基于红外视觉/激光雷达融合的目标识别与定位方法

近年来,基于可见光图像的目标识别在无人车感知领域得到了广泛应用.然而,可见光图像目标识别无法应用于弱光和黑暗环境.针对于此,提出了一种基于红外视觉/激光雷达融合的目标识别与定位算法.首先,通过基于颜色迁移的数据增强训练方法,提高了红外目标识别算法的泛化性能.继而,提出了一种基于激光雷达修正的单目深度估计方法,通过视觉图...     

基于改进DeepSORT的视觉/激光雷达

通过结合目标跟踪与相对定位,在对多帧检测目标进行关联与分析的同时,可以获取其三维信息。但当目标外观特征变换较大时,传统目标跟踪算法较易发生漏匹配或身份变换,而仅依靠对齐点云的相对定位算法较易出现定位失效的情况。针对以上问题,提出了一种基于改进DeepSORT的目标跟踪与定位方法在原始DeepSORT算法中加入基于位置约束的匹配,解决了因外观改变导致的漏匹配问题;在获取跟踪信息的基础上,设计了基于目标运动模型的相对定位方法,解决了图像中目标较小时相对定位不连续且定位精度较低的问题。试验结果表明,与传统DeepSORT算法相比,多目标跟踪准确度提高了5.9%;与仅依靠对齐点云的相对定位算法相比,定位精度提高了62.4%。     

惯性/视觉/激光雷达SLAM技术综述

同时定位与建图(SLAM)技术已广泛应用于各类自主移动平台中,其中视觉SLAM和激光雷达SLAM是两种主要的SLAM技术方案。然而,视觉SLAM系统易受视觉环境变化的影响,而激光雷达SLAM系统则在结构单一等环境中会出现精度退化甚至失效的情况。随着智能移动平台应用场景的不断拓展,对SLAM系统的精度和鲁棒性等提出了更高要求,将多种具有互补性的传感器进行融合是提升SLAM系统性能的有效途径。据此,聚焦惯性/视觉/激光雷达多传感器融合SLAM技术,从多传感器标定和多源数据融合两个主要方面进行综述,最后对多传感器融合SLAM技术的发展趋势进行了展望。     

基于视觉的无人直升机自主着舰关键技术

以无人直升机为被控对象,描述了其着舰/陆飞行引导控制的一般过程,并着力梳理分析了自主着舰所涉及的关键技术。首先,研究无人直升机建模、基于图像匹配的降落点目标识别、无人直升机视觉的位姿运动估计、着舰控制律设计、实时视觉系统软硬件设计;其次,分析和比较了目前视觉着舰的一些关键技术;最后,结合国内外视觉着舰研究现状,为今后视觉着舰流程提供研究方向。     

基于视觉引导的无人直升机着舰技术研究

以无人直升机为被控对象,根据实际着舰流程研究了视觉引导系统的软硬件架构。在硬件上通过在摄像头加装云台,避免了无人机因姿态改变造成视野中目标图像的丢失,提高了位姿解算的精度。提出一种以红外灯设计的合作目标图案为着舰目标的视觉引导着舰系统,能够在不同光线强度、复杂周边环境下成功识别合作目标,具有良好的抗噪能力。研究设计了一套图像处理与位姿解算的引导系统,通过实验验证姿态参数的误差在2°以内,位置参数的误差小于2cm,能够满足着舰的精度要求;每帧图像的处理速度在30ms左右,具有良好的实时性。     

基于立体视觉的无人机位姿测量方法

现有的无人机位姿视觉测量方法大多基于诸如关键点等几何尺寸在图像和模型间的对应关系完成位姿计算;然而,在复杂情况下易出现关键点图像坐标定位失效的问题,而针对特定机型的算法设计泛化性不佳。针对这一问题,本文提出了一种基于立体视觉的固定翼无人机位姿测量方法,通过立体视觉重建目标无人机三维点云,基于无人机组件三维点云拟合鲁棒地完成位姿测量。首先,使用一种二维、三维数据结合的方式,利用卷积神经网络完成组件的分割。其次,分别利用机翼和机身点云拟合无人机坐标系的z轴和x轴,进而完成目标无人机位姿的计算。整个计算过程无需已知具体机型或尺寸。经试验验证,本文方法在10m的范围内达到了1.57°和0.07m的位姿测量精度,具有较高的精度和鲁棒性。     

无人飞行器远距目标识别与方位感知方法

高精度的导航信息是无人飞行器编队完成各项任务的关键。针对无人飞行器利用视觉传感器对远距目标进行导航时存在目标成像特征少和多目标身份信息匹配困难的问题,提出了一种基于光学标记的远距目标识别与方位感知方法。通过分析无人飞行器实际编队飞行需求,设计了基于视觉的相对角度测量和身份ID识别的总体方案;利用光学标记的闪烁特征设计了无人飞行器目标身份的编码解码,并根据获取的灯光序列查询编码库解码识别目标ID;结合光学标记的成像特征实现标记的快速检测与跟踪,在此基础上拟合标记的像素坐标并计算相对角度信息。实验结果表明,在50~150 m的实验环境下,静态测角误差优于0.21°,动态测角误差优于0.73°,可实现10个目标的身份ID识别。     

多无人系统协同视觉SLAM算法

针对传统同时定位与地图构建(SLAM)方法受计算能力、存储能力的限制无法在大范围场景下作业,无法建立大范围场景的全局一致性地图等问题,基于ORB-SLAM2系统框架建立了一种中心式的多无人系统协同视觉SLAM算法。设计了地图大小限制策略,以保证无人系统不受机载设备算力和存储能力的影响,基于字典机制和Sim3转换构建了地图融合优化算法,以完成全局地图构建与优化。最后进行了数据集测试,结果表明：所提出算法能够完成多无人系统协同SLAM,相对传统SLAM算法具有明显优势。     

基于机器视觉的目标识别分类方法

工业现场生产的产品批量小、更新快、品种多,存在工作效率低、检测或识别质量得不到保证等问题。为了解决此问题,提出了一种基于机器视觉的目标识别分类方法。采用线阵相机,通过控制产品运动,获取产品表面完整的信息图像,利用多层感知器对图像拼接和处理后的字符进行识别,确定产品型号及批次,引导机器人完成产品的准确分类。实验结果表明,方法识别时间18 ms,识别准确率98%,可有效解决人工作业的各种问题。     

合作环境下基于惯性/里程计/Lidar融合的UGV导航方法

近年来,无人车在巡检、探测等方面的应用愈发广泛,且应用环境愈发复杂。在这些应用中,无人车必须对自身的位姿进行准确估计,以确保作业安全、高效完成。其中,可在复杂环境下适用的自主导航能力是核心关键技术。提出了一种基于惯性/里程计/激光雷达的地面无人车导航方法,区别于传统的激光雷达SLAM方法,该方法根据已知的几何结构特征进行定位,避免了因有效点数量稀少而导致的匹配误差。同时对惯性/里程计/激光雷达的融合算法进行了研究,提高了自主导航系统的鲁棒性和准确性。最后,在Gazebo中搭建了相应的仿真环境,并进行了算法验证。仿真结果表明,该方法能够实现无人车在巡检过程中实时可靠的自主导航,具有较好的工程应用价值。     

基于IMM-UIF的多无人机纯角度机动目标跟踪

针对单无人机不能及时捕捉到目标的运动状态信息,很容易跟丢目标的问题,结合无迹信息滤波(UIF)算法和交互多模型(IMM)算法,提出了基于IMM-UIF的多无人机分布式融合估计算法.将各个无人机上的观测信息传输至中心节点,并统一优化各无人机的控制输入.仿真结果表明,基于IMM-UIF的多无人机分布式融合估计算法比基于IMM-UIF的单无人机跟踪精度提高了约30％,有效融合多无人机平台的量测信息,实现对目标稳定的高精度跟踪.     

基于双目视觉和惯性器件的微小型无人机运动状态估计方法

针对微小型无人机(UAV)自主运动状态估计问题,提出了一种基于双目视觉和惯性器件的微小型无人机运动状态估计方法,运动状态估计系统由微惯性测量单元(MIMU)和2个摄像机组成.根据微惯性测量单元的输出更新无人机运动状态,同时由摄像机获得周围环境的图像序列,从序列图像中提取特征点,并对这些特征点进行匹配、跟踪,测量序列图像...     

地面无人平台视觉导航定位技术研究

地面无人平台实现自动驾驶等功能的核心难题在于如何感知其所处环境并获得自身在环境中的实时状态。机器视觉作为地面无人平台在复杂环境下实现自主导航及定位的重要手段,近年来得到了快速发展。系统性地分析了视觉定位与地图构建系统的基本架构,并对该架构包含的图像信息预处理、视觉里程计、回环检测、全局优化和地图构建模块分别进行了详细介绍。针对各模块所涉及的关键技术,总结了近些年来国内外主流的研究成果,对比分析了各个关键技术中主流方法的性能,并展望了地面无人平台视觉导航定位技术的发展方向。     

水面无人艇集群编队控制技术综述

随着海上作业任务的日渐复杂以及水面无人艇控制理论的发展,单水面无人艇航行控制能力的局限性逐渐显现,集群编队控制技术得到了广泛关注。针对水面无人艇集群编队控制技术,分析了当前国内外应用情况与技术研究现状,重点从典型编队队形适用性、编队控制系统结构形式、编队协同控制方法、编队控制通信技术及异构条件下协同控制技术等方面分析了水面无人艇集群编队控制技术的研究进展。最后,进行了总结和展望,以期为水面无人艇集群编队控制技术的研究提供有益的参考。     

基于信息融合技术的无人机风速测量方法

随着无人机技术的发展,无人机风速测量技术成为了无人机的一个重要应用领域.为了提高无人机风速测量的精度,文中将信息融合技术应用于无人机风速测量中,数据层分别通过平均法和改进的Kalman滤波对空速和航向角进行信息融合,以提高参数测量的精度,决策层通过加权平均法对速度矢量三角形法、空速归零法,以及航位推算法计算得到的结果进...     

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。