基于磁力计、IMU和单目视觉的自主定位方法

基于单目视觉与惯性测量单元(IMU)融合的SLAM(simultaneous localization and mapping)技术,具有硬件成本低、体积小和消耗计算资源少等优点,在移动机器人导航系统中得到了广泛的应用。单目视觉SLAM系统主要通过求解对极几何来解算位姿,但当平移为零时(仅存在姿态旋转运动),存在解算漂移的问题。通过将磁力计的数据融合到单目视觉SLAM算法中,不但可以解决纯旋转情况下姿态解算漂移问题,还可以提高解算精度。物理仿真实验的结果表明,与传统的SLAM算法相比,本文提出的基于磁力计、IMU和单目视觉融合的算法具有精度高、鲁棒性好的优点。     

单目视觉惯性里程计硬件平台的研究

随着SLAM技术的不断发展,视觉SLAM技术成为了该领域的研究热点问题。其中的视觉惯性里程计分支更是视觉SLAM中的热点问题。近些年科学家们的研究大多数是基于高性能传感器的硬件环境或是数据集下进行研究,取得了显著的成果。这些成果也推动了整个SLAM领域的发展,使得研究成果逐渐向工业界转化。但是工业界对成本的敏感使得这些在高性能硬件环境下研究的算法不一定能很好的应用在嵌入式系统中。基于这样一个问题,本文设计了一款基于嵌入式的单目视觉惯性里程计的硬件平台,该平台使用的是低成本的传感器做为感知模块,使用ZYNQ做为数据处理单元,开发人员可以在该平台上研究视觉惯性里程计的问题以及对现有算法进行优化,使得学术研究的SLAM算法可以应用到嵌入式系统中。     

一种基于图割的稠密三维场景重建算法

立体视觉技术是自主探测机器人在未知环境中获取信息的重要手段,通过对可视场景的稠密三维重建实现导航、定位及路径规划等一系列工作。本文在候选点匹配的基础上结合图割理论,首先在世界坐标系建立代表深度信息的网格节点,接着依据区域匹配算法对候选点进行初步筛选,去除大部分相关值较低的节点,建立简化的网格图,最后通过寻找图中最小割来实现能量函数的全局最小,完成稠密的三维场景重建。实验证明,相关阈值γ设为0.6时,简化网格图的重建精度和计算效率达到相对平衡。图割算法解决了候选点测量时潜在的匹配歧义问题,且对低纹理区域有较好的匹配效果。     

采用单目视觉的非合作目标星状态估计

针对微小卫星逼近观测未知的空间翻滚非合作目标星任务,提出一种基于单目视觉的目标星相对状态估计方法。在建立追踪星/目标星相对运动模型的基础上,以单目相机识别并测量获得的目标星固有特征的像素位置为观测输入,通过扩展卡尔曼滤波算法实现对目标星相对位置、相对速度、相对姿态、角速度、惯量比和特征位置等状态的估计。仿真结果表明,该方法能够很好地实现对未知非合作目标星的相对状态估计,姿态估计误差小于2°,位置估计误差小于0.1 m,特征点位置平均估计误差小于0.04 m。     

跨传感器异步迁移学习的室内单目无人机避障

针对强化学习策略由仿真环境向实际迁移困难的问题,以提高无人机采用无深度信息单目视觉时的行人规避能力为目标,提出一种基于异步深度神经网络结构的跨传感器迁移学习方法。首先,在仿真环境中仅使用虚拟单线激光雷达作为传感器,通过基于确定性策略梯度(DDPG)的深度强化学习方法,训练得到一个稳定的初级避障策略。其次,用单目摄像头和激光雷达同步采集现实环境中的视觉和深度数据集并逐帧绑定,使用上述初级避障策略对现实数据集进行自动标注,进而训练得到无需激光雷达数据的单目视觉避障策略,实现从虚拟激光雷达到现实单目视觉的跨传感器迁移学习。最后,引入YOLO v3-tiny网络与Resnet18网络组成异步深度神经网络结构,有效提高了存在行人场景下的避障性能。     

面向在轨服务的相对位姿单目视觉确定的凸松弛优化方法

针对非合作目标之间基于特征点的相对位姿单目视觉确定问题,考虑利用自然特征导致误差增大等因素,提出一种基于凸松弛理论和LMI算法的相对位姿求解迭代方法。该方法在基于逆投影线构建的优化模型基础上,首先利用松弛理论将姿态矩阵的单位正交非凸等式约束松弛为不等式凸约束,并证明了松弛后的优化问题与原问题等价,即松弛后的凸问题取得最值时,姿态矩阵满足原等式约束。进一步将松弛后的姿态矩阵不等式凸约束表示成线性矩阵不等式形式,进而利用内点法进行求解,并利用全局收敛性定理证明了该算法的全局收敛性。以在轨服务为背景,仿真试验表明,利用该算法相对位姿可在7次迭代达到收敛,与传统SVD算法相比,在噪声较大的情况下,该算法计算精度提高近一倍,能够快速收敛并具有较强的鲁棒性。     

基于视觉的飞行器运动参数串行式递归估计

针对利用视觉方法进行飞行器运动参数估计中旋转与平移参数耦合及计算量大的问题 ,设计了一种适用于递归方法的串行式运动参数估计模型。证明了旋转运动参数的估计不依 赖于平移参数,据此建立了基于特征线的旋转运动参数估计模型,进而设计了串行式运动参 数估计模型。给出并证明了利用该模型进行运动参数估计时解的唯一性结论。仿真实验和实 测试验表明：相对于集中式模型,使用串行式递归模型进行飞行器运动参数估计时计算耗时 减小、姿态精度更高、鲁棒性更强。
     

空间绳系机器人单目视觉伺服控制系统

为解决空间绳系机器人近距离交会对接中的目标测量问题,设计了一种单目视觉伺服控制系统。该系统针对小模板在大场景中匹配时存在鲁棒性差、耗时长等缺点,采用了一种新的模板匹配算法。匹配模板借鉴FAST算法的空心圆环结构,使得算法具有旋转不变性,也减小了因背景变化引起的累积误差。同时匹配准则采用灰度值+梯度值的复合算子,具有较强的抗噪声和抑制光照变化的能力。为避免因错误匹配和遮挡等引起的跟踪失败,还设计了动态模板更新策略;最后结合最小二乘综合位置预测方法和PD控制器,实现了对复杂场景中的非合作目标的实时跟踪逼近。     

基于星箭对接环同心圆结构的卫星姿态估计方法

针对基于星箭对接环单圆特征进行姿态估计具有二值性的问题,文章根据空间同心圆环的代数约束关系求解出空间圆环法向量,从而利用单一的星箭对接环结构,计算出目标卫星与追踪卫星之间的相对姿态。仿真试验计算了在不同测量距离及噪声情况下,星箭对接环定姿的误差,并进行分析,实现了在不依靠额外测量信息的情况下,利用单目视觉系统独立对圆心未知、半径未知的星箭对接圆环平面法向量求解,并得到目标卫星相对于跟踪卫星的姿态角,从而为空间非合作目标的姿态估计提供参考。     

单目-无扫描3D激光雷达融合的非合作目标相对位姿估计

针对传统的利用单一视觉传感器难以实现复杂非合作空间操控导航的问题,提出一种基于单目相机与无扫描三维激光雷达融合的非合作目标相对位姿估计方法。首先,设计了基于成像几何关系的单目纹理-非扫描距离图像的快速配准与融合方法;之后,在构建目标同步定位与建图（SLAM）贝叶斯滤波模型基础上,提出一种扩展卡尔曼滤波-无损卡尔曼滤波-粒子滤波联合的滤波估计算法,可实现尺度模糊下相对位姿的快速鲁棒估计;其次,针对估计中的尺度模糊问题,提出基于融合图像的全局尺度系数确定方法,将尺度系数估计问题转化为简单线性滤波问题。基于OpenGL生成的2D/3D图像实验表明：所提出的方法具有较优的精度和鲁棒性;相对位置估计误差与尺度估计误差相关,二者近似成线性正比关系。     

基于候选点稠密匹配的三维场景重构方法

针对星球探测机器人在未知环境中三维场景重建存在的计算复杂度问题,提出基于网格候选点的三目立体匹配算法。在空间中建立代表深度信息的网格节点,并对深度方向的节点分布进行合理规划,确保候选点稠密匹配的准确性和高效性。候选点匹配解决了传统立体匹配算法中图像校正带来的实时性问题,同时采用三目视觉系统代替双目,通过另一组对应点的相似性测度对潜在歧义的少量候选点进行二次判决。实验证明,由于处理每组图像对不再需要进行极线校正,因此计算代价与传统的匹配算法相比有一定降低,而第三台摄像机有效消除了匹配歧义,计算量相对于双目系统也没有明显增加。

     

月球探测器自主软着陆中的三维重构技术研究

为了使月球探测器自主的在月球表面进行软着陆，应对着陆区域的地形进行三维重构的方法，获得着陆区域的地形描述。提出了一种通过运动获得长基线的立体视觉的三维重构方法，针对长基线立体视觉方法所存在的问题，通过设计一系列的算法，完成了图像特征点选取和匹配，估计相机在不同位置的相对旋转和位移；对立体图像对进行校正，获得稠密的视差图；通过视差图进行三维重构，生成着陆区域的DEM。根据月球地形的特点建立了软件仿真平台，并且在仿真平台的基础上对文中的算法进行验证。仿真的结果表明该方法可以有效的应用于月面地形的三维重构。     

空间失稳目标线阵成像畸变分析与三维重建

针对线阵扫描型激光雷达在非合作失稳航天器三维模型重建过程中,存在运动目标线扫数据畸变且目标因失稳导致运动特性难以准确估计问题,提出一种带畸变自修正式三维重建方法,并进行畸变容忍度临界值分析。该方法基于测量系统的角精度与测距精度设计畸变容忍度临界值判定条件,首先根据实际工况与判定条件进行比对,判定是否对线扫数据进行初始畸变恢复;其次,对相邻扫描带畸变点云依次进行配准获取目标运动增量、解算目标瞬时运动参数;然后对目标运动参数进行自修正式处理,去除特征突变点干扰;同时依次恢复点云到初始几何位置,完成初始目标三维重建;最后,通过系统进一步迭代,位姿增量自收敛直至最终满足重建精度要求。仿真结果表明,该方法在缺失非合作目标先验信息的情况下,能够有效避免因线扫描导致的畸变问题,并较为快速地实现满足精度要求的目标三维重建,有较强的鲁棒性。     

联合EKF和EKPF的空间非合作目标单目位姿估计

针对微小卫星自主抵近任务中模型未知的非合作目标的相对位姿估计难题,提出一种联合扩展卡尔曼滤波EKF和扩展卡尔曼粒子滤波EKPF的非合作目标的单目位姿估计方法。以任务星相机坐标系为参考,构建非合作目标的相对运动模型。以目标图像中的特征点坐标为观测值,构建非合作目标测量方程。对相对位姿和特征点三维坐标进行初始化后,利用扩展卡尔曼粒子滤波估计目标相对位姿,利用扩展卡尔曼滤波估计特征点三维坐标。使用OpenGL生成非合作目标空间图像进行仿真验证,结果表明本文提出的非合作目标单目位姿估计方法可获得较高精度的位姿估计,且具有较好的鲁棒性。相比已有方法,本文方法不需要初始位姿假设,且能够有效减小计算时间,提高位姿估计效率。     

空间失稳目标线阵雷达成像机理及三维重建

利用线阵激光雷达载荷小、抗干扰能力强等优势,研究空间失稳目标动态测量技术。探究线阵激光雷达成像机理,建立空间失稳目标运动模型,提出基于双切片法的目标可测区域提取机制,实现线阵激光雷达对空间失稳目标的驻留观测扫描;以ICP(Iterative closest point)配准结果为先验信息,提出逆序重建方案,建立重建点云精度以及平均密度评价机制,分析数据冗余对重建精度的影响,采用采样降维的方法进行配准重建计算,提高重建结果精度;最后进行仿真实验检验分析,实验结果表明空间目标可测部位数据提取合理准确,数据输出频率可达 1 Hz ,重建结果满足任务指标要求,重建点云平均密度达到19 mm,重建点云精度达到90 mm,为地面验证及在轨应用提供数据支撑和参考。