基于道路几何特征的地图匹配方法研究

从地图匹配技术的基本原理出发,比较了几种典型的点到线型地图匹配算法的优缺点以及适用范围。结合实际行车轨迹连续、特征明显的特点,提出了一种基于道路几何特征的地图匹配方法,并从候选路径确定、匹配路径确定和匹配点求取三方面对算法进行了详细说明。最后通过设计试验,验证了其可行性和准确性。经验证,采用此地图匹配方法可将惯性定位定向的定位精度提高到20m以内。     

ICP算法在叶型点云数据配准中的应用

针对叶片截面型线测量点云数据与理论点云数据的配准问题,研究了将ICP算法应用于叶型点云数据配准的方法。首先概述了叶型测量数据与理论数据的匹配问题;然后阐述了基于ICP算法的叶型点云数据配准方法,并在MATLAB平台进行了配准实现;最后给出了配准实例,并将配准结果与点云处理软件CloudCompare的匹配结果进行了对比,验证了该方法的准确性。     

基于概率数据关联的地磁匹配算法

针对轮廓匹配算法存在的虚定位问题,在轮廓匹配算法的基础上,提出了一个新的分批地磁匹配方法——基于概率数据关联滤波的地磁匹配算法。算法把满足一定条件的相关值作为滤波器的有效量测,把巡航导弹的位置作为状态变量,建立了基于概率数据关联的地磁匹配模型,利用概率数据关联滤波算法计算巡航导弹的位置坐标。仿真结果表明,该算法有效地降低了虚定位发生的概率,正确匹配率、导航效果均优于轮廓匹配算法。     

改进的特征匹配雷达视频运动目标跟踪算法

针对密集杂波和复杂多目标情况下,特征匹配跟踪算法定位跟踪精度较低的问题,提出一种改进的特征匹配雷达视频运动目标跟踪算法。首先,从单帧雷达图像检测结果中提取目标的面积、位置、不变矩信息,在运动目标得到判定后,利用卡尔曼滤波的预测位置以及上一帧特征信息进行目标匹配;然后,根据匹配位置和预测位置给出目标估计位置,并进行特征信息更新;最后,输出目标的特征信息、位置信息和运动参数。利用某型导航雷达上采集的实测数据验证了算法的有效性。     

一种改进的基于灰度投影的图像匹配算法

为进一步提高基于灰度图像的匹配算法速度,在对图像进行一维灰度投影的基础上,利用序贯相似检测算法(SSDA)对一维数据进行匹配,从而得到一种改进的基于灰度投影的图像匹配算法。实验结果表明算法在保持精度不变的同时,提高了匹配速度。     

基于异构特征信息匹配的车辆自主定位方法研究

针对车辆在GNSS拒止条件下的定位需求,提出了一种基于多源异构特征信息联合匹配的自主定位方法,并从数据库建立和匹配方法2个方面分别进行了分析研究。提出了基于众包数据的特征信息库建立方法,通过地磁、WLAN、蓝牙、蜂窝网等信息对众包数据进行分段与聚类,利用提出的DBSCAN算法进行地图重构;此外,还提出了基于HMM模型的异构特征联合匹配定位方法,可将多种传感器提供的观测量以特征方式进行联合匹配。试验结果表明,该方法可以很好地解决GNSS拒止条件下的车辆自主定位问题。     

空心涡轮叶片精铸蜡型陶芯定位元件尺寸计算方法

 针对空心涡轮叶片精铸蜡型陶芯定位元件尺寸难以精确量化的问题,提出了基于模型匹配算法的陶芯定位元件尺寸计算方法。通过将壁厚权值因子引入匹配模型,实现了测量数据与理论模型的精确匹配;基于匹配后的陶芯实测数据,建立了定位元件的尺寸计算方法;最后,将壁厚偏差分布一致的一批陶芯分两组进行实验对比。结果表明该方法计算出的陶芯定位元件尺寸能够有效提高蜡型壁厚精度,对空心涡轮叶片的精确控型有一定的指导意义。     

大型复杂曲面零件加工精度评定问题研究

通过对两组数据进行初始匹配和精确匹配,然后计算测量点到CAD模型面的距离得到该测量点的加工残差,从而实现对大型复杂曲面类零件加工精度的评定.结果表明:该方法易于实现、算法稳定,具有实用性.     

基于图形制导的复杂曲面最佳匹配的一种算法

通过对自由曲面精度检测的研究,针对检测过程中出现的基准不重合现象,提出了一种基于图形制导的自由曲面最佳匹配分析算法。该算法首先利用参数曲面的几何不变性使匹配曲面达到较好的初始位置,然后根据随机或交互选取的数据点利用优化算法对曲面进行匹配计算。结果表明 :该算法可以有效地消除基准不重合误差,同时算法具有较好的抗发散性。这一算法已在反求工程 CAD系统 RE-SOFT中取得了很好的应用效果。     

基于点云聚类评估的激光雷达鲁棒定位方法CSCD

基于先验地图的激光雷达定位方法在封闭工业场景下得到了广泛应用,然而环境变化、行人和车辆等动态物体的干扰会影响激光雷达与先验地图的匹配精度。提出了一种动态环境下基于点云聚类评估的三维激光雷达鲁棒定位方法:通过设定角度和距离双阈值,对点云深度图像进行分割聚类,相较于传统分割方法,分割结果对点云噪声更为鲁棒;通过对原始点云进行分割聚类,在粗匹配结果下评估聚类的匹配度,剔除误匹配聚类进行二次匹配以提高匹配精度;通过聚类评估的结果判断匹配成功和失败的点对,进而对点云整体匹配结果的正确性进行评估,相较于传统仅基于距离阈值的判断准则,具有更高的准确性;最终,分别通过公开数据集和实际试验验证了该算法的有效性。试验结果表明,相较于传统匹配方法,该方法有效提高了动态场景下的定位精度和匹配结果评估的准确度,定位误差可以维持在10cm以内。     

基于3D Zernike矩的巡检器与空间站的相对导航算法

针对航天器相对导航问题,以空间站表面为"特殊地形",提出一种基于大型航天器表面巡检的相对导航算法。首先,运用巡检飞行器上的TOF （Time of Flight）相机测量空间站表面局部点云数据,以该点云数据为实时图,以空间站表面先验点云数据为基准图。然后,利用3D Zernike矩与三维地形间的一一对应关系,将三维地形匹配转化为基于3D Zernike矩的特征向量匹配。在此基础上求解实时图与匹配上的基准图间的相对位置、相对姿态,从而确定两航天器间的相对导航参数,并通过实验分析了匹配精度及速度的主要影响因素。最后,将该相对导航参数与惯性系统推算的相对导航参数在扩展卡尔曼滤波器的框架下实现信息融合,估计了巡检飞行器与空间站间的相对位置、相对姿态,实验结果表明,相对位置精度优于0.002 m,相对姿态精度优于0.1°。     

Target localization based on cross-view matching between UAV and satellite

Matching remote sensing images taken by an unmanned aerial vehicle (UAV) with satellite remote sensing images with geolocation information. Thus, the specific geographic location of the target object captured by the UAV is determined. Its main challenge is the considerable differences in the visual content of remote sensing images acquired by satellites and UAVs, such as dramatic changes in viewpoint, unknown orientations, etc. Much of the previous work has focused on image matching of homologous data. To overcome the difficulties caused by the difference between these two data modes and maintain robustness in visual positioning, a quality-aware template matching method based on scale-adaptive deep convolutional features is proposed by deeply mining their common features. The template size feature map and the reference image feature map are first obtained. The two feature maps obtained are used to measure the similarity. Finally, a heat map representing the probability of matching is generated to determine the best match in the reference image. The method is applied to the latest UAV-based geolocation dataset (University-1652 dataset) and the real-scene campus data we collected with UAVs. The experimental results demonstrate the effectiveness and superiority of the method.     

Automobile Navigation: Where is it Going?

Automobile navigation systems based on dead reckoning, map matching, satellite positioning and other navigation technologies are under active development. ``Map intelligent' systems achieve high relative accuracy by matching dead-reckoned paths with road geometry encoded in a digital map data base that may also serve other functions such as vehicle routing and geocoding. Satellite-based navigation systems achieve high absolute accuracy but require dead reckoning augmentation because of signal aberrations in the automotive environment. Future systems will probably include multiple navigation technologies. Issues influencing the design of future systems include safety concerns regarding the driver interface, and the future availability of comprehensive map data bases, real-time traffic data, and mobile data communication links necessary for on-board generation of optimum routes.     

基于轨迹拐点滤波的激光雷达里程计定位算法研究

在GPS拒止环境下，激光雷达里程计可以利用帧间匹配跟踪车辆实现定位，但是定位误差随时间累积的特性造成激光雷达里程计(LO)缺乏持续性。为解决LO的误差累积问题，引入轻量级地图OSM。基于粒子滤波框架，以LO作为运动模型的输入，通过两次筛选提取拐点，利用拐点匹配完成与地图的对齐，并以粒子的均值作为车辆校正后的位置，实现对定位误差的校正。提出了一种新的粒子权重模型，利用不同节点的相似度模型及测量值作为粒子权重的更新依据，避免拐点与路网节点的错误关联导致定位误差加大。经由KITTI数据集上的实验验证，该算法可以有效克服LO误差漂移问题，相较于原始LO定位精度至少提高了49.22%，且具有较好的实时性。     

水下重力匹配定位算法综述

随着重力测量和水下导航技术的发展,惯性/重力匹配导航技术因其精度高、自主性强和航时长等优点,已成为水下自主导航的重要研究方向。惯性/重力匹配导航系统主要由惯性导航系统、重力实时测量、海洋重力场背景图和重力匹配定位算法构成。重力匹配定位算法通过将实时测量的重力异常值与构建的重力场背景图进行匹配,得到水下运载体当前时刻的位置信息,是惯性/重力匹配导航技术的核心。本文详细介绍了重力匹配算法的技术发展现状,重点分析了具有代表性的ICCP算法、SITAN算法、矢量匹配算法及其衍生算法,并对惯性/重力匹配水下自主导航技术的未来发展进行了展望。     

核心机驱动风扇级匹配特性分析

核心机驱动风扇级(CDFS)是双涵道变循环发动机(DBE)的核心部件之一。为了深入研究CDFS在双涵道模式下的特点,利用CDFS匹配特性图,结合三维数值模拟分析了DBE中CDFS的匹配特性(单涵道模式工作点为设计点,双涵道模式工作点为匹配点)。结果表明,给定双涵道模式的匹配流量和压比时,增加匹配转速使转子负荷降低,静子负荷增加,可以调整匹配转速使CDFS性能最佳;给定双涵道模式的匹配流量和转速时,增加匹配压比使转子和静子的负荷同时增加,匹配压比较高时,工作点效率较高但裕度较低;仅给定匹配流量时,可以调整匹配转速和压比改变CDFS在双涵道模式的工作特性,获得满足某个约束条件的最佳状态。     

Autonomous airborne navigation in unknown terrain environments

We address the issue of autonomous navigation, that is, the ability for a navigation system to provide information about the states of a vehicle without the need for a priori infrastructure such as GPS, beacons, or a map. The algorithm is known as simultaneous localisation and mapping (SLAM) and it is a terrain aided navigation system (TANS) which has the capability for online map building, and simultaneously utilising the generated map to bound the errors in the navigation solution. Since the algorithm does not require any a priori terrain information or initial knowledge of the vehicle location, it presents a powerful navigation augmentation system or more importantly, it can be implemented as an independent navigation system. Results are first provided using computer simulation which analyses the effect of the spatial density of landmarks as well as the quality of observation and inertial navigation data, and then finally the real time implementation of the algorithm on an unmanned aerial vehicle (UAV).