的导航性能，提出了一种基于捷联惯性导航系统的行人航位推算算法。基于MFS参考位置，使用扩展Kalman滤波器控制PDR惯性导航的位置漂移误差，进一步提高了轨迹轮廓的精度。测试结果表明，该算法可以获得更好的位置估计和航向估计结果。     

基于极线几何的统计优化特征匹配算法

针对基于特征点的图像匹配中匹配数目不多以及重复结构下匹配较差等问题,提出了一种基于极线几何的统计优化特征匹配算法。利用正确匹配特征点之间满足对极约束的特点,从而可以减小特征点搜索区域,避免由于重复结构引起的误匹配对。首先使用一个小的特征点样本估计图像之间的基本矩阵,并利用它结合对极约束模型来引导特征匹配;然后利用基于特征点主方向和尺度信息的统计优化方法进一步消除误匹配,得到最终匹配结果。实验结果表明,该算法对图像的旋转和缩放变换具有良好的鲁棒性,匹配精度和数目有了很大提升,对于具有重复结构的图像匹配效果也较好。     

基于3D Zernike矩的巡检器与空间站的相对导航算法

针对航天器相对导航问题,以空间站表面为"特殊地形",提出一种基于大型航天器表面巡检的相对导航算法。首先,运用巡检飞行器上的TOF （Time of Flight）相机测量空间站表面局部点云数据,以该点云数据为实时图,以空间站表面先验点云数据为基准图。然后,利用3D Zernike矩与三维地形间的一一对应关系,将三维地形匹配转化为基于3D Zernike矩的特征向量匹配。在此基础上求解实时图与匹配上的基准图间的相对位置、相对姿态,从而确定两航天器间的相对导航参数,并通过实验分析了匹配精度及速度的主要影响因素。最后,将该相对导航参数与惯性系统推算的相对导航参数在扩展卡尔曼滤波器的框架下实现信息融合,估计了巡检飞行器与空间站间的相对位置、相对姿态,实验结果表明,相对位置精度优于0.002 m,相对姿态精度优于0.1°。     

基于道路几何特征的地图匹配方法研究

从地图匹配技术的基本原理出发,比较了几种典型的点到线型地图匹配算法的优缺点以及适用范围。结合实际行车轨迹连续、特征明显的特点,提出了一种基于道路几何特征的地图匹配方法,并从候选路径确定、匹配路径确定和匹配点求取三方面对算法进行了详细说明。最后通过设计试验,验证了其可行性和准确性。经验证,采用此地图匹配方法可将惯性定位定向的定位精度提高到20m以内。     

基于视觉SLAM的飞机模拟座舱三维地图构建

针对飞机座舱副驾驶的研究需要,为使得机械臂能够在飞机座舱完成导航任务,旨在构建一个可用于机械臂导航的飞机模拟座舱三维地图。 针对特征点分布情况对即时定位与地图构建( simultaneous localization and mapping,简称 SLAM)的建图精度的影响,通过实验对比,验证了 ORB-SLAM 改进的 ORB( oriented FAST and rotated BRIEF)特征检测算法相对于 OpenCV 库中 SIFT,SURF 和 ORB 算法检测提取的特征点分布更加均匀,更适用于 SLAM。 采用 Kinect V2. 0 作为深度信息图像和彩色图像的数据采集设备,在飞机模拟座舱真实的环境下,结合 ROS 系统和 ORBSLAM2 系统框架,构建了飞机座舱内的三维稠密点云地图。 针对点云地图存在数据大和难以实现导航等问题,采用了 OctoMap 数据模型,该数据模型能够压缩点云,调节分辨率和判断空间是否被占据,将点云地图转化为八叉树地图,最终获得数据小和适用于导航的三维八叉树地图。     

基于飞行时间相机的非合作慢旋卫星稠密重建研究

针对非合作慢旋卫星的模型重建问题，提出基于飞行时间(time-of-flight, TOF)相机和同时定位与制图(simultaneous localization and mapping, SLAM)的稠密重建方法。基于预先检测与自适应阈值方法提高旋转提取与描述(oriented fast and rotated brief, ORB)的特征尺度适应性。利用运动度量方法选取关键帧。利用子模型拼接方法加快重建效率。利用仿真环境制作非合作慢旋卫星的数据集。仿真实验结果表明:该方法能够实现长时间稳定地工作，可在3 min内重建出卫星模型的稠密点云，点云密度大于5 000，重建误差小于5 cm。利用机械臂、卫星模型及光学暗室搭建半物理实验系统，表明算法的精度及抗噪声能力基本满足非合作目标感知的任务的需求。     

基于改进ORB-GMS-SPHP算法的快速图像拼接方法

针对传统图像拼接算法存在拼接速度慢、图像拼接有色差等问题，提出了一种基于ORB-GMS-SPHP算法的大视场多图像拼接方法。该方法首先利用高斯函数构建尺度空间，将高斯尺度空间划分为多个网格，在每个网格内借助FAST算法提取尺度空间特征点，使用BRIEF算法提取描述符并匹配，得到更加均匀分布的特征点；然后使用运动网格统计算法筛选匹配点；最后采用SPHP算法融合图像重叠区域，从而得到完整的拼接图像。将改进的ORB-GMS-SPHP算法与现有的传统特征点匹配算法在特征点匹配精度和特征点匹配速度进行对比与评价，验证了该方法特征点匹配速度快、精度高，并且可以保留更多的正确匹配点的特点。将该拼接方法与传统拼接方法在拼接速度、图像配准均方误差RMSE以及视觉主观判断拼接色差进行对比与评价，验证了该拼接方法具有较快的拼接速度、更高的拼接精度和无明显色差。该方法在2 736像素×3 648像素图像中,特征点匹配时间降低至6.463 s，图像配准精度RMSE降低至3.87。实验证明该方法特征点匹配速度快、精度高,且拼接精度高、无明显色差。     

单相机迎角测量中振动影响研究

从描述像空间坐标与物理空间坐标关系的共线方程出发,推导出单相机迎角测量中模型迎角关于相机外方位元素的计算公式。在单相机迎角测量中模型表面标记点展向坐标Y不变的假设下,研究了2m量级风洞中,相机位于5个不同位置时,3个角外方位元素(φ,ω,κ)和模型侧滑角β在-2°～2°之间振动对迎角测量结果的影响。模拟结果表明:φ和κ的振动对迎角测量结果影响较大,且该影响对相机位置和模型迎角的变化不敏感;在相机位于法向投影位置(相机光轴与Y轴平行)时,ω与β的振动对迎角测量结果影响非常小,可以忽略,但影响量随相机位置偏离法向投影位置迅速增加。     

基于虚拟地标的行人惯性SLAM算法

针对当前仅使用低成本惯性传感器的行人导航系统航向角存在较大累积误差的问题,研究了一种只使用惯性传感器信息的虚拟地标构建方法,并通过匹配虚拟地标点对位置和航向进行误差补偿.在此基础上,结合同时定位与建图(SLAM)方法的思想,实现了仅基于惯性传感器的SLAM,提高了行人导航的精度和可靠导航时间.试验结果表明,该方法能够有效消除纯惯性行人定位系统的累积误差,在2027m2的单层建筑物中空间位置误差小于10m.     

单目相机物体位姿估计方法研究

现有的机器视觉通常以边缘轮廓和角点作为特征,因此要求背景单一,对环境结构化依赖程度高。为了拓展机器人的应用范围,使其脱离结构化的环境,提出了一种基于SIFT特征点和PNP技术的单目相机估计目标物体位姿的方法。以BumbleBee双目相机为硬件基础,以C++为开发平台,结合了Eigen计算库、OpenCV图像处理库和Triclops库,开发了单目视觉位姿估计算法,实现在复杂背景下对表面纹理较为丰富的物体的位姿估计。利用试验对所提方法进行了验证,试验结果表明,该算法具有较高的估计精度,可以作为机器抓取的依据。     

基于记忆融合模式的多无人机分散式协同导航方法

针对多无人机协同交互过程中存在的通信时滞问题，提出基于记忆-融合的多无人机分散式协同导航算法。在无人机惯性和全球卫星导航系统（GNSS）紧组合导航框架基础上，建立含时滞影响的系统状态向量，并对系统状态误差及其方差进行推导，进一步构建关于各无人机状态的最优估计模型，并基于状态误差方差最小准则对状态进行最优估计。建立了基于机间相对测量的多无人机分散式协同导航算法，提出了基于记忆融合模式的时滞处理方法。在GNSS可获取及拒止环境下进行多无人机协同导航仿真与实验测试，结果表明，所提出的基于记忆-融合的分散式协同导航算法能有效补偿通信时滞造成的精度损失，有效提高定位精度。     

基于混合特征匹配的微惯性/激光雷达组合导航方法

微惯性/激光雷达(MEMS IMU/LADAR)组合导航系统在室内应用时,由于室内结构化环境下环境特征(如点和线段)分布稀疏,传统的单一特征匹配算法存在观测盲区,易造成导航定位参数估计误差大的问题。基于此,研究了激光雷达自适应数据分割方法的点和线段的特征提取算法,提出了基于混合特征匹配观测模型的MEMS IMU/LADR扩展卡尔曼滤波(EKF)算法。同时,设计了MEMS IMU/LADR组合导航试验样机,在室内环境下通过试验对滤波算法进行了验证。结果表明:提出的算法在室内结构化环境下相比传统单一点或线特征匹配组合定位算法的定位精度可提高60%,对于小型旋翼无人飞行器在室内结构化环境中的高精度定位具有较高的参考意义。     

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。