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。     

基于改进WKNN的位置指纹室内定位算法

位置指纹算法是目前解决室内定位问题的主要方法,指纹特征和匹配算法为影响算法精度的两大因素.针对室内复杂环境下Wi-Fi信号强度波动较大的现象,提出了基于方差的加权距离以改进WKNN算法.在离线特征提取阶段,选择了均值和方差两个特征值,既反映该采样点的RSS幅值,也反映该点RSS的波动情况;在线阶段,根据方差提出了加权距离进行相似度的计算,查找距离最近的K近邻点,并以实际环境下采集的数据验证了改进WKNN算法在RSS波动大的情况下对定位效果的改善,在综合考虑了AP组合的影响后,实现了误差均值为1.456m的定位效果.     

盐边——没有阴影的乐园

冬天是旅游的淡季,也是行者们的＂冬眠期＂,阴霾的云层和刺骨的寒风让我们对暖气和空调滋生了一份难舍的＂室内情结＂。在万物萧杀,冰寒料峭的严冬,旅行好像并不是一个好的选择。但在我国西南的攀西高原,有一座以花命名的城市——攀枝花,年平均2300多小时的日照量让这里成为名副其实的阳光地带,在攀枝花的盐边县,每逢岁末年初,不少人如候鸟般如期而至,不为别的,因为这里没有冬天。     

室内空气污染的危害及防治浅谈

我国室内环境污染严重，而装修污染是室内污染的主要源头之一，解决这一问题的关键是倡导“绿色家装”理念，绿化室内环境。文章还提出了室内环境“绿化”的根本途径。     

激光室内定位的混合式高效点云地图构建方法CSCD

针对机器人在室内定位中存在的点云地图形式单一、存储空间大等问题,提出了一种包含特征地图、通行地图和精简地图的混合形式地图构建方法。构建特征地图时,利用曲率、法线和局部显著性等要素提取环境中的显著特征点。构建通行地图时,首先,采用区域生长分割平面;其次,基于室内曼哈顿假设,利用平面空间关系分割出地平面;最后,根据预设高度构建出2D通行地图,并将3D边缘信息融入到通行地图中。在精简地图中,分别采用主方向权重、随机采样和K均值聚类方法对不同类型体素网格内点云进行精简。实验表明,特征地图可为机器人提供丰富的特征信息。通行地图中地面分割的准确度大于95%,可提供准确的先验通行信息。精简地图有效降低了点云地图的冗余度,在精简比例达到95%时,仍可取得0.8mm的平均模型误差,其精简性能优于传统的随机采样和体素格网方法。     

视觉与惯性融合的多旋翼飞行机器人室内定位技术

随着人工智能技术的发展，无人机的应用场景趋向多元，人们对无人机的需求也不仅仅满足于简单的飞行任务，而是赋予其飞行机器人的角色，对其自主导航、复杂环境下的定位以及智能协同方面提出了更高的要求。针对室内场景下的定位需求，融合视觉与惯性数据实现了多旋翼飞行机器人的室内定位。在视觉前端加入图像增强算法以提高图像灰度对比度，减少了光流跟踪的误匹配点数。提出了一种基于图像信息的特征点提取和图像帧发布策略提高了定位精度，解决了室内环境下的定位漂移问题。针对飞行机器人室内自主跟踪及降落任务，设计了基于视觉定位的飞行机器人自主降落系统。在Gazebo中搭建飞行机器人模型仿真验证自主降落系统有效性，在EuRoC数据集下对定位算法进行对比评估，搭建飞行机器人平台在真实场景下进行室内定位实验，完成了室内场景下平台自主跟踪及降落任务，并采用运动捕捉系统获取的定位真值数据进行了误差分析，结果表明该定位技术满足室内场景下的自主跟踪及降落任务需求。     

自适应融合 RGB图像特征的稀疏深度修复

深度修复的目的是从稀疏深度图像中恢复出稠密的深度图像。现有方法通常是以稀疏深度图像及其对应的 RGB图像为输入,通过 1个卷积神经网络恢复出密集深度图像。然而,普通的卷积层在处理稀疏且不规则的深度信息时有较大的局限性,同时,RGB图像特征和深度图像特征属于不同的模态。针对这些问题,文章提出了自适应稀疏不变模块,根据输入像素的有效性来处理稀疏深度,并提出了结合注意力机制的多尺度特征融合模块,在关注有效特征的同时,抑制不必要的特征,进一步提高深度修复性能。文章在 NYUv2数据集上进行了一系列实验,实验结果表明了所提出算法和模块的有效性。     

面向建筑空间的OFDM信号定位性能分析

针对利用OFDM信号进行定位时信号非连续性问题,提出一种粗检测和精细检测结合的测距方法,将距离测量转换为不同尺度的时延样点,采用时域粗检测快速估算接收OFDM信号的最大相关峰值,然后对传输时延进行频域精细测量,提升了小数倍采样周期时延测量的精度。在此基础上,分析了OFDM信号的定位性能,仿真结果表明,当OFDM信号在信噪比-11dB的情况下测距误差由3m左右(子载波数512)降至1m(子载波数4096)。     

基于非线性规划的室内TOA测距值优化方法

在室内环境中,无线信道中的非视距和多径传输等效应严重影响了到达时间（TOA）定位系统的测距值精度,从而导致较大的测量误差和定位误差。将测距值优化抽象为非线性规划问题,在实现视距/非视距（LOS/NLOS）场景识别的基础上,利用TOA测距误差模型和“目标-基站”间的几何约束为序列二阶非线性规划方法设置合理的初始值,建立了目标函数和约束条件,对定位测距值进行了有效校正。利用典型的TOA测距误差模型进行了仿真验证,利用具有TOA测距功能的无线定位节点在办公环境中进行了实测验证。结果表明,该方法优化后的测距值精度明显优于原始测距值和传统的测距值修正方法,从而验证了该方法的有效性。