计算机视觉三维图象重构及应用展望

通过二维图象信息分析实三三维图象重构是计算机视觉研究的重要基础理论之,本文建立在Ｍａｒｒ的理论基础之上,详细介绍了利用双路摄象机得到珠休 象,由图象定量恢复三维物体形状的大致过程及其基本原理,并在此基础上之上建立起一套计算机图象处理与分析软件,实现了物体三维形状的重构。     

球面镜折反射全向视觉系统理论研究

对球面镜折反射全向视觉系统的某些理论问题进行了研究。建立了球面镜系统的投影模型;推导了系统的垂直视场角和系统各参数问的关系;使用逆坐标映射方法对全向图像进行展开;建立了实验系统,最终验证了球面镜系统的应用意义。     

基于主元分析的微小型飞行器视觉导航

作为一种新兴的无人机,微小型飞行器(MAV)近年来广受关注。研究微小型飞行器导航技术的关键是研究视觉导航技术在微小型飞行器中的应用。针对微小型飞行器视觉导航中的运算量大而导致算法实时性差的问题,给出了一个新的计算框架。利用主元分析技术(PCA),在最小方差意义下得到了图像的简化表示。在此简化的基础上,进行了图像特征的提取。对真实图像的实验结果表明,利用主元分析处理后的图像进行导航特征的提取,其实时性优于RGB三通道求和取平均的方法。     

一种巡视器惯性/视觉组合导航新方法

在以运动参数误差为状态量、视觉导航与惯导导航相对运动参数差为观测量 的传统惯性/视觉组合导航方法中, 为解决相对运动参数同时与前后两个时 刻状态相关的问题, 采用将前一时刻位置和姿态误差增广到状态量中的方法, 并且假设增广的状态量为常值, 导致状态模型中引入了较大的误差. 基于 真实位置、姿态建立观测量误差模型, 导致观测量同时与前后两个时刻的状 态相关. 本文以惯导误差方程为状态模型, 采用四元数差形式的相对运动 参数差作为观测量, 基于上一时刻组合导航位置、姿态估计值建立观测量误 差模型, 实现了状态的增广, 并使得量测信息仅与当前时刻的位置误差和平 台失准角相关, 克服了状态模型误差较大的问题. 月面仿真和地面模拟实验 均表明, 该方法能够达到较高的位置和姿态估计精度.      

一种改进的巡视器惯性/视觉组合导航模型

在传统的以惯性与视觉相对运动参数差为观测量的惯性/视觉组合导航模型中,为了得到简单的观测矩阵,惯性相对旋转四元数与平台失准角之间的函数关系往往通过近似处理得到。但当航向角较大时,该近似处理的误差很大,不可忽略。为解决该问题,文章提出了一种不需该近似处理的改进的观测量误差分析方法,并建立了改进的观测模型。该方法利用含误差的惯性姿态已知的特点,得到了更精确的惯性相对旋转四元数误差表达式,减少了Kalman滤波中惯性与视觉相对旋转差的状态模型预测误差。月面仿真和地面试验表明该改进方法相比传统方法可实现更高的导航精度,其中位置精度提高达68%。     

基于深度图推理的卫星背板部件检测方法

在轨加注是一种典型的在轨服务操作,它对于降低空间运输成本和任务风险起着重要的作用,视觉感知系统可以感知操作任务周围环境并提供给控制系统。目前在轨加注依赖于人,在人员监控下完成或通过遥操作完成,缺乏自主性。本文围绕未来高自主性的基于深度强化学习的在轨加注方法,对基于深度学习的视觉感知方法展开了研究,针对基于深度学习的方法对相似实例的检测存在精确率低、对光照变化敏感等缺点,提出了基于深度图推理的卫星背板部件检测方法。提出的方法可以有效地检测复杂形状的目标,不依赖于手工设计的特征;提高了复杂光照环境下部件的检测正确率;可以有效区分外形相似的不同部件;其有效性在数学仿真和物理仿真中均得到了验证。     

双目视觉导航信息的可观测性分析

本文针对飞行器相对导航中双目视觉测量系统的可观测性问题进行了研究。推导了系统估计的Fisher信息矩阵,提出利用Fisher信息矩阵的秩分析来判断双目视觉导航信息观测性的方法,研究了特征点个数及分布与Fisher信息矩阵秩及相应系统可观测性的关系,得出至少2个特征点能满足双目视觉测量系统完全可观测的结论。结合测量方程的不同,分析比较了在相同特征点个数情况下单目视觉与双目视觉测量系统可观测性的优劣,最后,通过单幅图片位置和姿态确定数值仿真,验证了基于Fisher信息矩阵的双目视觉系统可观测性分析结论的正确性。     

视觉SLAM方法综述

实时定位与建图(SLAM)技术搭载特定传感器,使移动机器人在无任何环境先验条件下,在运动过程中自主建立环境模型来计算自身位姿,大幅提高其自主导航能力,以及对不同应用环境的适应性。视觉SLAM方法以相机作为外部传感器,通过采集周围环境信息来创建地图并实时估计机器人自身位姿。为此,介绍了具有代表性的经典视觉SLAM方法及与深度学习相结合的视觉SLAM方法,分析了视觉SLAM方法中采用的不同特征检测方法、后端优化、闭环检测,以及动态环境下视觉SLAM方法的应用,总结了视觉SLAM方法的问题,并探讨了视觉SLAM方法在未来的热点研究方向和发展前景。     

GEO非合作目标超近距相对位姿视觉测量

提出一种基于几何特征综合匹配的双目超近距相对位姿视觉测量方法。首先,将失效卫星的矩形太阳帆板作为几何特征,采用综合匹配方法实现了双目图像的高精度匹配,随后基于几何特征指标参数判别和ROI检测方法,实现了卫星太阳帆板特征点组的识别与提取,在此基础上,进一步建立了目标坐标系,通过三维重建完成了超近距阶段失效卫星的相对位姿高精度解算。最后建立了高精度双目视觉超近距相对测量实验系统,结合所提出的综合匹配算法和相对位姿解算方法,完成了动态非合作目标的相对位姿测量实验,实验结果说明所提出的方法具有较好的实时性和较高的精度。