一种低成本的机器人室内可通行区域建模方法

基于单目视觉的同步定位与建图（SLAM）是机器人领域中的一项热门技术。然而,在场景建图方面,由于其计算量较大,各主流方法还无法在低运算能力的平台上实现实时的场景建模。针对室内环境与小型机器人的特定情况,提出了一种新的可通行区域建模方法。该方法建立在单目特征点SLAM的基础上,通过HSV色彩空间内的图像自适应阈值分割获取地面分割图像,并与SLAM生成的稀疏点云进行交叉比对,进而获取地平面与准确的地面分割区域,再将地面分割区域反投影到地平面上,获取地面的稠密建模。在室内场景的实验中,所提方法的平均运算速度能达到21帧/s,速度约为ORB-SLAM的70%,能够满足移动平台的实时性要求。对于地平面位置的还原平均误差为5.8%,地面上道路宽度的建模误差在3.5%~12.8%。      

基于多约束因子图优化的无人车定位与建图方法

针对目前在特定场景下应用的低速无人车定位系统极度依赖全球导航卫星系统（GNSS），存在定位精度不高、漂移误差大、受环境影响严重等问题，提出一种低成本、高精度的无人车定位与建图方法。该方法基于三维激光定位与建图（SLAM）技术。首先，使用点云主成分分析（PCA）实现基于特征匹配的激光里程计；其次，将GNSS位置信息、点云分割聚类得到的地平面和点云聚类特征作为位姿约束分别加入图优化框架，消除激光里程计的累积误差；最后，得到最优位姿和大规模场景的点云地图，以实现无人车的自主定位导航。利用包含大型户外城市街道环境的KITTI数据集对所提出的SLAM算法进行了评估，结果表明:系统在3km运动距离情况下定位偏差可控制在1.5 m以下，在局部精度和全局一致性方面均优于其他里程计系统，为无人车的定位提供了新思路。      

面向低视角场面监视的移动目标速度测量

为构建有效的机场场面视觉监视系统，提出了一种基于特征点持续跟踪与分析的移动目标速度测量方法。首先，利用场面几何特征对摄像机进行标定；然后，基于光流场对图像运动区域的特征点进行持续跟踪，在此基础上通过特征点轨迹聚类区分不同移动目标；最后，根据特征点高度与运动距离完成速度测量。所提方法能够利用机场场面摄像机获取的低视角单目视频图像，对移动目标的运动速度进行准确测量。基于广州白云国际机场的场面运行视频进行了仿真分析，验证了所提方法在低视角速度测量方面的可行性与优势。      

无人飞行器三维类脑SLAM自主导航方法

随着动物大脑中导航细胞的发现以及人工智能的快速发展，受动物启发的类脑SLAM自主导航方法为突破现有导航方式的瓶颈提供了新的思路。本文针对无人飞行器类脑SLAM自主导航技术的研究进展进行了综述， 包括：1）论述无人飞行器SLAM技术研究现状；2）在二维SLAM导航技术的基础上介绍了三维空间以及单一环境下的类脑SLAM自主导航方案；3）分析了二维及三维类脑SLAM自主导航方案的关键技术；4）最后对现有三维导航方案进行分析验证并指出目前类脑SLAM在无人飞行器上应用时亟需解决的问题。类脑SLAM技术不依赖于高精度传感器、对环境适应性强、自主智能性高，更加适用于无人飞行器复杂动态的飞行环境。     

单目视觉三维运动位姿测量方法研究

针对基于点特征的单目视觉位姿测量,研究了一种基于不共面5个编码特征点的单目视觉解算算法,利用大靶面高分辨率相机采集运动物体姿态图像,利用目标物体上编码特征点间的几何约束关系,通过正交迭代解算算法完成目标物体的位姿测量。实验结果表明：位移测量不确定度优于0.5mm,姿态测量不确定度优于0.05°,可满足航空航天领域试验测量要求。     

笔式三维建模系统的隐式映射机制

笔式三维建模系统支持用户基于纸笔隐喻自由勾画以表达三维模型,系统根据用户的交互意图完成相应的三维建模.针对笔式三维建模技术的交互特征,提出一种隐式映射机制.通过分析二维笔划以及交互的上下文,动态建立2个相互垂直的、虚拟的投影平面,从而将二维笔划信息平滑转换成三维空间信息.针对极限位置无法正常映射的情况,提出了一种坐标增量置换法来实现三维映射,不仅解决了极限位置的坐标映射,而且支持用户自由勾画更加复杂的三维模型.隐式映射机制将用户从繁琐、复杂的操作中解脱出来,集中精力关注创作灵感的表达.该方法已经在自主开发的笔式三维建模系统的原型系统PenSketch3D中得到验证,并取得了良好效果.      

基于全局稀疏地图的AGV视觉定位技术

为了实现自动导引车（AGV）在复杂工业环境下的高精度定位,克服环境变化给定位带来的影响,提出了基于全局稀疏地图的视觉定位方法。首先,设计了大容量二维编码点,作为人工路标铺设在工业环境的地面;然后,基于一种四边形识别算法,在复杂工业环境中准确分割和识别二维编码点;最后,利用二维编码点提供的编码信息,鲁棒匹配图像中的特征点,并以此为基础,使用一种分参数块优化的三维重建策略,实现了工业环境的大规模地图构建,为AGV视觉定位提供了一种稀疏电子地图。AGV视觉的定位通过匹配车载视觉传感器图像中的特征点和稀疏电子地图实现。停车重复定位精度小于0.5 mm,角度偏差小于0.5°,轨迹平均位移误差小于0.1%。实际应用结果表明,该方法能在复杂工业环境中实现AGV视觉的定位,定位的速度和精度方面都满足工业应用的要求,为AGV的视觉定位提供了新的思路。      

笔式草图的增量识别

针对笔式三维建模技术中手势交互的特点,提出了一种二维草图的增量识别方法:从原始笔划的在线识别与线元转换,到约束关系的自动捕捉与施加,到二维组合图元的识别与规整,到特征手势的识别,到最后的三维特征建模.整个识别过程依据了三维特征建模思想和基于上下文感知的智能推理技术,通过分层识别的方法从紊乱、非精确的二维草图中有效提取三维建模的特征信息,有效降低了草图识别过程的复杂度和积累误差.将特征手势遵循隐式映射机制映射到三维空间后,实时完成三维建模,实现了二维手绘草图与三维精确建模的有效集成.该方法已经在自主开发的原型系统PenSketch3D中得以验证,并取得良好效果.      

一种结合深度学习的运动去模糊视觉SLAM方法

针对高动态环境下视觉同步定位与地图构建（Simultaneous Localization And Mapping,SLAM）系统的可靠性受运动模糊的限制,研究了一种基于生成对抗网络(Generative Adversarial Network,GAN)和AKAZE特征点的运动去模糊视觉SLAM方案。首先对因相机快速运动而产生的模糊图像进行AKAZE特征点的提取与检测,并根据特征点分布的丰富程度计算图像块权重,结合灰度图像的方差信息建立特征点与模糊程度之间的量化关系表;之后将达到模糊分数阈值的图像同步输入至改进GAN网络模型,该网络以端对端的形式恢复中心模糊帧的纹理信息,最后将输出的清晰图像重新进行位姿估计参与ORB-SLAM2后端优化过程。在公开数据集TUM上进行测试,对于受模糊影响较严重的数据集,方案可以明显降低相机轨迹估计的整体误差,同时维持较好的鲁棒性。     

一种改进的ORB特征匹配算法

针对现有的ORB特征匹配算法在图像模糊、光照变化、图像压缩、噪声条件下，匹配准确率下降问题，提出了一种改进的ORB特征匹配算法。首先，在提取特征点过程中，对图像进行网格化处理，并引入四叉树结构，使提取的特征点在图像中均匀分布，解决传统的特征提取方法遇到的特征点集中问题。然后，利用暴力匹配进行初步匹配，并采用交叉验证的方式，剔除部分误匹配，改善暴力匹配的结果。最后，利用高斯核对网格运动统计的结果做加权处理，优化统计结果，进一步剔除误匹配，得到准确率更高的匹配集合。实验结果表明:改进后的算法在图像模糊、光照变化、图像压缩和噪声条件下，平均准确率分别提高了3.5%、4.2%、2.2%和6%。      

基于单目视觉的非合作目标相对位姿测量

为实现对空间姿态翻滚航天器的在轨服务与维护以及对空间碎片的清理，需对其进行精确的相对位姿测量。针对相对位姿测量问题，提出了基于单目视觉与卡尔曼滤波的相对位姿测量方法。通过对特征点匹配算法进行调查，采用了具有尺度不变性与旋转不变性的尺度不变特征变换算法(SIFT)和加速稳健特征算法(SURF)的特征点提取方法，并对二者进行了对比，得到了二者分别适用的工况条件。通过对Kalman滤波算法进行研究，引入了相机偏置矩阵，设计了Kalman滤波器，解决了单目相机的距离模糊问题，估计得到了非合作目标的相对位姿、主惯量比以及特征点位置信息。经过仿真，姿态角度估计误差在稳定后低于0.3°，相对位置估计误差在稳定后低于0.5m，相较于真值，误差小于1.67%，主惯量比估计误差在稳定后低于0.01，特征点位置误差在稳定后低于0.005m。在引入相机偏置条件后，滤波状态变量均收敛，并得到具有足够精度的估计，成功解决了单目相机深度信息缺失问题。     

月面模拟环境的SIFT特征提取与匹配方法

为了满足月面巡视探测器的自主导航要求.使用一种新的基于尺度不变的特征点提取和匹配算法.首先根据尺度不变特征变换方法从图像中提取关键点作为特征点,然后进行左右双目图像的特征点匹配和视差的恢复.与传统特征算法相比,可以提高对不同光照环境图像匹配的鲁棒性和匹配精度.在模拟试验场的双目视觉图像匹配中,仿真实验取得较好的效果.     

基于单幅立式标靶图像的单目深度信息提取

针对在智能车中车载单目视觉系统已经检测到路面障碍物的情况下,计算障碍物相对于本车的距离问题,提出了一种仅利用单幅标靶图像且无需相机内部参数的图像深度信息提取方法．该方法利用一种放置于相机前方的立式标靶,建立图像纵坐标像素与实际成像角度之间的映射关系,结合投影几何模型实现实时深度信息的提取．依据立式标靶图像的特点,设计了包括标靶图像感兴趣区设置、模板匹配、候选点聚类、筛选及精确定位等处理的亚像素级角点检测及定位算法．实验结果显示,该方法具有较高的测量精度及实时性．相对于在路面摆放参照物的方法,该方法无需大标定场地且规避了数据拟合引起的误差．同时该方法标定只需一幅图像,过程简单,便于实际应用．      

一种基于区域划分的改进ORB算法

针对传统ORB算法所提取的特征点分布不均匀、存在冗杂，且不具有尺度不变性的问题，提出了一种基于区域划分的改进ORB算法。算法根据需要提取的特征点总数和所划分的区域个数计算每个小区域需要提取的特征点个数，解决了在特征点提取过程中特征点重叠和特征点冗余的问题；通过构建图像金字塔，在每一层图像金字塔上提取特征点，解决了ORB算法提取的特征点不具有尺度不变性的问题。实验结果表明:在不损失图像匹配精度的同时，所提算法提取的特征点更加均匀合理，在提取速度上也较传统ORB算法提升了16%左右。      

无人机位姿测量的点特征视觉方法

针对无人机在动态环境下快速高精度定位的问题，提出了用单目相机对无人机上的人工特征点进行位姿解算的方法。在无人机上放置一定数量的小型LED灯，并将其作为视觉测量的特征点，并以其中一个点作为原点建立无人机机体坐标系。通过多场景测量确定特征点在机体坐标系下的三维位置，再将三维位置与特征点在图像中的成像位置相匹配，最后使用EpnP算法求解出无人机的位置和姿态。在实验部分，利用三轴移动平台和三维转台，分别对位置解算结果和姿态解算结果进行误差测量。试验结果表明，位置解算误差在2%以下，姿态误差在8%左右。同时，该算法的处理时间在2 ms左右，该算法可以满足无人机对定位的实时性和精度的要求。     

基于改进SIFT的图像配准算法

为解决存在较大程度旋转和缩放的图像配准问题,提出了一种基于尺度不变特征变换(SIFT,Scale Invariant Features Transform)的图像配准算法.采用对数极坐标变换(LPT,Log-Polar Transform)进行图像粗匹配,对图像旋转角度和缩放尺度变化量进行估计,并对图像加以校正;在粗匹配的基础上对图像进行分块,根据信息熵原理提取子块的SIFT特征和不变矩特征,构造新型的特征描述符;结合欧氏距离和Procrustes迭代算法获得图像的同名点对,并估计图像形变参数,完成图像配准.实验结果表明:该算法速度快、稳定性强,并能达到亚像素级的匹配精度.     

面向气热耦合的涡轮叶片计算域模型建模方法

针对冷却结构复杂的涡轮叶片在气热耦合数值模拟中计算域模型建模效率低、模型质量不稳定以及对数值模拟适应性差等问题,分析面向制造的涡轮叶片模型及建模方法,结合气热耦合数值模拟对涡轮叶片数值模拟的实际需求,提出一种面向气热耦合的涡轮叶片计算域建模方法。通过外型冷却特征自动定位生成算法,创建涡轮叶片冷气域部分;通过自适应管道求交算法、边界自动匹配算法,创建能够适应不同叶型的涡轮叶片燃气域部分;此外,在创建流体域的过程中提取气热耦合数值模拟所需的关键几何特征及非几何信息,并与冷气域、燃气域、叶片实体集成,完成气热耦合计算域模型的生成。基于以上研究开发涡轮叶片气热耦合计算域模型快速建模系统,验证所提方法的有效性。