恶劣天气下的仿生偏振定向方法

针对偏振光导航在恶劣天气下精度显著下降的问题,提出了一种可以在恶劣天气下基于大气偏振模式的定向算法。与现有方法相比,首次将三维块匹配与canny边缘检测结合的思想应用于修复被不同天气破坏的偏振角度图像中。具体而言,将偏振角度图像的修复分为噪声粗处理和边缘提取处理去噪两部分。在噪声粗处理阶段采用三维块匹配算法,在边缘提取处理去噪部分,利用canny边缘检测算法对偏振角度图像进行二次去噪。实验结果表明,该方法不仅能够提高晴朗天空下的定向精度,而且能够显著提升在阴天、沙尘、雾霾等恶劣天气条件下的导航定向精度,即使在偏振角图像对称∞模式被破坏的情况下,航向角精度仍可由9.4470°提高到1.6859°。     

恶劣天气下的仿生偏振定向方法

针对偏振光导航在恶劣天气下精度显著下降的问题，提出了一种可以在恶劣天气下基于大气偏振模式的定向算法。与现有方法相比，首次将三维块匹配与canny边缘检测结合的思想应用于修复被不同天气破坏的偏振角度图像中。具体而言，将偏振角度图像的修复分为噪声粗处理和边缘提取处理去噪两部分。在噪声粗处理阶段采用三维块匹配算法,在边缘提取处理去噪部分，利用canny边缘检测算法对偏振角度图像进行二次去噪。实验结果表明，该方法不仅能够提高晴朗天空下的定向精度，而且能够显著提升在阴天、沙尘、雾霾等恶劣天气条件下的导航定向精度，即使在偏振角图像对称∞模式被破坏的情况下，航向角精度仍可由9.4470°提高到1.6859°。     

基于改进容积卡尔曼滤波的惯性/光流组合自主测速方法

针对容积卡尔曼滤波算法在惯性/光流组合测速数据融合时出现由于各系统输出数据频率不一致导致融合精度有限的问题,提出了一种基于多速率残差校正的改进容积卡尔曼滤波算法.通过当前时刻误差估算组合导航系统残差,再使用估算后的残差对速度估计值进行补偿,最终实现惯性/光流组合系统速度测量值的数据融合.实验结果表明,通过提出的改进容积卡尔曼滤波对惯性/光流数据进行融合后,东向速度均方根误差为0.2964m/s,北向速度均方根误差为0.06m/s,与现有其他卡尔曼滤波算法相比,此方法可显著提高惯性/光流组合系统的速度测量精度.     

基于模糊核均值聚类优化的光流测速方法CSCD

光流算法作为一种载体速度测量方法,易受光照变化、物体相对移动影响,最终导致速度信息获取不准确。为了提高载体运动速度解算精度,提出了一种基于模糊核均值聚类算法优化的金字塔Lucas-Kanade光流测速方法(FKCM-金字塔LK)。该方法首先通过金字塔LK光流算法得到稀疏光流,然后使用模糊核均值聚类算法对稀疏光流数据进行聚类处理,最终建立光流与实验平台运动参数之间的关系,并得到准确的速度信息。实验结果表明,提出的基于模糊核均值聚类算法优化的金字塔LK光流测速方法不仅可以有效地减少物体相对移动对光流测速的影响,而且与现有其他光流测速方法相比,速度测量精度得到显著提高。     

基于EMD-TFPF的仿生偏振光罗盘去噪方法

为了提高仿生偏振光罗盘定向精度,降低罗盘在进行航向角测量时存在的高斯白噪声,基于经验模态分解(EMD)和时频峰值滤波(TFPF),设计了一种用于仿生偏振光罗盘的EMD-TFPF联合去噪方法.在去噪过程中,首先将含噪声的航向角信号分解为不同的模态,对不同模态采用不同窗长进行时频峰值滤波,进而改善了单一窗长去噪对有用信号造成的衰减,有效提高了去噪算法的自适应能力.经过机载实验验证,采用该方法去噪后的仿生偏振光罗盘可以实现定向精度0.3259°,比原始信号精度提升了18.4％.     

一种基于改进太阳子午线拟合方法的仿生偏振光定向系统

为设计一种自主性强、精度高、抗电磁干扰能力强的定向系统,以昆虫获取大气偏振模式的感知机理为基础,设计了一种新型的成像式仿生偏振光定向系统.该系统使用具有微偏振阵列结构的CMOS相机作为主要的偏振信息采集设备,使用DSP/ARM架构的NVIDIA JETSON TX2嵌入式处理器进行信息解算,具有体积小、运算能力强等优点.通过研究大气偏振模式中偏振度和偏振角图像的对称性,针对已有航向角解算方法在太阳子午线提取精度方面的不足,设计了一种对称轴粗提取之后通过连续旋转法精确提取太阳子午线的算法,最终实现定向精度0.3335°,在最小二乘对称轴粗提取法的基础上定向精度提升了19.05％.