抗旋转和缩放的SAR与可见光图像自动配准算法

针对合成孔径雷达与可见光图像在大角度旋转和大比例缩放情况下的高精度自动配准问题,提出了一种尺度和旋转不变的SAR(Synthetie Aperture Radar)和可见光图像自动配准算法.算法以SIFT(Scale Invariant Feature Transform)算法为基础,首先通过增强Frost滤波和自适应直方图均衡增强SAR和可见光图像的共性,使其显著提高能够提取出足够多的特征点数目,然后再通过特征描述方法、相似性度量方法、点匹配方法、特征点聚类方法和误匹配点剔除方法等方面对原始SIFT方法进行改进,有效地提高其在多源图像、强噪声、复杂成像条件下的特征提取和匹配性能,最后通过最小二乘法和相似变换模型实现SAR和可见光图像的精确配准.试验表明该算法对图像尺度和角度变化具有良好的适用性,在正确匹配点的比率和定位精度方面都优于原始SIFT算法和Harris算法,具有良好的工程应用前景.     

基于单目视觉系统的远距离场景重建算法研究

提出了一种基于机载前视被动传感器(电视传感器或红外成像传感器)获取的序列图像,并结合惯导信息,恢复前视场景深度的新方法。通过将前视三维场景看作一组具有不同深度的,分别对应背景和障碍物的层的集合,将复杂的场景重建问题简化为对各层深度集和像素标记场的计算;我们使用贝叶斯方法解决对各参数的估计,并使用图论方法快速求解。试验表明,该方法是可行的。     

全向移动机器人动态避障方法

动态避障是全向移动机器人在复杂工作环境下不可或缺的能力。针对在复杂动态环境下传统人工势场法容易陷入局部极小点、目标点不可达和振荡等问题,提出了利用水流场的思想重新定义人工势场的斥力势场函数及其方向,改进方法在不增加计算量的情况下能够使机器人平滑且安全无碰撞到达目标点,实现避障过程。为了实现三维动态仿真,提出了一种基于V-REP与MATLAB的联合仿真方法,并结合改进人工势场法实现全向移动机器人的动态避障模拟,验证了方法的平滑性和可行性。将所提方法应用于实验室内真实场景,全向移动机器人成功实现了动态规避动作,验证了方法的实用性。