基于双目视觉的无人机编队相对定位算法

针对无人机编队飞行时双目视觉定位精确性差、计算量大、实时性不高的技术现状,对基于特征点的FAST定位和BRIEF旋转(Oriented fast and rotated brief,ORB)算法进行了改进,提出了一种适用于无人机双目视觉定位的算法。在改进ORB算法中,采用提取目标区域、最近邻约束和随机抽样一致(Random sampling consensus,RANSAC)方法,提高了特征点提取与匹配效率,也提高了特征点匹配质量;对于双目视觉定位,提出了适用条件更加宽泛的双目视觉定位模型,并保证了模型的定位精度;最后使用卡尔曼滤波算法对无人机的定位信息进行估计,进一步提高了无人机的定位精度。实验表明,算法具有较高的精确性和实时性,满足无人机间的相对定位要求。     

频率锁定对伞弹系统稳态特性的影响

旋转伞弹在下落过程中的稳定性直接影响着子弹的扫描性能,因此研究影响伞弹系统稳定性的因素非常重要.采用激光双目立体投影图像视觉技术在立式风洞中非接触测量了伞弹模型的扫描角和瞬时转速,介绍了测量与数据处理的方法,着重讨论了频率锁定现象对伞弹系统稳定扫描特性的影响.试验结果显示:在较窄风速范围内,存在频率锁定区域;在频率锁定区,扫描角和瞬时转速具有较好的周期稳定性,对外界的干扰不敏感,能量谱峰值也较显著.     

基于区域预测和视觉注意计算的快速目标检测

提出了一种结合区域预测与视觉注意模型化计算的快速目标检测方法.通过分析图像近似均匀的3个水平子区域的方向特征图之灰度比率,灰度特征图之信息熵和子区域位置,建立了目标区域预测的判定准则.同时,通过优选特征和优化特征图之权重,改进了视觉注意计算模型.对于一幅待检测图像,根据区域预测的判定准则,实现目标区域的快速预测,并利用改进的视觉注意计算模型对目标区域进行视觉注意计算,实现特定目标的快速精确定位.实验结果表明:针对户外场景中的行人目标,与通过整幅图像的视觉注意计算来实现目标检测的传统方法相比较,该检测方法可使检测时间缩短30%,同时还能使检测准确率提高9%.      

面向单目立体视觉的立方镜图像处理技术

面向单目视觉辅助光电准直仪对立方镜进行准直的需求,研究针对立方镜图像的数字图像处理技术。采用Canny边缘检测方法得到灰度图像中的边缘信息,借助Hough变换按照直线程度的强弱对边缘信息进行分类提取,得到图像中立方镜棱边对应的直线信息。按照偏角与截距对棱边直线信息进行分类排序,结合先验知识得到立方镜角点对应的配对相交直线,对配对直线求交点得到立方镜角点在图像中的位置,得到的立方镜棱边及角点信息为后续的立方镜位姿计算提供了基础数据。     

航天器交会计算机视觉系统测距求解新算法

对航天器交会对接最终逼近段应用的计算机视觉系统,提出目标航天器标志点测距求解新算法.该方法根据标志点构型几何特征,建立非线性测距方程组并构造加权目标函数,按最小二乘问题,采用Gauss-Newton数值迭代法求解测距最佳值.获得测距后,即可应用四元数估算法(QUEST)确定相对姿态与相对位置.对非共面标志点构型(如3点T型与5点锥型)和共面标志点构型(如正方形、矩形、菱形),目标函数均含标志点间距比率关系项;对共面构型,目标函数还包含共面条件项.对共面标志点四边形构型,利用对角线交点的虚影像坐标确定测距求解迭代初值.大量模拟计算结果表明,提出的测距求解算法对共面与非共面各种标志点构型普遍适用,满足最终逼近段相对状态确定要求.      

基于多核融合的目标大面积遮挡处理方法

提出了一种基于多核融合的目标遮挡处理方法,用于提高大面积遮挡情况下视觉目标跟踪算法的鲁棒性和准确性.与现有基于单个对称核加权直方图的mean shift跟踪算法不同,该方法以目标区域内的多个非中心位置为核函数中心,构建多个非对称核加权直方图.由于这些直方图对目标的不同区域赋予了不同的权重,使得在遮挡发生时总存在一些直方图受影响较小.依据各个直方图分别进行mean shift迭代获得一组目标位置估计后,利用D-S证据理论融合判定最终的目标位置.实验结果表明,该方法在目标被大面积遮挡时仍能够获得准确的跟踪.     

基于Rodrigues参数的视觉相对位姿确定算法

以Rodrigues参数作为姿态描述参数提出了一种视觉相对位姿确定算法。Rodrigues参 数作为一种简洁、高效的姿态描述法,适用于实时性要求高的视觉相对位姿确定,但它本身 的奇异性使其不能用于大角度的位姿确定。将视觉导航方法和无奇异姿态描述的Rodrig ues参数切换理论结合起来,推导了基于Rodrigues参数的视觉相对位姿解算模型,并给出了 这种相对位姿确定算法的流程。仿真结果表明该算法能很好地解决奇异问题,实现全姿态运 动情形下的相对位姿确定。
     

2019年国外导航技术发展综述

近年来,国外导航技术的发展呈现出多系统融合的发展态势,结合2019年国外导航技术的发展动态,对美国、欧盟、俄罗斯、印度等国家和地区的卫星导航、惯性导航、天文导航、视觉导航、数据库匹配导航、仿生导航、量子导航和全源导航等技术发展现状进行了总结分析,并对相关技术发展进行了展望。     

RGB-D SLAM综述

RGB-D SLAM是指使用RGB-D相机作为视觉传感器,进行同时定位与地图构建(SLAM)的技术。RGB-D相机是近几年推出的能够同时采集环境RGB图像和深度图像的视觉传感器。首先对主流RGB-D相机,RGB-D SLAM算法框架流程做了介绍,然后对RGB-D SLAM算法的国内外主要标志性成果,以及RGB-D SLAM的研究现状进行介绍,并对RGB-D SLAM方法前端视觉里程计中特征检测与匹配、后端位姿图优化、回环检测等关键技术进行介绍总结。最后,对RGB-D SLAM算法的优缺点进行了分析,并对RGB-D SLAM算法的研究热点及发展趋势进行了讨论。     

基于边缘信息的灰度目标跟踪算法

提出了一种基于边缘信息的跟踪算法,其可以实现对剧烈变化的灰度目标的精确跟踪.首先,利用基于双同心圆窗口算子的非线性边缘检测算法得到高质量的边缘信息;其次,为了解决单一边缘特征空间不能充分表征目标的难题,提出了一种通过组合边缘图像构建特征空间的方法,以便为目标建模提供充分信息;再次,在构建的特征空间中使用核估计方法对目标进行建模;在目标定位阶段,利用Kalman滤波器对目标进行预估后,再由Mean Shift算法在预估位置邻近区域实现目标定位;最后,提出了一种基于形态学的动态模型更新策略,使得算法不仅可以获得精确的目标区域,还可以实现对目标尺寸和形状变化的自适应.实验结果表明,本算法不仅可以有效跟踪剧烈变化的灰度目标,而且跟踪窗口可以实现对目标尺寸和形状的自适应.