月面环境三维激光SLAM技术

同步建图与定位（SLAM）可实现月球车在未知复杂月面环境下的定位与导航,月球表面由陨坑、石头等起伏地形构成,缺乏树木、建筑物等地面存有的显著特征,大量特征不显著的点云数据会对月球车定位精度和实时性造成影响。本文提出了一种针对月面环境的显著特征点云提取方法以及基于曲面定位能力估计的增量式优化算法,通过Fisher信息矩阵计算曲面定位能力指标,获取机器人位姿估计的不确定性测量,利用增量式的SLAM方案进行优化,用于提高定位精度与实时性。通过在Gazebo （物理仿真平台）仿真场景下的测试,验证了算法性能。     

一种适合于大尺寸航拍图像的特征点提取方法

一些航拍图像的尺寸较大,现有的特征点提取算法在对其处理时均要耗费大量的时间,针对这一问题,提出一种快速有效的特征点提取算法。首先构造原始图像的拉普拉斯金字塔,以获得图像的尺度信息,同时保留图像的方向信息;再使用非均匀多方向滤波器组将金字塔图像分解在不同方向上,在分解后的图像中提取局部极值点作为候选特征点集;采用特定的合并策略合并候选特征点最终得到特征点集,并根据方向滤波器组为特征点分配方向向量。试验结果表明,本文算法在基本保证提取到的特征点匹配率及正确率的前提下,有较高的效率。     

一种适合于大尺寸航拍图像的特征点提取方法简

 一些航拍图像的尺寸较大,现有的特征点提取算法在对其处理时均要耗费大量的时间,针对这一问题,提出一种快速有效的特征点提取算法。首先构造原始图像的拉普拉斯金字塔,以获得图像的尺度信息,同时保留图像的方向信息;再使用非均匀多方向滤波器组将金字塔图像分解在不同方向上,在分解后的图像中提取局部极值点作为候选特征点集;采用特定的合并策略合并候选特征点最终得到特征点集,并根据方向滤波器组为特征点分配方向向量。试验结果表明,本文算法在基本保证提取到的特征点匹配率及正确率的前提下,有较高的效率。     

基于几何特征关联的室内扫描匹配SLAM方法

为实现室内结构化环境中仅依靠激光雷达数据进行实时自定位并创建精确的特征地图,提出了一种基于几何特征关联的室内扫描匹配SLAM方法.几何特征关联与匹配方法的优劣很大程度上影响SLAM的实时性和精度.结合室内结构化环境的特点,提出了一种完备端点定义与提取方法,将直线段特征与完备端点进行关联,优化几何特征扫描匹配过程.此外,姿态角收敛是SLAM进行机器人位姿估计和求解一致性的关键.为确保姿态角准确收敛,采用了基于直线拟合认知的姿态角加权几何平均求解方法.实验证明,提出的SLAM方法得到的定位精度在100mm内,建图精度也较高,能胜任室内SLAM.     

基于四元数的单目视觉物体位姿测量方法

对基于点特征的单目视觉定位算法进行了研究,设计了一种5点平面靶标,在五个特征点的基础上提出了一种基于四元数的单摄像机位姿测量方法。建立了四元数空间变换矩阵,然后再根据特征点在世界坐标系下的坐标值以及特征点在CCD成像面上的坐标值,在空间投射的基础上利用最小二乘法求解出靶标的四元数空间变换矩阵,从而求得靶标的空间位姿。通过实验对该单目视觉定位方法进行验证,实验结果表明：测量模型平移定位精度达到了,旋转定位精度达到了。     

面向未知区域深度测量的序列图像稠密点特征生成算法

对未知着降区平坦度测量是无人机在复杂地形下安全着陆的关键问题。首先,根据小孔成像原理推导出基于单目序列图像的未知区域深度计算方程;其次,针对稀疏匹配存在深度信息重构误差大而稠密匹配在平滑区域误匹配率高的问题,提出一种基于Delaunay三角剖分的稠密点特征生成算法;然后,分别对序列图像中的2帧图像提取亚像素级Harris角点和尺度不变特征变换(SIFT)特征点,并分别进行特征点匹配;再以2种特征点间的欧氏距离作为约束条件将2种特征点进行融合,生成准稠密特征点;最后,将准稠密特征点进行Delaunay三角剖分,并根据每个剖分三角形上3个顶点像素偏差的方差值制定稠密特征点的生成策略,并结合所提出的深度计算方程计算整个未知区域各点的深度信息。通过Vega Prime(VP)搭建仿真演示验证系统,实验结果表明在机载相机距地面400m处计算高度分别为90m和55m的物体深度信息时,其深度测量相对误差不超过0.89%,具有较高的精度。     

基于鱼眼相机和RGBD相机的异构协同SLAM

SLAM技术在卫星导航拒止环境下的自主导航中有着广泛的应用前景。结合单目鱼眼SLAM可获取更多纹理信息的优势和RGBD-SLAM可直接获取尺度信息的优势，设计基于单目鱼眼相机和RGBD相机的异构协同SLAM系统。首先设计特征点对三维灰度质心方向一致性检验方法以筛选异构图像之间的候选匹配点。然后设计异构图像之间的分步式光流-投影匹配方法，以实现鱼眼相机和RGBD相机之间高性能的特征点匹配与相对位姿估计。最后基于ORB-SLAM2框架，提出基于鱼眼相机和RGBD相机的异构协同SLAM系统框架。实验结果表明：相比于传统的特征点匹配方法，设计的特征匹配方法在异构相机的图像特征匹配任务中能够表现出更高的性能。相比于单目鱼眼SLAM系统和RGBD-SLAM系统，提出的异构协同SLAM系统在相机快速移动、相机贴近景物、低帧率、纹理缺失等条件下，以及在相机纯旋转运动、室外大场景等条件下性能更优，其鲁棒性、抗轨迹漂移能力和轨迹精度比单目鱼眼SLAM系统和RGBD-SLAM系统都有较大提升。     

面向视觉着陆的高精度结构化约束特征点研究

为提高视觉着陆过程中无人机的相对定位精度,选取视觉图像中的直线交点作为结构化约束特征点,设计了基于梯度一致性的边缘检测算法,并结合Shi-Tomasi角点检测算法进行结构化约束特征点的粗定位。对LSD直线检测算法进行改进并设计了亚像素角点定位精度改进算法,在结构化约束特征点粗定位的基础上,将其精度提高到亚像素级。基于实际场景中固有约束的结构化约束特征点具有鲁棒性、旋转和尺度不变性,抗干扰能力更强,其高精度定位有利于提高视觉着陆相对定位的精度与可靠性。     

面向视觉着陆的高精度结构化约束特征点研究

为提高视觉着陆过程中无人机的相对定位精度,选取视觉图像中的直线交点作为结构化约束特征点,设计了基于梯度一致性的边缘检测算法,并结合Shi-Tomasi角点检测算法进行结构化约束特征点的粗定位。对LSD直线检测算法进行改进并设计了亚像素角点定位精度改进算法,在结构化约束特征点粗定位的基础上,将其精度提高到亚像素级。基于实际场景中固有约束的结构化约束特征点具有鲁棒性、旋转和尺度不变性,抗干扰能力更强,其高精度定位有利于提高视觉着陆相对定位的精度与可靠性。     

基于点线特征融合的双目惯性SLAM算法

针对室内弱纹理场景下,基于点特征的SLAM算法难以追踪足够多的有效特征点,导致系统定位精度和鲁棒性较差,甚至完全失效的问题,提出一种基于点线特征并融合惯性测量单元(IMU)的双目视觉惯性SLAM算法。利用点线特征的互补优势来提高数据关联的准确性,同时引入IMU数据为视觉定位算法提供先验和尺度信息,通过联合最小化多残差函数得到更准确的相机位姿,并据此构建环境点线特征地图、稠密地图和导航地图。针对传统线特征提取算法在复杂场景下易检测到大量短线段和相似线段特征以及线段存在过分割等弊端,利用线段长度抑制、近线合并及断线拼接策略在FLD算法的基础上进行改进,以降低线特征的误匹配率,运行速度是LSD算法的2倍以上。通过对比多组公开数据集和真实弱纹理场景下得到的仿真实验结果可知,所提算法在保证定位精度的同时能够获得更为丰富的环境地图,具备较好的鲁棒性。     

月面特征稀疏环境下的视觉惯性SLAM方法

月球车在执行科学探测任务过程中,其自身的高精度定位是一项亟需解决的关键问题。针对在特征稀疏的月面环境下的定位问题,提出一种视觉惯性融合的SLAM方法,将视觉测量与惯性传感器的信息利用位姿图优化方法融合,实现高精度的联合定位。针对特征稀疏环境下的前端视觉数据关联误差较大的问题,提出了一种基于四元树的光流跟踪算法,能够有效地跟踪鲁棒的特征点,提升了关键帧之间相对位姿估计的准确性。并且针对月面环境特有的恒星无穷远点干扰问题,提出一种高效的恒星点剔除算法,能够有效改善无穷远点导致的定位精度下降的问题。搭建了一套模拟月面环境的计算机仿真系统,并构建了多个月面环境视觉惯性SLAM仿真数据集,在不同的模拟月面场景下进行定位性能仿真验证,仿真测试结果表明本文算法的鲁棒性更强,具有更高的定位准确度。     

复杂曲面零件散乱点云特征点提取

复杂曲面零件的几何特征提取对加工质量的检测及逆向重构具有重要意义。提出了一种复杂曲面零件散乱点云特征点提取方法。首先,提出了基于高斯权重的邻域主成分分析的方法,通过估计每一点邻域的局部变化程度对点云模型进行初始标记;然后,采用基于标记的自动识别法实现特征点的提取;最后,通过特征点聚类的方式去除了特征点集中的异常点,完善了提取的点云特征。该方法直接操作于散乱点云,无需任何的拓扑连接信息。试验结果表明:该方法简单、有效,不需要过多地人为调节参数,特征点提取完整。     

失效卫星远距离相对位姿估计与优化方法

针对远距离非合作慢旋目标位姿估计精度问题,提出一种融合图像超分辨与视觉SLAM的相对位姿估计方法。算法主要包含3个步骤：通过梯度引导生成式对抗超分辨技术,提升目标图像的质量以获取更多更高质量的特征点;构建特征数据库实现当前帧与特征数据库的匹配,提升旋转目标的特征跟踪稳定性;利用图优化对多帧图像进行联合位姿优化,消除累计误差,得到更为精确的估计结果。为稳定网络的训练,将自然进化算法引入到对抗训练中。为增强模型的泛化性和鲁棒性,实验中的数据集采用半物理仿真获得。实验结果表明,当等效距离为25 m且失效卫星以25（°）/s的速度旋转时,目标图像经超分辨网络增强后,能够实现连续稳定的长时间测量。     

单目相机物体位姿估计方法研究

现有的机器视觉通常以边缘轮廓和角点作为特征,因此要求背景单一,对环境结构化依赖程度高。为了拓展机器人的应用范围,使其脱离结构化的环境,提出了一种基于SIFT特征点和PNP技术的单目相机估计目标物体位姿的方法。以BumbleBee双目相机为硬件基础,以C++为开发平台,结合了Eigen计算库、OpenCV图像处理库和Triclops库,开发了单目视觉位姿估计算法,实现在复杂背景下对表面纹理较为丰富的物体的位姿估计。利用试验对所提方法进行了验证,试验结果表明,该算法具有较高的估计精度,可以作为机器抓取的依据。     

一种低数据传输的多机器人实时视觉SLAM

针对多机器人视觉SLAM在实际应用中带宽受限的问题,设计了一种低数据传输的多机器人实时视觉SLAM系统.系统中引入了NetVLAD神经网络模型,通过改进NetVLAD降低了多机器人回环检测的计算资源占用,提高了回环检测的实时性.提出了一种针对描述子缺失情况下的特征匹配算法,提高了回环检测与相对量测的鲁棒性,并提出了一种增量式多机器人位姿图共享和优化方法.最后,通过在KITTI数据集进行测试,验证了该SLAM系统能有效减少多机器人通信过程中的数据传输,具有与单机器人SLAM相当的定位精度和实时性.     

基于改进ORB-GMS-SPHP算法的快速图像拼接方法

针对传统图像拼接算法存在拼接速度慢、图像拼接有色差等问题,提出了一种基于ORB-GMS-SPHP算法的大视场多图像拼接方法。该方法首先利用高斯函数构建尺度空间,将高斯尺度空间划分为多个网格,在每个网格内借助FAST算法提取尺度空间特征点,使用BRIEF算法提取描述符并匹配,得到更加均匀分布的特征点;然后使用运动网格统计算法筛选匹配点;最后采用SPHP算法融合图像重叠区域,从而得到完整的拼接图像。将改进的ORB-GMS-SPHP算法与现有的传统特征点匹配算法在特征点匹配精度和特征点匹配速度进行对比与评价,验证了该方法特征点匹配速度快、精度高,并且可以保留更多的正确匹配点的特点。将该拼接方法与传统拼接方法在拼接速度、图像配准均方误差RMSE以及视觉主观判断拼接色差进行对比与评价,验证了该拼接方法具有较快的拼接速度、更高的拼接精度和无明显色差。该方法在2 736像素×3 648像素图像中,特征点匹配时间降低至6.463 s,图像配准精度RMSE降低至3.87。实验证明该方法特征点匹配速度快、精度高,且拼接精度高、无明显色差。     

非合作慢旋目标即时状态位姿确定

对失效卫星等非合作慢旋目标进行在轨服务，需要精确测量追踪航天器与目标之间的姿态信息。因此，如何在复杂的光照条件下快速、准确地对非合作慢旋目标进行即时状态位姿确定具有一定的挑战性。应用ORB-SLAM技术，首先定位关键帧，并估计姿态。然后用当前帧的特征点与地图点对应的特征点进行匹配。最后，将完成匹配的特征点通过重投影确定其在地图中的位置，如果出现跟踪丢失，则根据已有的地图点估计姿态。实验结果表明：在复杂的光照条件下，分别对以10(°)/s角速度运动和以3(°)/s角速度运动的非合作目标进行测量，当测量稳定后，平均角速度误差约为0.1(°)/s和0.02(°)/s，可以满足工程上空间非合作目标相对姿态测量的精度要求。     

RTK辅助的单目视觉地图构建与恢复方法

针对单目视觉SLAM在复杂场景下跟踪失败导致地图丢失的问题,提出了一种利用RTK信息辅助单目视觉的自动化地图构建与恢复方法。在视觉跟踪失败后,设计了一种自动化恢复地图构建方法,基于RTK信息的辅助,采用坐标变换算法处理丢失前的地图并将其融合到当前地图构建中,在提高建图效率的同时,最大程度地减少了地图信息的缺失。实验仿真结果表明,该方法可以解决系统无法继续跟踪建图的问题,与原始地图相比,其融合后构建的地图在保证全局一致性和完整性的基础上,可以保持米级的估计精度。