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。     

基于非线性多基站分布式混沌随机共振方法的无线通信系统定位技术研究

针对传统的无线定位方法容易受到接收信号信噪比低和无法接收直射信号的影响,将导致其性能下降乃至严重时方法失效。提出了一种基于非线性多基站分布式混沌随机共振信号增强技术的无线通信系统定位方法,通过利用基站端的接收阵列构造接收信号的分布式功率谱,并对多个接收基站的分布式功率谱进行融合,可以较为有效地解决上述问题。通过仿真,验证了所提出方法的可行性和有效性,与传统无线定位方法相比,该方法的定位精度得到了有效改善。     

基于改进YOLOv3和卡尔曼滤波器的飞机检测追踪方法

精确的飞机检测与追踪方法可以有助于提升我国军事实力，但是目前对小目标飞机进行有效追踪方法较少。基于深度学习的目标追踪方法较传统的方法性能更佳优越，因此针对传统方法对于小目标追踪性能不佳，本文提出了一种基于YOLOv3以及卡尔曼滤波器的飞机追踪方法以获得更好的追踪性能，该算法首先通过改进的YOLOv3算法对视频中的图像进行检测，在识别到视频中的飞机之后，通过卡尔曼滤波器对飞机的运动轨迹进行预测，并通过匈牙利算法进行数据关联。实验结果显示，该算法对小尺度飞机的检测性能较传统的YOLOv3有接近5%的提升，且对飞机的追踪效果精度高且实时性能，具有较高的军事应用价值。     

ICP配准算法的影响因素及评价指标分析

基于3D激光雷达传感器的同时定位与地图构建(SLAM)技术,是机器人自主定位解决方案的核心。三维点云配准环节是3D激光雷达SLAM实现自身定位与地图构建的关键所在。重点围绕ICP算法在三维激光点云配准中的应用开展研究,首先对ICP算法的配准原理及其求解过程进行详细分析,其次介绍了ICP的影响因素并提出了相应的评价指标,最后测试了ICP算法在不同角度和位移下的配准效果并进行了实验分析。     

低速无人系统定位导航通用指标及测试方法

针对目前小型低速无人系统定位导航测评缺乏标准化测试环境和测试方法,测试指标简单、难以量化等问题,分析了位姿测量、导航能力、环境感知三类通用测试指标和典型的测试条件,针对三类通用的技术指标提出了通用的测试评估方法。     

智能移动平台融合定位技术综述

近年来,随着基于位置服务需求的日益增大,产生了多种针对不同场景的定位方案。但由于定位场景多样且复杂,单一定位手段无法满足多种场景的不同定位需求。同时随着硬件技术的进步,出现了多种不同形式的智能移动平台,可以搭载更多不同类型的传感器,使得基于智能移动平台的多传感器融合定位成为了可能。首先对目前的智能移动平台及其相关的定位技术进行详细介绍,然后对目前主流的融合定位方案进行对比和分析,最后对融合定位技术进行总结。