地面无人平台视觉导航定位技术研究

地面无人平台实现自动驾驶等功能的核心难题在于如何感知其所处环境并获得自身在环境中的实时状态。机器视觉作为地面无人平台在复杂环境下实现自主导航及定位的重要手段,近年来得到了快速发展。系统性地分析了视觉定位与地图构建系统的基本架构,并对该架构包含的图像信息预处理、视觉里程计、回环检测、全局优化和地图构建模块分别进行了详细介绍。针对各模块所涉及的关键技术,总结了近些年来国内外主流的研究成果,对比分析了各个关键技术中主流方法的性能,并展望了地面无人平台视觉导航定位技术的发展方向。     

单目相机物体位姿估计方法研究

现有的机器视觉通常以边缘轮廓和角点作为特征,因此要求背景单一,对环境结构化依赖程度高。为了拓展机器人的应用范围,使其脱离结构化的环境,提出了一种基于SIFT特征点和PNP技术的单目相机估计目标物体位姿的方法。以BumbleBee双目相机为硬件基础,以C++为开发平台,结合了Eigen计算库、OpenCV图像处理库和Triclops库,开发了单目视觉位姿估计算法,实现在复杂背景下对表面纹理较为丰富的物体的位姿估计。利用试验对所提方法进行了验证,试验结果表明,该算法具有较高的估计精度,可以作为机器抓取的依据。     

一种地形轮廓特征的立体视觉三维重建方法

针对自然地形轮廓特征的三维数据测量问题,提出了一种基于区域分割的立体视觉三维重建方法。先通过分水岭变换进行图像分割,根据分割区域边界确定图像中场景的轮廓边缘。轮廓边缘按所属区域分组进行立体匹配,根据分割区域相互邻接的全局特征和各区域的位置、尺寸、灰度值局部特征建立区域约束,并根据区域边缘像素点梯度分布特点建立梯度方向约束,以减小立体匹配的搜索空间、优化匹配顺序、提高匹配精度。进而根据双目立体视觉的成像模型计算匹配边缘点的三维坐标,实现地形轮廓边缘的三维重建。实验结果表明,该方法能够快速有效地重建出体现地形三维结构特征的轮廓边缘,并具有较高的立体匹配正确率和重建精度。     

基于序列图像的无人机自测速方法与试验

为自主、精确测量无人机的飞行速度,研究并发展了一种基于序列图像的无人机自测速方法并进行了相应的试验。该方法利用无人机上已有的惯导装置、高度计和摄像机,在连续成像的条件下,通过匹配跟踪得到地面同名点在相邻两帧光学或红外实时图中的位置,利用飞行高度、姿态信息和成像帧频计算得到无人机的瞬时飞行速度。在无人机的匀速平飞段,通过大量数据拟合得到高精度的平均飞行速度。通过挂飞试验对方法进行了验证,实时得到了小于0.2 m/s的测速结果,满足工程要求的精度,为工程应用打下了一定的基础。     

双摄像机光笔式三维坐标测量系统研究

基于双目立体视觉传感器三维测量模型和空间坐标变换原理,采用最小二乘冗余算法,讨论了双摄像机测量空间三维点坐标的基本原理,建立了视觉测量系统的非线性测量方程。通过实验验证了双摄像机光笔式三维坐标视觉测量系统建立的可行性。     

材料缺陷视觉检测及公差测量关键技术研究

在研究分析了竹板基材外形特点、表面缺陷特征的基础上,设计了竹板基材缺陷视觉检测及公差测量系统;根据双目视觉原理,经曲线曲率特征匹配方法,可计算得到光条上曲率绝对值最大值点的空间位置和深度;结合基材尺寸的公差测量方法,可实现基材宽度与厚度的测量;针对竹板基材纹理表面的复杂性,提出了基于小波分解与聚类思想的基材缺陷检测算法,实现了对基材缺陷的视觉检测:并用实验进行了验证.     

基于视觉搜索的飞机显示界面设计原则

对飞行员在飞行中通过视觉搜索监视各种仪表信息的过程进行研究,探索时间压力和搜索难度两个因素对视觉搜索绩效的影响,从而为飞机座舱显示界面的工效学设计提供科学依据.设计视觉搜索程序来模拟飞机显示界面,并通过预实验确定时间压力水平和搜索难度水平的典型分级范围,在此基础上进行正式实验并记录反应正确率和反应时间.采用SPSS 19.0对实验结果进行双因素分析、简单效应、回归分析等,得到如下结论:不同水平的时间压力和搜索难度对反应正确率的影响具有显著性差异;不同水平的搜索难度对反应时间的影响具有显著性差异,并且在一定条件下反应时间和干扰项数目成线性递增关系;在保证较高正确率的状态下,即在人的认知能力范围之内,不同的时间压力水平对反应时间的影响没有显著性差异.因此,在飞机座舱显示界面视觉搜索的工效学设计中,要将时间压力和搜索难度进行最佳匹配才能取得较好的工作绩效.      

基于编解码双路卷积神经网络的视觉自定位方法

为了从单张RGB图像估计出相机的位姿信息,提出了一种深度编解码双路卷积神经网络（CNN）,提升了视觉自定位的精度。首先,使用编码器从输入图像中提取高维特征;然后,使用解码器提升特征的空间分辨率;最后,通过多尺度位姿预测器输出位姿参数。由于位置和姿态的特性不同,网络从解码器开始采用双路结构,对位置和姿态分别进行处理,并且在编解码之间增加跳跃连接以保持空间信息。实验结果表明:所提网络的精度与目前同类型算法相比有明显提升,其中相机姿态角度精度有较大提升。      

基于数据驱动的非合作航天器姿态估计与预测方法

针对临近操作对非合作航天器的相对导航问题,考虑角速度测量缺失以及视觉特征丢失,提出了一种融合乘性扩展卡尔曼滤波和姿态预测的框架,实现了对非合作航天器的姿态估计和预测。采用惯性参数对状态向量进行了扩维,在缺少角速度测量的情况下预估了非合作航天器的姿态和相对转动惯量的比值。基于函数拟合和神经网络分别设计了两种姿态预测方法,解决了传统方法误差随时间累积的问题,有效减少了计算成本。最后,通过数值仿真验证了滤波估计和姿态预测算法的实时性和准确性。     

气膜孔轴线方向的视觉测量技术研究

针对高压涡轮叶片气膜孔的轴线方向测量难题,将非接触式的视觉测量技术与常规的多轴坐标测量技术相结合,搭建了气膜孔五轴视觉坐标测量系统,以在气膜孔的测量方法和设备方面开展探索与研究。为了获取被测气膜孔的轴线矢量参数,提出了采用景深合成技术来实现气膜孔形貌的三维重建,并将工业相机获取到的图像序列转化为三维物理数据的测量方法,而后通过空间直线拟合获取到了被测气膜孔的轴线矢量,以表征气膜孔的轴线方向。为了验证该方法的有效性和可行性,选取某型高压涡轮导向叶片作为被测物体,应用该测量系统对其前缘部位上的目标气膜孔进行了轴线矢量参数的10次等精度重复测量试验,轴线角度的重复性测量误差不大于0.30°,从而提供了一种气膜孔轴线方向的测量技术解决方案。