采用双目视觉测量的行星着陆相对导航方法

针对缺少行星表面陆标位置和探测器初始状态等先验信息情况下行星着陆导航问题,提出一种采用双目视觉测量的行星着陆相对导航方法。首先,利用行星表面陆标的双目视觉测量信息建立相对导航坐标系并计算陆标在相对导航坐标系下的位置,然后利用基于奇异值分解（SVD）的优化方法得到探测器在相对导航坐标系下的初始状态估计,最后利用陆标的视觉测量信息估计探测器在相对导航坐标系下的位置、速度和姿态。以火星着陆为例进行数学仿真分析,仿真结果表明本文提出的方法是有效可行的。     

基于视觉引导的工业机器人示教编程系统

针对目前工业机器人所采用的编程方式的局限性,提出了基于视觉引导的工业机器人示教编程方式。首先采用奇异值分解(SVD)法建立双目视觉系统与机器人的坐标映射关系,通过双目视觉系统识别和提取特定的示教工具末端位姿,以得到规划机器人运动所需的位姿数据。然后解析机器人控制器可执行文件的格式,将位姿数据转化为机器人可以执行的文件。最后通过试验验证了视觉引导示教方式的可行性,并对示教跟踪精度进行了分析,结果表明,跟踪误差最大为-1.18 mm,均方根误差为0.47 mm。      

Deep learning enabled localization for UAV autolanding

This article concentrates on ground vision guided autonomous landing of a fixed-wing Unmanned Aerial Vehicle (UAV) within Global Navigation Satellite System (GNSS) denied environments. Cascaded deep learning models are developed and employed into image detection and its accuracy promoting for UAV autolanding, respectively. Firstly, we design a target bounding box detection network BboxLocate-Net to extract its image coordinate of the flying object. Secondly, the detected coordinate is fused into spatial localization with an extended Kalman filter estimator. Thirdly, a point regression network PointRefine-Net is developed for promoting detection accuracy once the flying vehicle’s motion continuity is checked unacceptable. The proposed approach definitely accomplishes the closed-loop mutual inspection of spatial positioning and image detection, and automatically improves the inaccurate coordinates within a certain range. Experimental results demonstrate and verify that our method outperforms the previous works in terms of accuracy, robustness and real-time criterions. Specifically, the newly developed BboxLocate-Net attaches over 500 fps, almost five times the published state-of-the-art in this field, with comparable localization accuracy.     

基于神经网络的体视PIV空间标定模型

体视粒子图像测速（SPIV）中的空间标定精度对SPIV的测试结果精度有较大影响。为研究标定模型对输入误差的处理能力,定义了一个无量纲参数——误差衰减系数,来评判空间标定模型对误差的响应。在此基础上针对SPIV两相机空间标定的误差产生和传播特性,发展了一种基于神经网络的且具有联合标定能力的SPIV空间标定模型。使用仿真实验手段,证实了该神经网络模型在很大的参数空间内均具有对输入误差的抑制能力,而传统的多项式模型或小孔模型并不具备这一能力;此外,神经网络模型在高光学畸变情况下的表现也优于多项式模型及小孔模型。因此,神经网络具备替换传统空间标定模型的能力,有助于提高SPIV的测量精度。最后在实验中证实了神经网络标定模型的空间定位误差仅为传统模型的1/4。     

一种改进的投影装置标定方法

摘要： 提出双目结构光三维测量系统中投影装置参数标定的一种改进方法.利用投影装置将格雷码图案投向若干待测场景,两个相机拍摄和解码同样数量的待测场景照片,采用三角形准则恢复标定角点在空间中的位置,仿照相机标定解算的方法获得投影装置标定参数.该方法优势在于不需要特定的标定平面或者标定靶标,可在测量过程中直接对投影装置标定,也可在预标定之后在测量过程中对投影装置参数进行更新.试验验证方法的正确性和有效性.     

协同空战仿真中感知的研究

现有的基于空间的感知模型不能准确地描述协同空战仿真系统中协作CGF的感知范围.因此,提出一种基于空间感知和协作感知的感知模型.根据CGF的视觉特征和CGF承担协作任务的相关性确定CGF的感知范围,划分感知层次.实验证明,该感知模型结合合理的兴趣域管理方法能够有效降低网络带宽占用,适宜协同空战仿真系统中兴趣域管理的实施.     

摄像机标定研究

目前,摄像机标定是计算机视觉领域中的研究热点之一,其目的是通过摄像机拍摄的单幅或多幅图像来确定摄像机的参数模型,进而获得摄像机的各项参数,在机器人导航、三维重建、生物医疗、虚拟现实、视觉监控、视觉伺服等领域均有广泛的应用前景。本文综述了传统标定方法,自标定方法和基于主动视觉的标定方法的研究现状,对其优缺点作出评价并指出发展方向。     

一种高精度视频目标检测与分割新方法

根据动态视频场景与多目标检测的应用需求,提出了一种变分光流场与mean shift图像分割相结合的高精度运动目标检测与分割新方法.依据动态场景多运动目标检测的约束条件提出变分光流场优化计算模型,并给出其数值解法.在此基础上提出结合meanshift的高精度运动目标检测与分割算法,此方法对摄像机运动和静止情况都适合,能够进行同一场景中多个运动目标的高精度检测,并且不需要事先的学习和人工干预,具有通用性.     

一种无人机视觉导航方法及其滤波算法改进

设计了一种无人机视觉/惯性组合导航系统,将无人机和地标点的运动模型作为状态方程,视觉信息作为观测量构建了与之对应的滤波模型.在滤波处理上,采用了复杂加性噪声模型对系统噪声进行建模处理;将小波分析引入到UKF(Unscented Kalman Filter)滤波中得到小波-UKF滤波算法,以此克服视觉观测噪声对滤波的影响;采用最大后验概率准则(MAP,Maximum A Posterior)自适应估计观测噪声协方差阵,并将其反馈到滤波过程中克服了小波处理后观测噪声方差阵不易确定的不足.仿真结果证明:对滤波算法的改进可以有效地提高滤波估计的精度.     

基于对偶四元数的航天器交会对接位姿视觉测量算法

根据光学测量基本原理建立双目视觉测量模型,提出基于双目视觉的航天器间相对位姿 的测量方法。利用对偶四元数,建立目标航天器的坐标系和追踪航天器上的摄像机坐标 系之间的关系,构造出航天器交会对接位姿误差模型,通过使用拉格朗日求极值的方法,解 算出航天器间的相对位置和姿态。仿真结果表明该算法有效,能够满足航天器交会对接的测 控要求。