基于Dijkstra算法的平滑路径规划方法

移动机器人在复杂环境下沿Dijkstra算法规划的路径运动时,由于所规划的路径存在转折点多、部分转折角度小等问题,导致移动机器人不得不频繁转向,甚至要暂停才能完成转向,严重影响机器人的工作效率。利用几何拓扑学方法,结合实际场景信息,提出一种基于Dijkstra算法的平滑路径规划方法。根据应用场景获取连续化地图,将连续化地图离散化后随机生成离散点阵,计算各点之间的欧氏距离,选取与各离散点距离较近、且连线不跨越障碍的多个点,将其连接并生成离散图。在离散图中利用Dijkstra算法搜索最优路径作为引导路径。当移动机器人沿引导路径运动时,结合实际场景信息,采用几何拓扑学计算出移动机器人每一时刻应该采取的最佳动作和运行路线。实验结果表明：所提方法能够有效减少移动机器人运动中的累计转弯角度,增大最小平均转折角度,提高所规划路径的平滑度,从而缩短移动机器人的运动时间,提升机器人的工作效率。     

基于图像模拟的HJ星CCD相机交叉定标

针对同一HJ-1星的两台CCD相机,提出基于图像模拟的交叉辐射定标方法:通过建立两台CCD相机图像DC值的数学关系,以获取地面目标图像的已定标的CCD为标准对未同时获取图像的待定标的CCD进行交叉定标,得到了2008年10月A2CCD和B2CCD的定标系数.利用贡格尔场野外实验数据和敦煌场的MODIS数据对定标系数进行真实性检验,并对该方法的主要误差来源进行了分析.结果表明,交叉定标具有较高的精度和可信度,可以在保证定标精度的同时,提高定标的频次.     

视觉SLAM方法综述

实时定位与建图(SLAM)技术搭载特定传感器,使移动机器人在无任何环境先验条件下,在运动过程中自主建立环境模型来计算自身位姿,大幅提高其自主导航能力,以及对不同应用环境的适应性。视觉SLAM方法以相机作为外部传感器,通过采集周围环境信息来创建地图并实时估计机器人自身位姿。为此,介绍了具有代表性的经典视觉SLAM方法及与深度学习相结合的视觉SLAM方法,分析了视觉SLAM方法中采用的不同特征检测方法、后端优化、闭环检测,以及动态环境下视觉SLAM方法的应用,总结了视觉SLAM方法的问题,并探讨了视觉SLAM方法在未来的热点研究方向和发展前景。     

基于图像模拟的HJ星CCD相机交叉定标

针对同一HJ-1星的两台CCD相机,提出基于图像模拟的交叉辐射定标方法:通过建立两台CCD相机图像DC值的数学关系,以获取地面目标图像的已定标的CCD为标准对未同时获取图像的待定标的CCD进行交叉定标,得到了2008年10月A2CCD和B2CCD的定标系数.利用贡格尔场野外实验数据和敦煌场的MODIS数据对定标系数进行真实性检验,并对该方法的主要误差来源进行了分析.结果表明,交叉定标具有较高的精度和可信度,可以在保证定标精度的同时,提高定标的频次.