基于单目三维重构的空间非合作目标相对测量

为了解决非合作目标的相对测量问题,提出了一种基于单目图像序列目标重构结果的非合作目标相对位姿测量方法。该方法将目标的三维重构与相机的位姿信息计算相结合,首先利用观测前期得到的图像序列,通过非线性优化算法计算得到目标上部分三维点坐标;然后基于该三维点集合,建立递推深度模型,对相机的相对位姿信息和新观测到的目标点同时进行卡尔曼滤波估计。航拍测量试验表明,随着图片数量的增多,精确重构点的比例（重投影误差小于1个像素的点）不断提高,80%的图像中精确重构点比例优于89%;基于公共数据集的试验表明,该算法对姿态估算精度可达1°以内,位置测量的精度可达到2cm以内。以上试验结果表明,该算法具有较高的测量精度。     

基于双焦单目视觉的航天器间相对位姿确定算法

文章首先利用双焦成像算法确定航天器间的相对位置,再利用相对位置确定两个航天器间的相对姿态,最终获取相对位姿参数的解析解。在给定相机两个独立焦距条件下,对双焦深度估计误差进行分析,指出影响其精度的因素,并对相对位姿参数估计精度进行了讨论。最后,对该算法进行数学仿真,仿真结果表明该算法能够满足航天器相对位姿确定精度和实时计算要求。     

一种小行星探测陆标导航方法

针对小行星探测下降着陆段精确相对导航问题，提出了一种基于Stereophotoclinometry (SPC)陆标的相对导航方法.该方法先采用SPC光照模型渲染陆标的预测图像，再利用双线性插值从观测图像中生成陆标的提取图像.通过组合相关匹配实现预测图像与提取图像的高精度匹配，得到陆标中心点对应观测图像位置，即可利用N点透视(PNP)算法进行相机位姿估计.仿真结果表明，该方法在初始相机位姿偏差较大时也能达到亚像素的图像位置确定精度，并且具有较好的实时性.     

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。     

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。     

基于三维点云重建的助推器位姿估计

助推器分离是运载火箭发射过程中的关键动作之一,常用的激光雷达姿态测量技术在助推器分离阶段受外界干扰严重,难以准确获得位姿。基于视觉的助推器位姿变化测量技术具有优秀的抗干扰能力,通过搭建三维点云重建网络,以图像为输入,三维点云为输出,在构建的助推器分离过程的图像 点云数据上进行了训练和测试,对测试重建的助推器点云使用主成分分析的方法完成了位姿的估算。测试结果表明,所建立的三维点云重建网络可以根据仿真图像数据,精确测量助推器分离阶段的位姿变化,在R2score指标下,对三维坐标的预测分数均在0.98以上,姿态角平均误差约为21°,预测分数则均在0.80以上。     

一种基于星表特征直线匹配的着陆器位姿估计算法

针对深空探测星际着陆过程中的自主导航问题,提出一种基于星表特征直线的着陆器位姿估计算法。该算法首先采用EDLine算法对着陆过程中所拍摄的图像进行特征直线提取;其次根据直线局部特征对特征直线进行匹配;之后利用至少3对已匹配的特征直线,建立关于着陆器位姿的几何约束方程;然后根据奇异值分解法得到着陆器位姿的候选解;最终通过最小二乘法从候选解中选取着陆器位置、姿态的唯一解。仿真结果表明:该算法可以快速估计着陆器位姿,且在高度为2 000 m时位置误差小于2 m、姿态误差小于0.10°。     

基于多传感器测量的航天器舱段自动 对接位姿调整方法

针对航天器舱段对接通常采用的手工操作方式效率低、精度差和可靠性难以保证的问题,研发了一种基于多传感器测量的舱段自动对接装置,其中舱体位姿的测量和调整是保证对接质量和效率的关键因素。提出了一种基于激光轮廓传感器和CCD图像传感器等多传感器协同测量的舱段六自由度位姿估计和调整方法。首先,采用激光轮廓传感器对舱体进行扫描,获取位姿三维点云信息,并采用改进的最小二乘法对被测舱段位姿进行求解;然后,通过CCD图像传感器获取舱段对接孔位置,通过圆拟合计算角度偏差,求解和拟合的结果将反馈至控制系统进行调姿和对接。采用Gocator 2350激光轮廓传感器及大恒MER-1810-21U3C工业相机进行舱体测量和对接实验,结果表明,舱体位姿调整精度和效率均达到对接要求。该方法结合了激光轮廓传感器的可靠性和机器视觉的灵活性,有效提高了自动对接系统的效率、稳定性和一致性,足以满足未来军用以及民用的需求。      

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。     

基于遗传算法的护理机器人逆运动学求解方法

护理机器人结构复杂、耦合度高且机械臂不满足PIEPER准则,标准遗传算法难以精准地对其逆运动学进行求解,以至于机器人手臂末端位姿误差较大。针对标准遗传算法求解过程中早熟和局部搜索能力差的问题,采用等分区间替代随机命令产生的初始种群个体,划分5个小区间以提高种群个体的分散程度和搜索效率;在适应度函数中引入可变权因子,将位置误差的变化值作为可变权因子的变量,进化过程中可变权因子在0.5~1.0之间变化,且实时有效分配位置和姿态误差权重,确保解的收敛。通过仿真和实验验证,结果表明:改进后的遗传算法能够大幅提升收敛精度和速度,并且可以同时实现对位置和姿态的精确控制,极大地减小了机器人手臂的位姿误差。      

基于CCD和超声的物体位姿检测方法及精度分析

介绍了用单个CCD摄像机和超声传感器相结合检测物体位姿的方法.首先由CCD摄像机采集一幅图像,获取物体上目标点在图像坐标系中的理想坐标,并由此确定该点投影矢量(连接物体点和对应图像点的直线)的方向;然后控制机器人运动,使超声传感器的z轴与求得的投影矢量重合;最后用超声传感器测出投影矢量的长度,确定目标点在摄像机坐标系中的坐标.分析了影响检测精度的主要因素,具体研究了超声传感器的安装参数对检测精度的影响规律,进行了仿真分析.该方法可以有效地降低图像处理所带来的巨大数据量,避开双目视觉中的图像匹配问题,快捷、精确检测物体的位姿.     

敏捷卫星立体定位角元素影响分析

为精确开展敏捷卫星效能评估,合理制定机动能力及其测量部件指标,首先针对敏捷卫星利用平台大角度姿态机动,以单线阵CCD相机实现立体成像的特点,分析了单线阵与三线阵立体定位角元素影响差异。其次建立了敏捷卫星立体定位精度评估模型,进行了内、外方位元素与角元素相关性分析,给出了各误差近似解析算法。解析分析定量给出了满足定位精度要求时敏捷卫星立体成像角方位元素及其测量精度指标的取值范围。     

基于面阵靶标的摄像机定向技术研究

提出一种相机定向方法.在透视投影和坐标变换的基础上,应用靶标与其像点的单应性,建立靶标坐标系与摄像机坐标系之间的转换关系,从而确定摄像机在靶标坐标系中的姿态、位置,通过在三坐标测量机上的实验表明该定向技术的正确性,该技术在相机定向领域有一定的实用价值.     

基于视频的三维人体姿态估计

已有的三维人体姿态估计方法侧重于通过单帧图像来估计人体的三维姿态,忽略了视频中前后帧之间的相关性,因此,通过挖掘视频在时间维度上的信息可以进一步提高三维人体姿态估计的准确率。基于此,设计了一种可以充分提取视频时序信息的卷积神经网络结构,在获得高精度的同时也具有消耗计算资源小的优点,仅仅使用二维关节点的坐标为输入即可恢复完整的三维人体姿态。然后提出了一种新的损失函数利用相邻帧间人体姿态的连续性,来改进视频序列中三维姿态估计的平滑性,同时也解决了因缺少帧间信息而导致准确率下降的问题。通过在公开数据集Human3.6M上进行测试,实验结果表明本文方法相比目前的基准三维姿态估计算法的平均测试误差降低了1.2 mm,对于视频序列的三维人体姿态估计有着较高的准确率。      

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。     

双相机工业摄影测量系统精度影响几何因素测评

介绍了影响双相机系统精度的多种几何因素并进行实验测试,进一步对双相机工业摄影系统的精度进行优化;采用高精度单相机系统的测量值作为精度评定的参考值,改变双相机测量系统不同的几何结构,如摄影距离,摄影基线,以及基线偏离检定场中轴线位置等。并对单、双相机系统测量的数据结果进行比对测试。实验结果表明基线长度与摄影距离的改变对点位精度影响最大,前后对比最大值可达0.3mm,改变摄影光轴与基线的夹角对精度影响较小,仅0.04mm。