一种基于语义信息辅助的无人机视觉/惯性融合定位方法CSCD

视觉传感器在无人机室内定位中发挥着重要作用。传统基于特征点的视觉里程计算法通过底层亮度关系进行描述匹配,抗干扰能力不足,会出现匹配错误甚至失败的情况,导航系统的精度及鲁棒性有待提升。由于室内环境存在丰富的语义信息,提出了一种基于语义信息辅助的无人机视觉/惯性融合定位方法。首先,将室内语义信息进行因子建模,并与传统的视觉里程计方法进行融合;然后,基于惯性预积分方法,在因子图优化中添加惯性约束,以进一步提高无人机在动态复杂环境下的定位精度和鲁棒性;最后,通过无人机室内飞行试验对算法的定位精度进行了分析。试验结果表明,相较于传统的视觉里程计算法,该方法具有更高的精度和鲁棒性。     

一种改进点线特征融合的双目视觉惯性定位算法

在复杂产品装配过程中,对增强现实设备定位是实现虚拟引导信息与装配现场实时融合的核心。传统基于标签或预先构建离线装配基体模型的定位方式,存在装配任务与视觉定位兼容性低,单一视觉定位鲁棒性和稳定性差的问题。利用多传感器融合的视觉惯性导航方式进行定位,可提高定位的精度和鲁棒性,有效提高复杂产品装配质量和效率。本文提出了一种基于点线特征融合的双目视觉惯性定位算法,对双目相机和惯性测量单元（Inertial measurement unit,IMU）进行联合标定,并通过ORB和LSD线端融合的点线特征提取匹配,采取视觉和IMU紧耦合的方式,建立基于点线特征的视觉惯性融合的位姿误差融合模型。对比VINS-Fusion、PL-VIO和本文改进IPLVIO算法,结果表明IPL-VIO算法在结构化场景下的绝对位移和旋转误差比原算法误差更小,同时结构化场景信息更加丰富,能够应用在弱纹理的AR装配现场中,为增强现实辅助装配平台提供稳定可靠的位姿数据。     

月面巡视器基于深度学习的即时定位与建图

针对载人登月对月面大范围行走探测以及月面巡视器导航定位的要求,提出了一种基于深度学习的视觉即时定位与建图(SLAM)方法。该方法设计了一个全监督的卷积神经网络对单目SLAM建模,减少了传统方法中人工设计特征和根据场景设置各种参数阈值的局限性;同时,利用深度学习模型良好的迁移学习能力,从大量地面数据训练并在少量仿月表面数据微调中得到网络的参数,从图像序列中直接估计平移量和旋转量;此外,引入了三维点云构成的稀疏深度图作为监督,采用光度误差构造的损失函数将深度信息和位姿信息结合,得到位姿估计的精度比肩传统SLAM算法,同时增加了算法对环境的适应性和鲁棒性。实验证明该算法在城市道路环境和仿月表面环境均有较优的性能。     

一种快速鲁棒自适应故障估计方法设计

针对一类线性系统的执行器故障,对一种快速鲁棒自适应故障估计方法进行了设计。所设计的自适应故障估计观测器在放松严格正实(SPR)条件的同时,还具备对干扰的鲁棒性。在设计观测器参数时,根据有界实引理,对干扰和故障变化率的影响分别设计不同的约束不等式,能够更灵活地调节二者对故障估计影响的比例,并且引入松弛变量设计不同的Lyapunov矩阵,降低了设计的保守性。在设计过程中,由于出现了非线性矩阵不等式,本文采用了锥补线性化的算法进行求解,最终求得了最优的观测器参数。最后通过对某飞行器控制系统的仿真证明了算法的有效性。     

一种鲁棒混合自适应控制器

 目前,国内外关于对象具有干扰或未建模动态时的混合自适应控制,仍处于探索阶段。由于连续对象混合控制系统在某些方面优于全连续或全离散系统,因而引起了国内外学者的重视。 本文提出一种新的适用于受扰对象的混合自适应律,并且从理论上证明了由这种控制律所构成的自适应控制器具有鲁棒稳定性。     

视觉与惯性融合的多旋翼飞行机器人室内定位技术

随着人工智能技术的发展,无人机的应用场景趋向多元,人们对无人机的需求也不仅仅满足于简单的飞行任务,而是赋予其飞行机器人的角色,对其自主导航、复杂环境下的定位以及智能协同方面提出了更高的要求。针对室内场景下的定位需求,融合视觉与惯性数据实现了多旋翼飞行机器人的室内定位。在视觉前端加入图像增强算法以提高图像灰度对比度,减少了光流跟踪的误匹配点数。提出了一种基于图像信息的特征点提取和图像帧发布策略提高了定位精度,解决了室内环境下的定位漂移问题。针对飞行机器人室内自主跟踪及降落任务,设计了基于视觉定位的飞行机器人自主降落系统。在Gazebo中搭建飞行机器人模型仿真验证自主降落系统有效性,在EuRoC数据集下对定位算法进行对比评估,搭建飞行机器人平台在真实场景下进行室内定位实验,完成了室内场景下平台自主跟踪及降落任务,并采用运动捕捉系统获取的定位真值数据进行了误差分析,结果表明该定位技术满足室内场景下的自主跟踪及降落任务需求。     

复杂环境下一种基于改进核相关滤波的视觉鲁棒目标跟踪方法

目标跟踪在自动驾驶和智能监控系统等实时视觉应用中发挥着重要作用。在遮挡、相似干扰等情况下，传统的基于相关滤波的跟踪算法容易发生漂移，鲁棒性有待进一步提高。基于此，提出了一种扩展特征描述的检测辅助核相关滤波目标跟踪架构。首先，在传统的核相关滤波目标跟踪算法的基础上，通过目标检测辅助对跟踪结果进行质量判断，实现对遮挡以及目标丢失的判别；然后通过拓展特征模板的构建与匹配，实现抗干扰相似目标判断及目标重定位；最终，以行人跟踪为例进行了试验，分别通过OTB数据及验证试验和移动机器人平台视觉跟踪验证试验，验证了算法的可行性，并对算法的跟踪性能进行了测试。试验结果表明，所提方法能够稳定地跟踪移动目标，对遮挡、相似干扰具有较强的鲁棒性。     

AUV的图优化海底地形同步定位与建图方法

海底地形辅助导航技术可为智能水下机器人(AUV)的长时间水下作业提供有界精确导航结果,且无需声学基阵辅助。然而,地形辅助导航需要已知高精度先验海图,这大大限制了其应用范围。为解决海底地形未知条件下的海底地形辅助导航问题,提出了海底地形同步定位与建图技术。利用水深预测手段和地形匹配方法进行帧间数据关联构建和闭环检测,并通过图优化技术进行海底地形同步定位与建图问题求解。仿真试验结果显示,在航行1h后,海底地形同步定位与建图系统的建图结果中所有测深点定位误差均值约为13m。     

基于因子图的无人机视觉定位方法

当前多用途无人机主要依靠全球导航卫星系统（GNSS）和惯性测量单元（IMU）的组合导航实现高精度定位,然而在强电磁干扰以及各类复杂环境GNSS拒止等情况下,该定位模式面临失效的风险。为探索一种GNSS拒止环境下的导航定位手段,对视觉导航方式进行了研究,针对无人机小交会角条件下视觉定位存在高程方向交会精度差、绝对尺度信息缺失、累积误差无法消除和定位轨迹不连续等问题,提出了基于因子图融合影像匹配和视觉信息的光束法平差方法,解决了无人机小交会角下的自主绝对定位问题。     

一种鲁棒GNSS矢量跟踪环

复杂环境下导航接收机的连续可用性一直是卫星导航领域的研究重点。针对矢量跟踪环动态适应性不够和误差在通道间传播的问题,提出一种鲁棒全球导航卫星系统(GNSS)矢量跟踪环。基于各通道的伪距、伪距率和伪距加速度状态量构建扩展卡尔曼滤波器(EKF),通过灵活设置过程噪声方差阵,实现跟踪通道的耦合与解耦;采用基于极大似然估计器(MLE)的鉴别器生成码延迟和载波频率偏差观测量;利用滤波值修正并预测伪距率来控制本地数控振荡器(NCO),实现环路的闭合。仿真结果表明,本文设计的矢量跟踪环在保证环路相互辅助的基础上,避免了衰减通道误差在通道间的传播,可以对被遮挡信号保持稳定跟踪,鲁棒性优于传统矢量延迟频率锁定环。     

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。     

一种鲁棒的非线性飞行控制律设计

介绍了一种反馈线性化方法——逆系统方法，用以解决非线性飞行控制。针对逆系统方法存在的误差，介绍了一种鲁棒控制方法——基于RBF神经网络直接自适应控制方法，利用李亚普诺夫稳定性定理推导了神经网络权值的自适应规律，保证了闭环系统的稳定性。设计了针对滚转通道的神经网络，并应用某型号飞机进行了非故障和故障状态的仿真，结果证明，自适应神经网络控制方法补偿作用显著，相当于系统具有一定的重构功能。     

一种鲁棒的概率核主成分分析模型

大数据时代面临的数据维数越来越高,对数据降维处理越发显得重要。经典的主成分分析模型已被证明是一种有效的数据降维方法。但它在处理非线性、存在噪声和异常点的数据时存在效果较差的问题。对此,文章提出了一种鲁棒概率核主成分分析模型。该模型将核方法与基于高斯隐变量模型的极大似然框架相结合,用多元 t分布作为先验分布,以同时解决主成分分析在这 3个方面的弊端。提出混合鲁棒概率核主成分分析模型,使其可直接用于对混合的非线性数据进行降维和聚类分析。在不同数据集上进行的实验结果表明,与标准的混合概率核主成分分析模型相比,文中模型在数据聚类方面有更高的准确率。     

一种鲁棒的红外与可见光多级景象匹配算法

针对基于特征的景象匹配方法对图像噪声和局部形变适应性差以及对特征质量依赖性强等问题,从提高图像特征描述能力入手,将具有局部光照和对比度不变性的相位一致性变换引入到红外与可见光景象匹配的特征表征中,以获得对噪声和局部形变较强的适应性。在此基础上,首先采用抗旋转的圆投影实现图像粗略匹配,然后基于Zernike矩推导出图像的互相关匹配重构函数并用来剔除错误匹配点,最后基于曲面拟合方法获得亚像素定位,从而实现图像精确与鲁棒匹配。仿真实验验证了所提算法的有效性。     

一种基于惯性测量单元和里程计的油气管道定位方法

对于惯性导航系统而言,当初始对准给定的信息不准确时,会导致惯性测量单元信息解算不准确,进而影响定位算法精度.针对油气管道定位问题,设计了一种基于惯性测量单元和里程计的油气管道定位方法,介绍了惯性测量单元和里程计定位的基本原理,分析了初始对准不准确对定位结果的影响,提出了基于首尾点坐标的轨迹校正方法.该校正方法补偿了初始...     

基于点云聚类评估的激光雷达鲁棒定位方法CSCD

基于先验地图的激光雷达定位方法在封闭工业场景下得到了广泛应用,然而环境变化、行人和车辆等动态物体的干扰会影响激光雷达与先验地图的匹配精度。提出了一种动态环境下基于点云聚类评估的三维激光雷达鲁棒定位方法:通过设定角度和距离双阈值,对点云深度图像进行分割聚类,相较于传统分割方法,分割结果对点云噪声更为鲁棒;通过对原始点云进行分割聚类,在粗匹配结果下评估聚类的匹配度,剔除误匹配聚类进行二次匹配以提高匹配精度;通过聚类评估的结果判断匹配成功和失败的点对,进而对点云整体匹配结果的正确性进行评估,相较于传统仅基于距离阈值的判断准则,具有更高的准确性;最终,分别通过公开数据集和实际试验验证了该算法的有效性。试验结果表明,相较于传统匹配方法,该方法有效提高了动态场景下的定位精度和匹配结果评估的准确度,定位误差可以维持在10cm以内。     

多控制面飞行器结构与配平鲁棒气动弹性优化方法

基于遗传算法,提出了一种考虑多控制面飞行器结构参数和配平关系中的不确定性的鲁棒气动弹性优化方法,并在一个带有主动气动弹性机翼(AAW)的复杂小展弦比飞机的结构和控制面传动比的鲁棒设计中得到了应用.以非概率形式来衡量设计变量的不确定性变化,采用单目标函数形式,并引入一个反映目标函数相对变化的额外约束来描述鲁棒优化问题.在...     

鲁棒自动驾驶仪的一种PID控制器的实现

在某初教机的线性模型基础上,分析模型参数的不确定性,通过使用MATLAB中的NCD模块对控制系统中PID控制器等参数进行优化设计.这种方法既避免了复杂的计算和编程,又使系统具有较好的稳定性、动态性能和鲁棒性,克服了依照多个不同高度和速度的飞行区域设计一系列控制器的缺点.     

控制系统的神经网络鲁棒设计方法

拓展了基于一个给定的模型考虑系统的摄动问题的这种传统的鲁棒控制设计方法,给定多个模型,设计多个鲁棒控制器,将有更大的容许摄动范围,针对多个不同控制器用传统方法很难同时实现的状况,用具有定性和定量多模态控制能力的神经网络同时实现了多个传统控制器的功能,方法简单,实现容易。将该方法用于飞机增稳系统的控制设计,仿真结果证明控制效果良好。