基于双目视觉的航天器间相对位置和姿态的测量方法

在光学测量基本原理上建立了双目视觉测量模型,提出了基于双目视觉的航天器间相对位置及姿态的测量方法,并对测量系统中的误差进行分析,得到影响测量精度的因素。仿真结果表明该方法有效,获得的航天器间相对空间位姿信息的精度能满足航天测控要求,对航天器在轨实时应用具有重要参考价值。     

基于单目视觉系统的远距离场景重建算法研究

提出了一种基于机载前视被动传感器(电视传感器或红外成像传感器)获取的序列图像,并结合惯导信息,恢复前视场景深度的新方法。通过将前视三维场景看作一组具有不同深度的,分别对应背景和障碍物的层的集合,将复杂的场景重建问题简化为对各层深度集和像素标记场的计算;我们使用贝叶斯方法解决对各参数的估计,并使用图论方法快速求解。试验表明,该方法是可行的。     

基于特征光点单坐标系坐标的运动目标相对位置姿态光学测量方法

针对运动目标的相对位置姿态测量问题,研究了一种利用四个非共线特征光点的光学 测量方法。推导了基于特征光点目标坐标系和测量坐标系坐标的运动目标相对位置姿态解算 公式;进而给出了基于特征光点单坐标系坐标的位置姿态的解析解;并建立了测量的误差模 型。该方法对特征光点布局要求低,对摄像机模型没有限制。实验结果表明,该方法可满足 运动目标的相对位置姿态测量需求。     

基于视觉抗扰动测量空间目标位置姿态

提出了固连修正相机和基于光束法平差实时修正测量系统参数两种基于视觉抗扰动测量空间目标位置姿态参数的方法,并给出了数字仿真和实物实验结果。机器人在空间等恶劣环境中的自主导航中,由于空间的温差巨大等不利条件,而且存在着许多不可预知因素,使得用于机器人导航的视觉测量系统易受扰动并严重影响对目标相对位置姿态参数的测量结果。通过所提出的抗扰动测量方法,在测量系统参数受扰动的情况下,仍能得到与未受扰动时精度相当的测量结果。     

基于稀疏光流的无人机自主导航方案

提出了在无已知地面合作目标的情况下,给出高精度导航信息的基于稀疏光流的无人机(UAV)自主导航方案。通过计算两帧图像间的稀疏光流场,融合捷联惯导系统(INS)/电子罗盘/高度表系统/激光测距仪等传感器测量数据,构造两个H∞滤波器,分别对高度、姿态角与水平面上的速度误差进行估计。本导航方案适用于诸如无人机低空飞行阶段、进近阶段等不宜布置人工或已知地面合作目标的场合。使用自主开发的"无人机自主着陆实时仿真验证平台"对该方案进行仿真,结果显示本方案能够有效地抑制惯导系统由于漂移而造成的位置估计误差,同时可以给出精确的高度、速度与姿态角估计值。     

无人机视觉地理定位研究综述

近年来,无人机在控制稳定性、传感器精度和载荷智能化等方面进步显著,被普遍应用于情报侦察、打击引导、安防巡逻、应急救援、森林巡检等军事和民用领域。无人机及其载荷主要承担发现和定位目标的任务,利用相机对地面目标地理定位(简称对地视觉定位)是最为普及的低成本手段,属于航空摄影测量技术分支。基于深度学习的计算机视觉浪潮促进了各类无人系统视觉感知能力的智能化发展,对于搭载光电载荷的无人机而言,对地目标智能识别和定位是重要的能力增长点。鉴于此,系统总结了无人机对地视觉定位技术的研究现状,全面细致地探究了定位过程涉及的各类坐标系定义与相互转换关系,指出了关键原理问题和技术途径。无人机视觉地理定位可分为单机定位和多机协同定位两种方式,主要通过基于辅助地理信息的定位、已知目标距离的定位、三角定位和纯角度滤波定位四种途径实现。同时,预测了未来无人机视觉地理定位技术的研究趋势,力求为无人机系统智能化发展提供支撑。     

车载大视场视觉惯性组合导航算法研究

车载视觉导航在大角度旋转和高速运动等场景下表现不佳,由于视觉和惯性的误差特性互补,所以视觉惯性组合导航算法有良好的应用前景。大视场相机获取外界信息丰富,但大视场相机采样频率低影响视觉数据采集,而且基于优化的组合导航算法计算速度慢,故提出了一种适用于大视场相机的车载视觉惯性组合导航算法。该算法侧重于数据预处理：设计了基于伽马函数的对比度受限自适应直方图均衡化来降低图像噪声,通过FAST角点与光流法的组合完成特征提取与跟踪,进一步加快了计算速度。引入了惯性数据等效旋转矢量二子样算法来减少数据量和计算量,通过预积分算法为误差优化减少计算量,通过视觉误差、惯性误差以及边缘化误差联合优化来提高精度。与其他组合导航算法相比,该算法精度较高,计算速度最快,与VINS-Mono相比节省时间19.7%。     

多无人系统协同视觉SLAM算法

针对传统同时定位与地图构建(SLAM)方法受计算能力、存储能力的限制无法在大范围场景下作业,无法建立大范围场景的全局一致性地图等问题,基于ORB-SLAM2系统框架建立了一种中心式的多无人系统协同视觉SLAM算法。设计了地图大小限制策略,以保证无人系统不受机载设备算力和存储能力的影响,基于字典机制和Sim3转换构建了地图融合优化算法,以完成全局地图构建与优化。最后进行了数据集测试,结果表明：所提出算法能够完成多无人系统协同SLAM,相对传统SLAM算法具有明显优势。     

基于视觉SLAM的飞机模拟座舱三维地图构建

针对飞机座舱副驾驶的研究需要,为使得机械臂能够在飞机座舱完成导航任务,旨在构建一个可用于机械臂导航的飞机模拟座舱三维地图。针对特征点分布情况对即时定位与地图构建(simultaneous localization and mapping,简称SLAM)的建图精度的影响,通过实验对比,验证了ORB-SLAM改进的ORB(oriented FAST and rotated BRIEF)特征检测算法相对于OpenCV库中SIFT,SURF和ORB算法检测提取的特征点分布更加均匀,更适用于SLAM。采用Kinect V2.0作为深度信息图像和彩色图像的数据采集设备,在飞机模拟座舱真实的环境下,结合ROS系统和ORBSLAM2系统框架,构建了飞机座舱内的三维稠密点云地图。针对点云地图存在数据大和难以实现导航等问题,采用了OctoMap数据模型,该数据模型能够压缩点云,调节分辨率和判断空间是否被占据,将点云地图转化为八叉树地图,最终获得数据小和适用于导航的三维八叉树地图。     

基于视觉显著性和卷积神经网络的机场目标快速检测

针对现有的机场目标检测算法用于大幅面遥感图像时检测速度慢、准确率低的问题,文章提出了一种基于视觉显著性和卷积神经网络相结合的高效、精确的机场目标检测方法.首先,根据机场形状特征,采用基于直线分布特征的视觉显著性检测方法提取候选区域,对机场的可能位置进行粗定位;然后,设计了一种改进的卷积神经网络分类模型判断候选区域是否为...