整流罩分离过程中运动位姿测量技术研究

针对整流罩分离过程中的空间目标三维位姿跟踪测量,设计了双目视觉测量系统,完成整流罩关键点的空间三维坐标测量。基于各特征点的图像处理、识别及跟踪测量算法,结合极线约束匹配,实现目标点的精确立体匹配,可完成不同目标特征点的三维空间坐标解算,进而获取不同运动姿态时的速度、加速度等关键信息,为整流罩机械设计、动力学设计提供参考依据。     

着陆避障中双目立体匹配方法与仿真

摘要： 在着陆避障过程中,利用双目相机拍得的图片进行立体匹配得到稠密的地形高程图是一种有效的方式.文中对绝对误差之和(sum of absolute differences, SAD)、全Census变换以及稀疏Census变换立体匹配方法原理进行说明,针对SAD算法无法处理左右图像亮度不一致的情况提出了对匹配窗口进行灰度规范化以及加入LOG滤波的改进措施,并且对上述方法分别应用数据库图像和沙盘拍图进行仿真测试及比较,从匹配错误率和实时性的角度分析各算法在地外星体着陆这种特殊场景中的使用性能.     

一种融合深度信息的火星局部地表图像立体匹配方法

针对火星局部地表形貌原始自然、色彩单一和纹理相似度高难以实现双目精确定位的问题,提出一种融合深度信息的火星局部地表图像立体匹配方法.利用空间金字塔特征提取模块聚合不同尺度和位置的上下文信息,然后通过分层立体匹配架构构建多尺度的匹配代价卷,用条件代价卷归一化代替批量归一化层,在立体匹配网络的代价正则化阶段以深度信息为条件调制匹配代价卷特征,从而降低计算量,提升推理速度,并生成高精度的视差图.最终利用感兴趣目标的视差值并结合相机的基线参数,得到目标点在指定坐标系下的三维坐标从而实现定位任务.在火星模拟场数据集上的视差图达到了三像素误差小于0.017％,通过与GCNet+ CCVNorm等方法的结果进行比较,表明所提出方法在火星局部地表下的优势.     

月面模拟环境的SIFT特征提取与匹配方法

为了满足月面巡视探测器的自主导航要求.使用一种新的基于尺度不变的特征点提取和匹配算法.首先根据尺度不变特征变换方法从图像中提取关键点作为特征点,然后进行左右双目图像的特征点匹配和视差的恢复.与传统特征算法相比,可以提高对不同光照环境图像匹配的鲁棒性和匹配精度.在模拟试验场的双目视觉图像匹配中,仿真实验取得较好的效果.     

基于递推自适应权重的快速稠密立体匹配

针对经典自适应权重稠密立体匹配算法计算量大的问题,提出了一种递推自适应权重算法.重新定义相邻像素的权重为距离衰减因子和色彩差异函数的乘积,不相邻像素权重为相邻像素权重的累乘,色彩差异越小、距离越近的像素权重越大;证明了在新的权重定义下,一维空间的匹配代价融合可以通过两次递推完成,真实图像的匹配代价融合可以通过4次递推完成,同时给出相应递推公式;递推匹配代价融合时每个像素每一视差只做4次乘法和8次加法,计算量比窗口大小为35×35的经典自适应权重算法小约两个数量级;基于递推匹配代价融合实现了一种快速稠密立体匹配算法.使用Middlebury大学的测评集测试该算法,证明了递推自适应权重算法的速度和精度均优于经典自适应权重算法.     

一种基于角点引导的快速立体边缘匹配方法

提出了一种新的基于角点引导的快速立体边缘匹配方法.在匹配过程中,为了保证其快速性引入了两种新约束:角点约束与边缘约束.首先,利用匹配的角点信息引导边缘的匹配,对如何利用已匹配的角点引导边缘匹配进行了详细的阐述,同时,在引导过程中提出了只利用8个方向的区域扩张方法,进一步保证快速性.其次,提出边缘约束实现点与点的匹配,使搜索范围仅限制在几个像素内,再利用极线约束实现点的匹配,必要时可结合灰度相关约束.结果表明:该算法取得比较好的匹配效果,引入的两种约束在很大程度上提高了速度和正确率,边缘点匹配的正确率高达97%以上.      

电动VTOL飞行器双目立体视觉导航方法

研究了在未知的、动态的室内走廊环境中,采用双目立体视觉引导电动VTOL(Vertical Take-Off and Landing)飞行器安全飞行的方法.使用安装在飞机上的两个微型摄像头从不同的位置获取图像,由双目立体视觉理论恢复其周围环境特征点的三维坐标.采用角点匹配方法计算视差,实现无人机在走廊中的横向坐标定位.采用区域灰度相关算法进行立体匹配获取视差图,从视差图上检测出障碍物,并给出避障导航点.初步实验验证表明,该方法可行性较高,可以作为进一步研究的基础.      

基于渐非凸渐凹化过程的子图匹配算法

如何实现外点存在情况下的鲁棒高效匹配是图匹配领域的关键问题之一.针对此问题,提出将渐非凸渐凹化过程(GNCCP)用于子图匹配,即将外点存在情况下的图匹配问题建模为一个基于相似矩阵的二次组合优化问题,然后通过扩展GNCCP来近似优化,是一种新的采用二阶约束图匹配算法.相较于现有算法,提出的算法优势在于可以泛化目标函数定义方式,有效处理外点存在的情况的图匹配问题,且能同时实现有向图匹配和无向图匹配.人工数据与真实数据上的实验证实了算法的有效性.      

基于多约束因子图优化的无人车定位与建图方法

针对目前在特定场景下应用的低速无人车定位系统极度依赖全球导航卫星系统（GNSS）,存在定位精度不高、漂移误差大、受环境影响严重等问题,提出一种低成本、高精度的无人车定位与建图方法。该方法基于三维激光定位与建图（SLAM）技术。首先,使用点云主成分分析（PCA）实现基于特征匹配的激光里程计;其次,将GNSS位置信息、点云分割聚类得到的地平面和点云聚类特征作为位姿约束分别加入图优化框架,消除激光里程计的累积误差;最后,得到最优位姿和大规模场景的点云地图,以实现无人车的自主定位导航。利用包含大型户外城市街道环境的KITTI数据集对所提出的SLAM算法进行了评估,结果表明:系统在3km运动距离情况下定位偏差可控制在1.5 m以下,在局部精度和全局一致性方面均优于其他里程计系统,为无人车的定位提供了新思路。      

基于双目视觉的自动空中加油近距导航方法

为解决插头锥管式自动空中加油中的近距精确导航问题,提出了一种基于双目视觉的近距导航方法.该方法使用受油机上的两个摄像机拍摄加油锥管端面上光学标记的图像,采用轮廓跟踪法检测图像中的光斑区域,并将其灰度重心作为光学标记的像点,根据对极几何约束完成像点的匹配,利用空间圆形拟合法计算加油锥管的位置和姿态.建立了空中加油的三维虚拟场景对该导航方法进行仿真验证,仿真结果表明,该方法在近距离加油对接时具有很高的位置和姿态测量精度,可以满足自动空中加油的需要.      

已知初始匹配对的图像四元松弛匹配算法

提出了已知初始匹配对的四元松弛匹配算法,该算法以向量旋转角的旋转和缩放不变性特征作为匹配对的优化准则,首先计算向量旋转角度差值,然后通过构造支持度函数和剔除策略选出最优匹配对.在初始错误匹配比例较高和游动误差较大的情况下能够实现正确匹配.通过大量图像实验证明,该算法在匹配速度和正确率上优于桑农松弛匹配算法.     

基于单目视觉的非合作目标相对位姿测量

为实现对空间姿态翻滚航天器的在轨服务与维护以及对空间碎片的清理，需对其进行精确的相对位姿测量。针对相对位姿测量问题，提出了基于单目视觉与卡尔曼滤波的相对位姿测量方法。通过对特征点匹配算法进行调查，采用了具有尺度不变性与旋转不变性的尺度不变特征变换算法(SIFT)和加速稳健特征算法(SURF)的特征点提取方法，并对二者进行了对比，得到了二者分别适用的工况条件。通过对Kalman滤波算法进行研究，引入了相机偏置矩阵，设计了Kalman滤波器，解决了单目相机的距离模糊问题，估计得到了非合作目标的相对位姿、主惯量比以及特征点位置信息。经过仿真，姿态角度估计误差在稳定后低于0.3°，相对位置估计误差在稳定后低于0.5m，相较于真值，误差小于1.67%，主惯量比估计误差在稳定后低于0.01，特征点位置误差在稳定后低于0.005m。在引入相机偏置条件后，滤波状态变量均收敛，并得到具有足够精度的估计，成功解决了单目相机深度信息缺失问题。     

带攻击角度约束的自适应终端滑模导引律

针对某些导弹在对目标进行打击时需要满足零脱靶量和攻击角度约束的要求,首先基于终端滑模控制和有限时间控制理论,改进了一种快速收敛的非奇异终端滑模函数,用于设计滑模面,结合自适应指数趋近律,提出了一种自适应非奇异终端滑模控制方法,解决了传统终端滑模控制中存在的奇异问题,并使状态变量在有限时间内快速收敛到平衡点。然后将所提方法用于导引律的设计,提出了一种带攻击角度约束的自适应非奇异和有限时间收敛导引律,实现了导弹对脱靶量和攻击角度约束的要求;采用有限时间控制理论对该导引律的收敛特性进行了分析,证明了制导系统状态的全局有限时间快速收敛特性。与传统的非奇异终端滑模导引律相比,本文所提导引律能够在更短的时间内以更小的脱靶量和更高精度的攻击角度对目标实施打击。最后进行了大量的对比仿真实验,仿真结果验证了所提导引律的有效性。      

一种改进的最小二乘景像匹配算法

为提高景像匹配系统的匹配速度和对初始定位误差、噪声的鲁棒性,对实时图与基准图之间的灰度分布关系进行分析,建立实时图和基准图之间的景像匹配模型,给出了一种改进的最小二乘景像匹配算法.该算法在最小二乘目标函数中引入一个辅助约束项构成综合目标函数,辅助约束项隐含有对量测输入平滑性的约束,提高了匹配算法的稳定性,运用牛顿法推导出该算法的递推公式,该算法充分利用了综合目标函数的一阶、二阶导数信息,因此具有较快的收敛速度.仿真结果表明了算法的有效性.     

基于改进SIFT的图像配准算法

为解决存在较大程度旋转和缩放的图像配准问题,提出了一种基于尺度不变特征变换(SIFT,Scale Invariant Features Transform)的图像配准算法.采用对数极坐标变换(LPT,Log-Polar Transform)进行图像粗匹配,对图像旋转角度和缩放尺度变化量进行估计,并对图像加以校正;在粗匹配的基础上对图像进行分块,根据信息熵原理提取子块的SIFT特征和不变矩特征,构造新型的特征描述符;结合欧氏距离和Procrustes迭代算法获得图像的同名点对,并估计图像形变参数,完成图像配准.实验结果表明:该算法速度快、稳定性强,并能达到亚像素级的匹配精度.     

基于特征点集的匹配算法应用于卫星姿态确定

综合了灰度与几何特征匹配方法,依据局部纹理能量分布选取特征点集,并利用特征点集的几何约束关系构建了可描述图像整体特征的模板.通过逐步求精方法实现了实时图像与基准图像的匹配.首先通过特征点集匹配进行粗搜索;然后通过精搜索以及角度校正得到实时图像中目标偏移旋转量.该特征点集算法与传统图像匹配算法相比较,在保证精度的基础上能提高匹配速度,且具有一定的旋转不变性和抗噪性.仿真实验证明了该算法的可行性.      

遥感图像的快速配准方法

针对多传感器遥感图像的配准,提出了一种快速有效的图像配准方法.该基于分级候选点集匹配的配准算法充分利用了分级匹配和候选点集匹配方法的优点,减少了特征提取空间和搜索空间.并在同名控制点对的确定中引入距离计算,能更有效地确定同名控制点对,减少了误匹配率,增加的距离计算时间代价很小,而且不随图像大小发生变换,只与最终匹配点对数目有关.采用主观与客观判断相结合的方法进行配准评价,实验结果表明,该算法在图像存在一定背景噪声,同时具有平移、旋转的情况下,可以准确地进行配准,提高了配准速度和精度.      

自研激光雷达三维点云配准技术

为了实现激光雷达点云与图像重建点云的三维空间配准,基于自研三维扫描激光雷达系统,提出了新型的快速多尺度因子（FMSR）点云配准算法,研究了空间点云配准技术。该算法主要包括初始配准和精确配准2个步骤:初始配准使用基于尺度自适应关键点质量（ASKQ）的点云特征提取算法,提取关键点的特征匹配对,求解点云配准初始参数;精确配准利用K-邻近（KNN）算法全局搜索,提升计算效率,多次迭代得到2组点云之间的最优旋转矩阵、最优平移向量和最优尺度因子。仿真和实验结果表明,所提出的算法对空间目标（尺寸为20.30 m×7.85 m×26.56 m）实现空间点云配准,配准精度达到0.194 m,运行时间为16.207 s;与多尺度迭代最近点（S-ICP）算法相比,配准精度提高了0.131 m,运行时间提高了30%。所提出的空间点云配准技术可为场景重建和纹理匹配提供算法基础。