面向结构化场景的激光雷达点云高精度配准与定位方法

在基于先验地图的激光雷达室内导航方案中,通常采用点云配准的方法进行无人设备位姿初始化。在结构化场景下,传统配准算法特征鲁棒性较差,导致点云配准的误差较大且易陷入局部最优。针对该问题,提出了一种基于多平面空间模型的点云快速配准方法。首先该方法利用特征直方图的思想对空间点云进行快速粗聚类,根据平面一致性将粗聚类后的点集进行合并形成面特征,从而对密闭空间进行平面模型化表示。随后通过空间平面排序实现了面特征的快速关联,并利用线性匹配方法实现了两帧点云的精确配准,从而解算出机体在先验地图中的相对位姿。最后通过Gazebo搭建的仿真环境与室内结构化模拟环境对算法进行了验证。结果表明,在大型结构化场景下,算法具有更好的适应性以及更高的计算效率,能够快速为无人系统提供精准的地图初始位姿。     

基于多模态感知与融合的无人车韧性导航系统

针对野外复杂环境下的无人车自主导航需要,建立了一种基于多源融合定位、语义建图与运动规划的智能导航系统.首先,针对IMU、轮式里程计、视觉SLAM与激光雷达SLAM等测量子系统,设计了误差状态扩展卡尔曼滤波器进行融合定位.其次,基于改进的CNN语义分割网络生成环境的语义图像,与3D激光雷达点云融合,并使用最大概率更新算法构建语义3D地图.接着,在语义和几何信息投影获得可通行性代价的基础上,提出了一种语义动态窗口的局部路径规划方法.最后,将以上感知、定位与规划方法整合成完整的智能导航系统,在城市与野外典型场景的测试中,相对定位误差小于0.4％D,具备一定的韧性导航定位和智能感知规划能力.     

动态环境下融合激光雷达和IMU的激光里程计设计

激光SLAM 通常通过多帧点云配准,完成位姿变换矩阵的估计,而点云中的动态点会降低 激光里程计的定位精度。为了减少动态点引入的误差,提出了一种动态点云识别算法,并结合该 算法改进了传统特征匹配策略,组成了动态环境下融合激光雷达和IMU 的激光里程计。通过约 束范围角与动态中心点,将点云快速分割成多个簇类,再借助IMU 信息,快速建立点云簇类配准 关系,从而去除动态点,最后根据簇类的对应关系进行约束,以提高匹配的精度与速度。使用 KITTI数据集和UGV 在多个情形下进行了实验。实验结果表明,该算法可以成功识别点云中的 多个动态对象,并通过去除动态点,有效地减少了位姿估计的累积误差。     

基于测地线距离的空间非合作目标点云配准

针对局部结构相似及翻滚遮挡下目标动态特性辨识问题，提出一种融合疏密度指标与全局测地线距离的空间非合作目标点云配准方法。首先，引入球面投影法，将不规则的空间目标点云映射到规则的球面流形上。然后，设计基于点云离散程度的疏密度评价指标，将球面点云划分为不同的局部点云子集，在此基础上构建全局测地线距离矩阵以增强点云局部形状信息的感知能力。最后，依据全局测地线距离矩阵推导建立了场景点云与模型点云间配准矩阵，实现空间非合作目标的动态特性辨识。仿真与试验结果表明：提出的算法在目标局部结构相似及点云缺失下的配准精度优于最近迭代点（ICP）算法与基于凸包粗配准的改进ICP算法。     

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。     

基于局部几何特征的稠密点云配准方法

针对现有的稠密点云配准方法依赖初始位置设定、计算成本高、配准成功率不高等问题，提出了一种基于点云局部几何特征的稠密点云配准方法。采用深度卷积网络模型提取点云的局部几何特征，从而减少了三维点云数据的噪声、低分辨率和不完备性等带来的影响。在此基础上，使用K维树搜索完成局部几何特征描述子的关联工作。最后，通过随机采样一致算法对点云的相对位姿进行鲁棒的估计。通过对开源数据集上5个典型场景中的数据测试表明，该方法的配准成功率达到92.5%，配准精度达到0.0434m，配准时间相对最邻点迭代配准算法缩短了74.7%，实验结果验证了该方法的有效性、实时性和鲁棒性。     

复杂环境下微小飞行器惯性/激光雷达Robust-SLAM方法

针对微小型飞行器在巡检、探测和地图构建等应用中关键的自主导航技术,提出了一种基于惯性辅助的激光雷达Robust-SLAM方法用于微小型飞行器自主导航。相对于传统的激光雷达SLAM方法,该方法在SLAM框架中引入了感知环境突变检测方法,并且加强了惯性与SLAM的组合程度,有效地解决了高程方向感知环境发生突变时激光雷达SLAM定位误差大的问题。室内车库实际飞行实验结果表明,该方法能够实现微小型飞行器在三维空间中实时可靠的自主导航,具有较好的工程应用价值。     

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。     

基于点云配准算法的叶片进排气边测量技术研究

针对航空发动机叶片型面自动检测的难题,建立了以激光测头为核心的五轴非接触测量系统。通过合理的测量规划对叶片进行多角度、多截面自动扫描测量,得到其表面测量点及冗余点。进而将点邻域曲率特征引入到点云配准算法中,自动优化初始冗余点点集,应用ICP点云配准算法对多角度测量点进行拼接处理,最终得到叶片型面点云。     

无人机编队协调控制算法的设计及3D仿真实现

介绍了无人机编队队形保持的协调控制算法设计、3D模型地面处理、基于三维地图的3D模型绘制显示模块的设计,并进行了嵌入式下的仿真实验。基于智能体编队的一致性算法提出了队形保持的全状态反馈协调控制算法,可以实现在机动过程中的队形保持。采用三维建模软件3DMax构建3D模型原型,设计了3D模型读取绘制的流程,实现了3D模型显示。将3D模型绘制显示模块融合在三维地图软件中进行嵌入式测试,绘制效率、读取速度对三维地图软件影响很小。3D模型绘制显示模块丰富了三维地图软件的显示内容,增强了立体效果,提高了用户体验。     

基于Kinect三维重建的地下井室可视化方法研究

针对现有地下井室病害探测与维护方法的不足,提出了一种基于Kinect三维重建的地下井室可视化方法,以实现其三维可视化探测与维护.还提出了一种基于多项式曲面拟合的Kinect深度测量误差修正方法,利用联合双边滤波算法对深度图像数据进行预处理;结合SIFT特征匹配和改进的RANSAC算法获取相邻点云间的初始位姿,并利用基于邻域特征的ICP算法进一步实现不同视角点云的精确配准,从而获取全局一致的稠密三维点云.最后,在三维稠密点云的基础上进行曲面重建和纹理贴图,以实现地下井室真实三维重建.实验结果表明:所提方法可有效修正Kinect深度相机的深度测量误差,在0.5～4.5m的测距范围内,其三维重建精度可达2cm;在4.5～7m的测距范围内,精度也可以保持在4.5cm以内.所提重建方法可实现地下井室真实场景的三维可视化,为地下井室的探测和维护提供了技术支持.     

毛坯海量点集与CAD数模的自适应快速精确配准方法研究

航空复杂锻铸件毛坯海量的扫描点集与CAD数模进行精确配准时,由于点集数量巨大数模面也较多,同时点集与数模面之间无任何关联关系,给配准算法带来了巨大的计算量,严重制约加工效率。为提高配准效率,提出一种快速精确配准毛坯点集与CAD数模的自适应方法,即利用配准面提取参与配准的数据点,建立点面之间的一一对应关系,通过对配准面进行分类并不断选取参与配准的特征面及相应的数据点加入配准,直至各面都很好地满足加工要求。最后利用实例验证了本算法的高效性和可靠性。     

AutoScan系列复杂零件自动化三维测量装备开发与应用

自动化三维测量可实现复杂零件的精度检测,为后续工艺优化提供基础数据,是保证航空航天领域复杂零件成形精度的关键技术,但应用时尚存在以下问题：其一,自动化三维测量视点规划仍以人工示教为主,规划效率低、效果差;其二,锻造成形等工业现场工况恶劣,易使系统预先标定的参数发生漂移,测量精度难以保证;其三,多视测量数据拼接仍主要采用标志点拼接的方式,过程繁琐,应用局限大;其四,在线自动化测量时受工装夹具等影响,测量点云中存在大量背景噪声,影响数据自动处理的精度与稳定性。针对上述难题,介绍了基于双目测头的自动化测量视点规划、基于耦合焦距比例约束的系统参数自标定、基于全局优化的多视测量数据拼接、基于自适应阈值迭代最近点（ICP）点云背景噪声自动去除等关键技术;在此基础上,研制了系列自动化三维测量装备,包括PowerVirtualPlan视点规划软件、PowerScan三维测量软件、iPoint3D数据处理软件的开发;最后,介绍自动化三维测量装备在航天航空等领域的工程应用情况。     

基于TERCOM-ICP联合算法的水下地形匹配方法研究

水下地形辅助导航一直是应用于AUV的热点和前沿问题，有助于修正惯导随时间积累的定位误差，以实现精确的导航定位。对经典地形匹配方法TERCOM算法进行了简单的介绍，引入点云配准领域的ICP算法，针对多波束测深系统可以获取地形剖面的特点，提出了一种TERCOM-ICP联合匹配算法。首先使用TERCOM算法粗匹配，将粗匹配后的大致位置作为指示输入ICP算法中进行精匹配，通过仿真实验对TERCOM算法的匹配结果和ICP算法的匹配时间作对比分析。仿真结果表明：TERCOM-ICP算法可以有效提高水下地形匹配精度，经过仿真实验测试，平均匹配误差可以达到20 m以内，所用时间在160 s以内，验证了该算法应用在水下地形匹配领域的可行性，更好地满足了水下辅助导航的要求。     

基于遗传算法和最小二乘法的曲面匹配

 针对基于最小二乘法的 ICP曲面匹配算法难以处理待比较曲面的局部大变形问题,提出一种改进算法。即采用遗传算法确定曲面初始相对位置以保证匹配优化结果为全局最优值,利用 ICP算法匹配结果构造偏差阈值,以此阈值过滤点群后再以最小二乘法进行匹配处理,消除局部大变形影响,获得合理的变换矩阵。以此变换矩阵变换初始点群再进行误差计算,从而获得理想的匹配结果。试验表明,该准则对局部大变形的处理效果优于常规的最小二乘 ICP曲面匹配算法。     

基于凸包算法的陶芯弯曲度与扭曲度误差计算

陶芯弯扭变形直接关系到空心叶片的壁厚尺寸分布,为克服当前陶芯弯扭变形的计算中测量数据与理论模型三维配准、陶芯截面轮廓线提取或拟合的过程算法复杂、收敛速度慢、效率低等问题,提出了一种通过测量数据点直接计算陶芯弯曲度和扭曲度误差的算法,该算法不需要三维配准和提取陶芯外轮廓线,通过距离权值法计算陶芯弯曲度,凸包算法计算陶芯扭曲度,能大幅提高计算效率。仿真与实验结果表明:该算法弯曲变形计算精度为99.55%,与二维配准算法相差±0.01mm;扭曲变形计算精度为99.98%,与二维配准相差±0.006°。      

多传感器数据融合中的数据配准研究

数据配准是多传感器数据融合的先期处理过程。本文在研究了传统的最小二乘算法的基础上，提出了基于三维坐标系中的极大似然配准算法，解决了最小二乘配准算法对于传感器相距较远时无法解决的问题。最后通过计算机仿真证明了此算法的有效性。     

Joint sensor registration and track-to-track fusion for distributed trackers

Sensor registration deals with the correction of registration errors and is an inherent problem in all multisensor tracking systems. Traditionally, it is viewed as a least squares or a maximum likelihood problem independent of the fusion problem. We formulate it as a Bayesian estimation problem where sensor registration and track-to-track fusion are treated as joint problems and provide solutions in cases 1) when sensor outputs (i.e., raw data) are available, and 2) when tracker outputs (i.e., tracks) are available. The solution to the latter problem is of particular significance in practical systems as band limited communication links render the transmission of raw data impractical and most of the practical fusion systems have to depend on tracker outputs rather than sensor outputs for fusion. We then show that, under linear Gaussian assumptions, the Bayesian approach leads to a registration solution based on equivalent measurements generated by geographically separated radar trackers. In addition, we show that equivalent measurements are a very effective way of handling sensor registration problem in clutter. Simulation results show that the proposed algorithm adequately estimates the biases, and the resulting central-level trucks are free of registration errors.