一种基于张氏标定法的单目相机改进标定算法

单目视觉在地面机器人等无人导航系统中的应用越来越广泛,而相机参数的标定是利用视觉进行导航的基础性工作。标定结果的好坏,直接影响导航性能和定位精度。主要考虑单目相机的径向畸变,基于张正友平面标定法,通过利用Matlab进行图像预处理、利用OpenCV进行Harris角点检测和亚像素精确化等方法在角点提取精度等方面进行了改进,通过重投影法对标定结果进行了评估,并将其与Matlab相机标定工具箱Toolbox_calib所得结果进行了比较。实验结果表明,改进的标定算法标定结果精度更高,并且对多个摄像头传感器均有效,适用性强。     

基于视觉的模型烧蚀形貌实时测量方法

针对电弧风洞试验时模型烧蚀形貌实时的变化问题,使用数字散斑相关结合双目视觉的方法直接测量得到了模型烧蚀过程的形貌变化历程。利用散斑相关来进行图像数据的处理,同时综合了亚象素相关算法。通过测量获得了模型烧蚀过程的形貌实时变化情况。标定结果表明标定精度达到了0.02 mm;试验结果表明,测量方法可以为分析平板模型随烧蚀时间变化而变化的特性提供有效的试验数据。     

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。     

基于自适应纹理复杂度的仿生视觉导航方法研究

针对稠密光流在低纹理复杂度时精度较低的问题,提出了一种自适应纹理复杂度的稠密光流优化方法,以提升光流导航精度。根据三种不同大气条件下三种不同图像模糊程度的图像光流精度与纹理复杂度的统计图,推断稠密光流的精度与图像的纹理复杂度呈线性关系。通过建立图像纹理复杂度和稠密光流精度之间的直接联系,利用灰度共生矩阵的对比度参数评价图像纹理复杂度,采用最小二乘法拟合图像纹理复杂度和光流真值优化系数的函数关系,获得自适应纹理复杂度的稠密光流优化模型。基于该优化模型设计了仿真实验,实验结果表明,基于该模型可有效提升稠密光流在低纹理复杂度时的计算精度。     

基于视觉注意机制的认知雷达数据关联算法

针对传统关联波门设计方法在应用于机动目标跟踪时容易引起失跟、以及概率数据关联算法不适于多交叉目标跟踪的问题,提出了一种基于人类视觉选择性注意机制和知觉客体的"特征整合"理论的认知雷达数据关联算法。算法以综合交互式多模型概率数据关联算法为基础,采取假设目标最大机动水平已知的"当前"统计模型和匀速运动模型作为模型集,通过实时交互使关联波门能够随目标机动动态调整,较好地兼顾了雷达计算耗时和跟踪成功率。在利用目标位置特征的基础上,进一步提取、整合目标运动特征,对关联波门交叉区域公共量测进行分类,使多交叉目标跟踪问题转化为多个单目标跟踪问题,优化了传统概率数据关联算法。仿真结果表明：与传统关联波门设计方法相比,算法跟踪失败率和计算耗时明显降低;而且在计算资源增加不大的情况下,杂波环境适应性也得到了显著增强。     

单兵自主导航技术发展综述

在卫星受限情况下的单兵自主导航技术是近年来研究的热点。首先介绍了单兵自主导航技术的发展概况,然后重点分析了基于MIMU的单兵惯性导航技术的主要原理和方法,之后针对纯惯性导航存在的问题,介绍了地磁、场景、视觉等常用的单兵辅助导航方法,并阐述了单兵协同导航技术。最后,简要介绍了单兵自主导航技术的未来发展趋势。     

一种着陆视觉导航P3P问题的解法

P3P问题是机器视觉领域的经典问题,其多解的排除与唯一解的确定是研究热点。针对飞行器着陆过程中机载视觉设备跑道成像的特点,提出了一种着陆视觉导航P3P问题唯一解的求解方法。该方法首先通过机场跑道的3条边线计算相对姿态,再根据直线方程求解相对位置,最终完成飞行器与跑道之间6个自由度参数的唯一确定。     

基于视觉引导着陆的微小型四旋翼设计及实现

为了增强四旋翼的自主性,借用视觉导航方法要求在GPS丢失信号或信号精度不高的情况下进行辅助定位,使得四旋翼能够在某些特殊需求场合自动着陆。针对Harris角点检测算法计算量大的问题,设计了一种快速、准确的标志图像识别算法,将一个区域内的所有角点转换成一个单值角点,替代了Harris算法中的局部非极大值抑制算法,减小了计算量,并进一步设计了视觉模式下的姿态与位置转换算法和视觉着陆控制算法。为了验证所设计算法的可行性和有效性,基于STM32单片机搭建了微型四旋翼实验平台系统,并实时在线进行了性能实验,结果表明,标志图像识别算法能正确检测和识别出标志图像,视觉着陆算法也成功实现了四旋翼实验平台的着陆功能。     

无人机视觉引导对接过程中的协同目标检测

无人机空中自主回收是未来的发展趋势,对空中载具的自动识别是实现视觉引导回收的关键技术之一。目前对于空中关联目标检测的研究局限于单个目标个体,没有充分利用关联目标之间的信息。本文针对空中高动态对接中的关联目标检测问题,提出了一种母机与挂载对接物体的单阶段快速协同目标检测算法,包括相关类别并行独立分支目标检测、相关类别掩模增强检测以及相关类别的特征一致性约束,这些模块能够共同提升检测表现。实验表明,在测试集中该算法相比于YOLOv4能够提升4.3%的平均精度,相比YOLOv3-Tiny能够提升31.6%的平均精度。同时,该算法已应用在MBZIRC2020的高动态空中对接项目上,实现机载图像在线实时处理,团队借此斩获冠军。     

基于点线特征融合的双目惯性SLAM算法

针对室内弱纹理场景下,基于点特征的SLAM算法难以追踪足够多的有效特征点,导致系统定位精度和鲁棒性较差,甚至完全失效的问题,提出一种基于点线特征并融合惯性测量单元(IMU)的双目视觉惯性SLAM算法。利用点线特征的互补优势来提高数据关联的准确性,同时引入IMU数据为视觉定位算法提供先验和尺度信息,通过联合最小化多残差函数得到更准确的相机位姿,并据此构建环境点线特征地图、稠密地图和导航地图。针对传统线特征提取算法在复杂场景下易检测到大量短线段和相似线段特征以及线段存在过分割等弊端,利用线段长度抑制、近线合并及断线拼接策略在FLD算法的基础上进行改进,以降低线特征的误匹配率,运行速度是LSD算法的2倍以上。通过对比多组公开数据集和真实弱纹理场景下得到的仿真实验结果可知,所提算法在保证定位精度的同时能够获得更为丰富的环境地图,具备较好的鲁棒性。