基于快速仿射模板匹配的AMCL算法

自主定位是移动机器人的重要任务，机器人绑架问题是定位技术中的难点。基于粒子滤波的自适应蒙特卡罗定位(AMCL)算法能够解决机器人绑架问题，但其在定位恢复过程中需要在全局地图中放入新粒子，恢复效率低。通过对自适应蒙特卡罗定位算法的研究，结合图像学中模板匹配思想，提出了一种基于快速仿射模板匹配的自适应蒙特卡罗定位(AMCL-FM)算法。该算法利用全局代价地图与局部代价地图估计出机器人的真实位置，并在估计出的位置放置新的粒子，提高定位恢复能力。与传统的自适应蒙特卡罗定位算法相比，所提算法定位精度提升了61.13%，定位恢复效率提升了69.23%。     

基于AIGWO-IMMUKF的目标跟踪算法

针对目标跟踪算法中滤波器选择和模型设计问题，提出了一种具有自适应性的交互式多模型无迹卡尔曼滤波（IMMUKF）目标跟踪算法。首先，介绍了IMMUKF的算法步骤；其次，提出运用改进的灰狼优化（IGWO）算法优化其中的滤波参数，通过构造调节因子建立了时变的Markov状态转移概率，形成了AIGWO-IMMUKF算法，并给出其算法流程；最后，将所提AIGWO-IMMUKF算法与传统算法在相同条件下进行仿真，得出位置、速度均方根误差曲线，以及时效性对比。结果表明，所提AIGWO-IMMUKF算法克服了传统IMMUKF算法的不足，提升了算法性能，精度和时效性都更优。      

基于BDS/GPS的KBLMS信道补偿多径缓减算法

在全球卫星导航系统（GNSS）中，针对城市峡谷单系统无法定位及信号失锁后重新捕获及跟踪性能表现不佳的问题，提出了一种基于BDS/GPS的卡尔曼最小均方估计（KBLMS）的信道补偿技术。首先，建立双系统模型。其次，设计基于卡尔曼估计的最小均方误差的延迟估计模块，补偿接收信号上的多径失真。最后，设计视距（LOS）最佳估计块以在反馈回路中产生控制误差信号，用于自适应地更新补偿矩阵系数。通过实测数据与实验仿真，分析KBLMS的信道补偿多径缓减算法的性能。结果表明:KBLMS的信道补偿多径缓减技术相较于最小均方（LMS）算法在多径信道中能快速收敛，且码跟踪误差在ENU三个维度误差减少了0.1 chip，载波跟踪误差减少了约0.125 cm，有效降低了多径效应引起的误差，最终残余误差比LMS降低了0.035 chip，说明所提多径缓减算法可以进行更为精准的估计，从而验证了算法的有效性。      

基于分段化结构重建的2D/3D视频转换方法

为了缓解3D片源的不足,设计了一种分段化结构重建方法为视频2D/3D转换提供深度线索.采用分层提取的方式,将视频基于内容分解为子序列,在每个子序列中建立优化准则选择出处于非退化状态的关键帧,并以此为基础提出了分段化结构重建框架,利用改进的耦合自标定算法重构出每个子序列对应的离散3D结构信息,从而获取视频的深度线索.实验结果表明,该方法通过分段化后的局部优化,不仅使结构化重建能够有效处理多场景下的连续镜头,还加快了转换的效率,能够稳定、高效地获取深度信息,适用于视频2D/3D转换.      

脑外科机器人视觉伺服研究

定位精度是脑外科机器人系统一个最重要的指标.提出了利用视觉伺服提高脑外科机器人系统定位精度的方法.根据机器人辅助脑外科手术的特点,选择基于位置的末端点闭环的视觉伺服方式,提出了一种利用机器人运动信息对机器人的特征点进行视觉跟踪定位的稳定可靠的方法.针对病人体内病灶点在摄像机图像中不可见的问题,推导了脑外科机器人系统的视觉伺服控制律.采用视觉伺服的方法后,系统定位精度有了很大提高,系统定位误差主要由靶点映射误差引起,受机器人绝对定位误差的影响不大.手术过程模拟和定位精度测试验证了该方法的有效性.      

基于手眼视觉的测量与定位方法的研究与实现

机器视觉对机器人克服工作环境中的不确定性具有重要意义。针对空间遥操作机器人面对的是危险不确定环境，文中提出一种基于手眼视觉的测量与定位方法，可为判断示知目标物体是否可抓持以及进行抓持规划提供有效依据。在重复定位的任务中，该方法可以利用目标物质的先验信息快速定位从而避免频繁移动手臂。文章首先给出了该方法的原理，然后通过实验实现了此方法，并对误差进行了分析，实验结果表明了该方法具有较高的精度。     

基于抗差自适应滤波的轨道在线检测

针对测量机器人在大型导轨检测中的应用设计了一套动态跟踪检测系统。由于受各种干扰的影响,系统测量得到的测量值与目标真实状态往往不尽相同,因此提出了一种基于Singer模型的抗差自适应滤波算法。首先,采用Singer模型建立目标的运动模型;在此基础上,发展了抗差自适应滤波技术来进行在线测量数据处理;最后,进行了轨道检测的跟踪测量应用。结果证明,该系统未经滤波处理时的测量误差能够达到mm级,通过滤波能够对测量数据进行平滑处理,准确定位误差点,降低了检测误差,能够满足长轨道在线检测的准确度要求。     

一种鲁棒的室外移动机器人定位方法

以Pioneer3-AT型室外轮式移动机器人为平台,采用码盘、陀螺仪、电子罗盘和GPS对机器人进行定位,设计了一种新型的联合卡尔曼滤波器,以逐级滤波的方式融合多传感器信息.首先将里程计和陀螺仪相融合,然后将融合后的定位信息与电子罗盘相融合,最后与载波相位差分GPS(RTK-GPS)相融合.该滤波器可以补偿传感器的累积误差,消除输出波动,实现机器人较高精度的定位.城市环境下RTK-GPS经常因为建筑物的遮挡而失去差分状态,定位精度不稳定,滤波器根据RTK-GPS定位精度的不同状态,选取不同的系统量测噪声协方差矩阵,使算法可以自动适应RTK-GPS传感器定位精度的变化,因此定位方法具有鲁棒性.实验结果表明,机器人可以稳定地实现0.4m的定位精度.      

一种结合深度学习的运动去模糊视觉SLAM方法

针对高动态环境下视觉同步定位与地图构建(SLAM)系统的可靠性受运动模糊的限制,研究了一种基于生成对抗网络(GAN)和AKAZE特征点的运动去模糊视觉SLAM方案。首先,对因相机快速运动而产生的模糊图像进行AKAZE特征点的提取与检测,并根据特征点分布的丰富程度计算图像块权重,结合灰度图像的方差信息建立特征点与模糊程度之间的量化关系表;然后,将达到模糊分数阈值的图像同步输入至改进GAN模型,该网络以端对端的形式恢复中心模糊帧的纹理信息;最后,对输出的清晰图像重新进行位姿估计,以参与ORB-SLAM2后端优化过程。在公开数据集TUM上进行测试,对于受模糊影响较严重的数据集,该方案可以显著降低相机轨迹估计的整体误差,同时维持较好的鲁棒性。     

SINS辅助GPS跟踪环误差分析与最优带宽设计

SINS(Strapdown Inertial Navigation System)辅助GPS(Global Positioning System)跟踪环路的结构设计是SINS/GPS超紧组合系统实现的主要环节,而环路带宽是决定不同误差源作用下GPS跟踪环路性能的关键.首先对SINS/GPS超紧组合系统中影响载波锁相环(PLL,Phase Lock Loop)跟踪性能的各误差源进行了详细的建模与分析,进而设计了一种最优环路带宽的调节方法.该方法基于最小化跟踪误差的准则,根据接收机检测到的信号载噪比实时调节PLL带宽,以使环路保持最优跟踪状态.结果表明,所设计的最优环路带宽调节方法能够有效提高SINS辅助PLL的抗干扰性能与跟踪精度.     

基于序列Monte Carlo技术的动态节点定位

无线传感器网络中目标节点定位的准确性与定位频次对跟踪与监视精度有着重要的影响.为了提高目标跟踪精度,需要研究高效的网络节点定位算法.在分析传统基于Bayesian估计过程定位的基础上,讨论可利用基于采样的序列Monte Carlo算法解决移动节点的自主定位的算法,研究了序列Monte Carlo算法在无线传感器网络节点定位中的应用.利用该方法无需对传感器网络的先验知识和对节点移动的假设,利用低密度种子节点得到定位的精度较高.理论分析和仿真实验表明,利用序列Monte Carlo算法进行定位能够充分利用移动性来提高定位的精度,Monte Carlo定位算法很大程度上提高了定位效率,能够更有效地利用传感信息,降低不确定性因素的影响.      

基于智能优化箱粒子滤波的移动机器人FastSLAM

针对传统FastSLAM算法需要大量粒子构建地图导致计算复杂度高、难以提高估计精度等问题,研究构建了一种基于智能优化箱粒子滤波（IOBPF）的移动机器人FastSLAM算法。首先,将萤火虫算法（FA）的动态寻优机制引入箱粒子滤波（BPF）,建立了箱粒子的荧光亮度更新公式、吸引度计算公式和位置更新公式,使箱粒子集智能化地向高似然区域移动,避免了箱粒子的退化现象。然后,以改进的智能优化箱粒子滤波进行机器人位姿估计,并采用扩展区间卡尔曼滤波（EIKF）完成地图的构建和更新。移动机器人的模型仿真和实体实验结果表明:所提智能化FastSLAM算法可有效提升箱粒子的性能,并降低地图构建所需粒子数,从而显著提高FastSLAM的定位精度和地图构建的鲁棒性。      

基于非线性规划的室内TOA测距值优化方法

在室内环境中,无线信道中的非视距和多径传输等效应严重影响了到达时间（TOA）定位系统的测距值精度,从而导致较大的测量误差和定位误差。将测距值优化抽象为非线性规划问题,在实现视距/非视距（LOS/NLOS）场景识别的基础上,利用TOA测距误差模型和“目标-基站”间的几何约束为序列二阶非线性规划方法设置合理的初始值,建立了目标函数和约束条件,对定位测距值进行了有效校正。利用典型的TOA测距误差模型进行了仿真验证,利用具有TOA测距功能的无线定位节点在办公环境中进行了实测验证。结果表明,该方法优化后的测距值精度明显优于原始测距值和传统的测距值修正方法,从而验证了该方法的有效性。      

具有方向特性的X角点的亚像素检测定位

X角点被广泛应用于相机标定与可见光视觉跟踪系统,不仅具有位置信息,还可以具有方向信息.针对X角点的精确位置检测和方向检测,提出了一种利用X角点对称性的检测与定位算法——对称性计算算子(SC,Symmetry Calculation),简称SC算子.该算法主要由两部分组成.先利用对称性计算值确定X角点像素位置,然后基于二次曲线拟合及直线相交求亚像素位置.通过角点定位实验,仿真分析高斯噪声和畸变对定位精度及鲁棒性的影响,并与Harris算法及Micron Tracker系统进行比较.实验表明,本文方法能有效检测X角点,排除其他类型的角点和干扰点,具有较高的定位精度和鲁棒性.      

同温层气球平台反向定位系统的研究

反向定位系统是针对驻留型同温层气球平台的一种新型定位系统 ,该系统的基本原理是由接收站的位置计算得出发射机的位置。文章采用卡尔曼滤波的方法 ,建立了反向定位系统的模型 ,给出其滤波算法 ;鉴于地面接收站的位置选择对该系统的定位精度有较大的影响 ,给出地面站选址依据 ,并通过计算、仿真获得一组较为理想的布站方式。此外 ,钟差是系统的一个主要误差源 ,文中对其引起的定位误差进行了分析 ,并给出估算的方法 ;对系统中的传播误差、设备误差也进行了分析。最后 ,对系统建立了仿真模型进行仿真。结果表明 ,该定位系统具有较好的定位精度