视觉导航技术的发展

近20年来视觉导航技术发展迅速,在原理方法与技术实现上取得了重要突破,规模化应用已经成为可能。以视觉导航中光流、视觉里程计、视觉同步定位与地图构建等主流研究方向为对象,对其发展概况、基本原理、技术优势与难点等进行了简要介绍与分析,并从近期应用推广及长远发展角度对视觉及视觉组合导航技术进行了展望。     

基于局部大气偏振特性的仿生导航方法

目前主流的偏振导航算法中,思路通常为通过对全天域偏振图像的获取拟合出太阳子午线或中性点的位置,进而判断导航方向。现提出一种新的导航方向获取算法,可在小视场条件下,通过对太阳方向矢量的拟合判断导航方向。在此基础上进行了计算机仿真和室外实验,利用偏振相机获取了天顶区域大气偏振分布模式;利用斯托克斯矢量分析法解算出了大气偏振模式的分布情况,包括其中偏振度和偏振角的信息,初步证实了解算算法在实际情况下的可行性和精度,导航精度可达到0.2°左右。     

基于稀疏光流的无人机自主导航方案

提出了在无已知地面合作目标的情况下,给出高精度导航信息的基于稀疏光流的无人机(UAV)自主导航方案。通过计算两帧图像间的稀疏光流场,融合捷联惯导系统(INS)/电子罗盘/高度表系统/激光测距仪等传感器测量数据,构造两个H∞滤波器,分别对高度、姿态角与水平面上的速度误差进行估计。本导航方案适用于诸如无人机低空飞行阶段、进近阶段等不宜布置人工或已知地面合作目标的场合。使用自主开发的"无人机自主着陆实时仿真验证平台"对该方案进行仿真,结果显示本方案能够有效地抑制惯导系统由于漂移而造成的位置估计误差,同时可以给出精确的高度、速度与姿态角估计值。     

基于目标纹理的机器视觉转角检测方法

目标姿态角度检测系统是确保智能制造设备自动化、智能化的核心部件之一,在智能制造设备中得到了广泛的应用。提出了一种基于目标纹理的机器视觉转角检测算法,该算法通过椭圆聚类提取图像中的感兴趣区域,采用Hough梯度变换寻找感兴趣区域中包含特定纹理特征的区域,结合先验信息对特征区域进行标记、匹配,进而计算出待测物体的滚转角度,算法的运行耗时小于0.5s。采用该算法实现了浮子组件在浮液中的径向滚转角检测,并模拟实际检测环境测试了该算法的精度。测试结果表明,绝对精度小于0.3°,重复性精度小于0.08°,满足实际生产现场对检测精度的要求,解决了人工检测精度低、耗费人力的问题,提升了浮子转角检测的精度和智能程度。     

一种改进的RatSLAM仿生导航算法

RatSLAM 是模拟鼠类感知环境机制提出的一种定位与构图的导航算法, 算 法的提出者利用该方法成功地进行了66km 的车载试验。在机器人导航领域,RatSLAM 是非常优秀的纯视觉仿生导航算法。然而,该算法完全依赖视觉信息,在复杂的环境中 存在可靠性低、导航精度不高的问题。在RatSLAM 的基础上引入光学双轴速度传感器和 MIMU 信息, 建立了融合光学双轴速度传感器和MIMU 信息的航位推算模型, 对Rat- SLAM 仿生导航算法进行了合理改进,搭建了硬件系统并进行了动态车载实验。实测结 果表明改进的仿生导航算法环境适应性更强、导航精度更高。     

惯性/双目视觉里程计深组合导航方法

针对现有视觉里程计测量噪声大、匹配精度低、实时性差的问题,研究一种基于Kalman滤波器的惯性/双目视觉里程计组合导航方法.在视觉里程计中引入惯性导航信息,辅助完成实时图截取、搜索区预测、输出速度校正等功能,提高视觉里程计的测量精度与计算速度.利用Kalman滤波器,实现视觉里程计对惯导累计误差的修正,提升组合导航系统的导航精度.车载试验结果表明,惯性/双目视觉里程计深组合导航的实时定位精度优于0.5％D (CEP),具备工程应用条件.     

基于单目视觉的机器人避障方法研究

避障问题一直是机器人领域研究的热点和重点。设计一种基于单目视觉的避障系统,能够同时检测机器人正前方和两侧的障碍物,且对低纹理障碍物同样具有效果。该系统采用特征尺度检测器完成机器人视野正前方障碍物的检测,对于视野两侧的障碍物运用光流平衡策略进行规避,而对于低纹理的障碍物则利用图像熵的方法进行检测。整个系统在地面移动机器人上进行了测试,实验结果表明,该方法能在复杂的环境下可靠地完成机器人的避障任务。     

视觉仿生在飞行器导航技术中的应用

介绍了蝇视觉运动信息的神经计算原理,分析了蝇的飞行控制行为,从仿生学角度出发对蝇视觉系统的感知机理在航空武器中的应用进行了探索性研究。     

基于计算机视觉/GPS/MG姿态测量的盲人行走组合导航方法研究

电子导盲辅助装置(ETA)是解决盲人出行困难的重要手段,而导航是ETA的关键技术.现有的ETA主要用GPS来定位定向,但在城市环境中经常存在GPS信号遮挡导致导航信息丢失的问题.针对该问题,利用视觉导航短时间内定位精度高,输出连续的优点以及 MG(Magnetic Gravity)姿态测量可补偿姿态积累误差的优点,提出一种基于视觉、GPS和MG姿态测量的盲人行走组合导航算法.该方法构建系统误差模型并以Kalman滤波为框架.仿真和实验结果表明,提出的组合导航算法准确度优于单独的导航算法,满足盲人户外安全出行导航的需求.     

无人机空中对接中的视觉导航方法

无人机空中加油是一种能有效提升巡航里程及续航时长的技术手段,近距相对位置和姿态测量技术是其中需要解决的关键问题之一。针对该问题研究了无人机自主空中对接中的视觉导航方法,完成了近距对接的地面实验。首先,利用移动对接图标和无人机的GPS/INS信息进行无人机的粗略导航,完成会合;再充分利用视觉图标的颜色与形状信息,通过颜色分割选取目标可能区域,在这些区域中进行快速椭圆检测,针对椭圆检测算法存在误检测及边缘不重合的问题,提出了椭圆检测与轮廓检测相结合的方法,能够更准确地描述图标边缘;最后,利用改进的OI算法进行相对位姿的估计,实现近距的精确导航。实验结果表明,无人机在较高速度下的跟踪效果良好,采用的视觉导航方法能够满足空中对接中精度与实时性的要求。     

一种基于改进Kalman滤波的 视觉/惯性组合导航算法

提出了一种基于改进Kalman滤波的视觉/惯性直接组合导航算法,首先分析了相关坐标系的定义和敏感器的误差模型,然后分别构建了姿态滤波方程和位置滤波方程,接着对滤波方程进行离散化处理以便在计算机中实现运算,最后采用该方法进行了仿真验证,结果表明系统在不同情况下进行组合导航都能够满足任务要求。     

一种基于亚像素匹配的高精度视觉定位方法

大多数应用到无人机景象匹配导航中的匹配算法都只能满足像素级精度,且当无人机利用景象匹配定位时图像之间往往存在较大的视觉差异,这种情况下图像匹配精度低且性能会急剧下降。所以选用具有仿射不变特性的特征点进行匹配,结合高斯亚像素拟合原理及特征描述符简化方法,并采用渐进采样一致性(PROSAC)算法剔除误匹配点,最终实现亚像素级的景象匹配定位。实验结果表明,采用此方法可以大大提高图像匹配的精度,提高到0.05像素以内。     

惯性辅助的北斗导航故障自适应方法研究

北斗导航系统完好性是指北斗导航系统不能用于导航服务或导航精度超出给定范围时,具备及时发现故障并通知用户的能力.针对北斗导航完好性检测问题,为改善北斗导航定位系统的精度、连续性、完好性和可用性,研究了基于惯性辅助的北斗导航故障检测方法,设计了北斗导航系统的量测修正与故障检测实现方案,构建了基于新息正交性的自适应滤波北斗/SINS紧组合导航架构,根据滑动窗口内新息动态变化特性修正系统量测噪声方差,在北斗导航信号受到较大干扰、发生异常的情况下,对品质较差的卫星测量信号进行识别,并对检测超出一定阈值的突变卫星信号实现故障隔离,从而提高系统适应能力,增强北斗/SINS紧组合导航系统容错性.构建了北斗/SINS组合导航系统仿真验证模型,结果表明,基于惯性辅助的北斗导航方法能够有效检测出卫星信号故障,提高了系统的适应性和定位精度.     

一种用于仿生导航无人机航姿求解的混合滤波方法

针对现有组合导航系统易被干扰欺骗以及姿态求解精度不足的问题,设计了惯性测量单元(IMU)与偏振光传感器组成的航姿参考系统(AHRS)。同时,考虑到传统的姿态求解方法精度不高,提出了一种用于仿生导航无人机航姿求解的混合滤波方法。将Mahony滤波后的姿态值作为系统观测量,再结合扩展卡尔曼滤波(EKF)实现传感器数据的深层融合,以获得高精度的姿态角信息。实验结果表明：在静态环境下采用混合滤波方法求解的姿态值能有效滤除偏振光传感器和加速度计内部噪声干扰,其稳定性明显优于两种方法各自求解时的情况;在动态实验中该方法能有效抑制单独采用Mahony滤波时存在的超调问题,表现出更高的动态解算精度,从而为偏振光组合导航系统提供了更精确的姿态估计信息。     

基于主元分析的微小型飞行器视觉导航

作为一种新兴的无人机,微小型飞行器(MAV)近年来广受关注。研究微小型飞行器导航技术的关键是研究视觉导航技术在微小型飞行器中的应用。针对微小型飞行器视觉导航中的运算量大而导致算法实时性差的问题,给出了一个新的计算框架。利用主元分析技术(PCA),在最小方差意义下得到了图像的简化表示。在此简化的基础上,进行了图像特征的提取。对真实图像的实验结果表明,利用主元分析处理后的图像进行导航特征的提取,其实时性优于RGB三通道求和取平均的方法。     

基于惯性/偏振光/光流的六足步行机器人自主导航方法研究

针对惯性/卫星组合导航系统易受干扰或自主性不足等问题，引入偏振光传感器和光流传感器，分别建立航向角和速度量测方程，以辅助惯性导航系统，提出了一种基于惯性/偏振光/光流的自主导航方法。同时，为实现惯性传感器、偏振光传感器和光流传感器等多传感器的融合，设计了无迹Kalman滤波器。为验证该方法的有效性，以六足步行机器人为对象开展仿真和实验验证。结果表明，在没有卫星信号源的情况下，仅依靠机器人自身感知，可实现较高精度的机器人位姿估计，实现了不依赖于卫星导航信号的自主导航，提升了导航系统的自主性。