RTK辅助的单目视觉地图构建与恢复方法

针对单目视觉SLAM在复杂场景下跟踪失败导致地图丢失的问题,提出了一种利用RTK信息辅助单目视觉的自动化地图构建与恢复方法。在视觉跟踪失败后,设计了一种自动化恢复地图构建方法,基于RTK信息的辅助,采用坐标变换算法处理丢失前的地图并将其融合到当前地图构建中,在提高建图效率的同时,最大程度地减少了地图信息的缺失。实验仿真结果表明,该方法可以解决系统无法继续跟踪建图的问题,与原始地图相比,其融合后构建的地图在保证全局一致性和完整性的基础上,可以保持米级的估计精度。     

多个MEMS惯性姿态模块同时标定方法研究

针对MEMS 惯性姿态模块的应用需求, 根据已有的MEMS 三轴加速度计和 三轴陀螺仪的零偏、标度因子和非正交等误差及其随温度的变化模型, 设计了多个 MEMS 惯性姿态模块误差同时标定的方法,该方法可实现多个模块传感器数据的同步采 集,在常温下可对多个MEMS 惯性姿态模块的非正交误差进行批量标定,在全温度范围 内同时标定多个模块的温度漂移误差。试验表明,该方法校正了MEMS 惯性传感器的非 正交误差和温度漂移误差,提高了MEMS 惯性传感器的精度,同时提高了标定的效率, 减少了标定成本,有利于工程实现。     

多视图场景确定下的空间点位置视觉标定方法

针对空间特征点三维位置标定问题,提出一种多视图场景确定下的空间点位置视觉标定方法。该方法基于计算机视觉原理,通过在场景内放置棋盘模板确定图像场景位姿参数,而后根据多视图图像下的空间点图像坐标和场景位姿参数求解空间点三维位置坐标。试验结果表明,该方法下的空间点标记位置与真实位置间的距离误差小于1 mm,适用于高精度要求下的特征点位置标定。     

GPS移动基准站差分定位算法

相对导航定位技术在空中加油任务中起着至关重要的引导作用。针对传统差分定位模式受限于基准站位置固定、覆盖范围有限等问题,研究了一种无固定基准站差分定位方案,实现了短基线高精度动态相对定位。该方案首先基于实时伪距单点定位求得移动站近似坐标,结合载波信息进行站间差分,求得单差模糊度浮点解及更高精度的移动站坐标。之后,再利用双差观测方程,并采用扩展Kalman滤波(Extended Kalman Filtering,EKF)算法获得移动站精确坐标和双差模糊度浮点解。最后,采用LAMBDA算法进行模糊度快速固定,获得最终定位结果。实验结果表明,所采用的无固定基准站差分定位方案使得基线长度均方差小于5cm,达到了较高的动态相对定位精度。     

无人机位姿测量的点特征视觉方法

针对无人机在动态环境下快速高精度定位的问题,提出了用单目相机对无人机上的人工特征点进行位姿解算的方法。在无人机上放置一定数量的小型LED灯,并将其作为视觉测量的特征点,并以其中一个点作为原点建立无人机机体坐标系。通过多场景测量确定特征点在机体坐标系下的三维位置,再将三维位置与特征点在图像中的成像位置相匹配,最后使用EpnP算法求解出无人机的位置和姿态。在实验部分,利用三轴移动平台和三维转台,分别对位置解算结果和姿态解算结果进行误差测量。试验结果表明,位置解算误差在2%以下,姿态误差在8%左右。同时,该算法的处理时间在2 ms左右,该算法可以满足无人机对定位的实时性和精度的要求。     

基于轨迹拐点滤波的激光雷达里程计定位算法研究

在GPS拒止环境下，激光雷达里程计可以利用帧间匹配跟踪车辆实现定位，但是定位误差随时间累积的特性造成激光雷达里程计(LO)缺乏持续性。为解决LO的误差累积问题，引入轻量级地图OSM。基于粒子滤波框架，以LO作为运动模型的输入，通过两次筛选提取拐点，利用拐点匹配完成与地图的对齐，并以粒子的均值作为车辆校正后的位置，实现对定位误差的校正。提出了一种新的粒子权重模型，利用不同节点的相似度模型及测量值作为粒子权重的更新依据，避免拐点与路网节点的错误关联导致定位误差加大。经由KITTI数据集上的实验验证，该算法可以有效克服LO误差漂移问题，相较于原始LO定位精度至少提高了49.22%，且具有较好的实时性。