基于语义先验和几何约束的动态场景SLAM算法北大核心CSCD

实际场景中运动物体的特征点加入到相机位姿计算中,以及静态环境特征点过度稀疏都会导致移动机器人传统视觉同步定位与地图构建(simultaneous localization and mapping,SLAM)算法在位姿估计时精度低、鲁棒性差。设计了基于分支空洞卷积的双边语义分割算法,将环境区分为潜在运动区域和静态区域;结合几何约束进行静态特征点的二次判断及对没有先验动态标记而具有移动性的特征点的判断,并在事先均匀提取的全部特征点中进行移除,只应用静态特征点求解相机位姿和构建静态环境地图。在TUM公共数据集上进行实验,验证了提出算法在动态环境中SLAM的定位精度明显优于现有其他方法。在存在运动物体的真实环境下进行建图实验,与ORB-SLAM2算法进行对比,本文算法在动态场景中构建的地图更清晰。     

基于VI-SLAM的四旋翼自主飞行与三维稠密重构

提出全自主的微型飞行器,使用板载传感器实现三维的同时定位与稠密重构。在ORB-SLAM系统的基础上,基于扩展卡尔曼滤波器实现了视觉-惯导的传感器融合,提高了系统的稳健性和精度以满足微型飞行器自主飞行的要求。由于ORB-SLAM系统创建的稀疏的特征地图不能用于微型飞行器的避障和导航,使用双目摄像机提出了改进的构建地图的方法,由稀疏特征点地图扩展为稠密的八叉树地图。通过EuRoC数据集进行评估,可以验证本文算法较基于关键帧的视觉-惯导算法平均精度提升了1倍。将本文算法应用于所搭建的四旋翼自主飞行平台,仅依靠板载传感器和处理器,实现了全自主飞行与稠密地图构建,验证了本文算法的有效性和稳健性。     

基于射线坡度阈值的城市地面分割算法

针对城市环境激光雷达点云地面分割过程中坡度路面、障碍物和地面交界处存在欠分割与过分割的问题,提出一种应用于不同城市场景的地面分割算法。该算法首先利用激光雷达水平角分辨率将点云进行线序化排列,再利用射线前后点的距离比去除悬空异常噪点;随后借助射线点距离与坡度信息自适应调整高度阈值;最后利用调整后的全局与局部高度阈值进行地面分割。对3种不同类型的城市路面进行的实验验证了本文算法的有效性,该算法在不同城市场景下均可区分障碍物与地面交界处的点云与坡面,平均分割准确度达98%,平均耗时2 ms。     

融合Kinect与γ相机图像的放射性区域重建与定位

针对核设施退役、核应急处置过程中放射性分布信息的可视化需求，提出了一种基于Kinect与γ相机图像信息融合的放射性区域重建与定位方法。首先，基于γ相机的特殊成像方式，构建了Kinect与γ相机组合成像模型，并完成相机组合联合标定；其次，基于视觉地图构建方法，建立了核辐射环境稠密点云地图并得到Kinect位姿；然后，提取γ相机图像中的放射性分布信息，根据相机组合模型计算地图中的放射性区域点云；最后，基于最小包围盒对γ相机成像的中心区域进行三维定位。在实验中，通过将Kinect和γ相机数据同步与空间对齐，在少量γ相机图像的情况下，实现了单个点源的三维分布重建模型与辐射场景地图的融合。在8×12 m2的实验室环境中点源定位的均方根误差为0.11 m，证明了本文方法的有效性。     

基于机载激光雷达点云的雪道坡度提取算法

滑雪场的雪道坡度信息不仅是雪场规划和建设所需的必要内容,也是滑雪运动员提高成绩、减少运动损伤的重要数据。传统的手动测量方式费时费力,且雪场的低温环境不利于测量人员长时间作业。为了解决滑雪场的雪道坡度计算问题,提出了一种基于激光雷达点云的雪道坡度自动提取算法。使用投影高程差滤波、聚类分割等算法对雪场点云进行预处理,获取雪道边缘特征数据。提出了一种自适应阈值的拟合算法,用于雪道中线的提取,该算法可根据点云数量信息及坐标信息,自动选择阈值拟合雪道中线,消除了实际应用中部分点云数据稀疏或缺失对中线拟合带来的不利影响。数据处理结果表明,该方法计算所得坡度值与多次手动测量平均值之间的相对误差为2.2%。这一方法对激光雷达在雪场目标上的应用、雪场测绘中雪道坡度计算等具有参考意义。     

移动机器人SLAM问题的研究

针对移动机器人同时定位与地图创建(SLAM)的问题,就扩展卡尔曼(EKF)算法所存在的缺陷,提出了一种改进的EKF-SLAM算法。它在扩展卡尔曼(EKF)算法上采用Rao-Blackwellise的分解思想-分解估计构架,将SLAM问题分解为路径估计和地图估计两个问题。实验表明,提出的算法大大降低了计算复杂度,提高了准确性,为在比较复杂环境下实时解决移动机器人同时定位与地图创建(SLAM)的问题提供了一种有效方法。     

基于激光测距仪全局匹配扫描的SLAM算法研究

针对传统的SLAM(Simultaneous Localization and Mapping)算法构建地图时容易受环境因素和外界条件的的影响,在非线性系统状态下误差修正能力不足,且当机器人位姿都处于未知状态时,移动机器人位姿获取不精确,地图构建SLAM技术特征量的获取比较繁琐、不准确等问题。以电力巡检机器人为平台,研究了基于全局匹配的扫描算法,摒弃传统的栅格地图模型的插值方法,采用双线性滤波的插值方法,保证子栅格单元的精确性,估算栅格占用函数的概率和导数。最后采用此算法解决了SLAM地图构建的问题,并分别在室内室外环境进行实验。实验结果表明：基于激光测距仪的全局匹配扫描的SALM算法,在室内室外两种不同环境下,不受复杂背景的影响,准确地进行机器人位姿定位,以及环境地图的构建     

基于色彩分割的水下立体匹配算法的研究

针对空气中极线几何不再适用于水下双目图像匹配以及尺度不变特征转换(SIFT)算法只能实现稀疏匹配的问题,提出了基于色彩分割的水下立体匹配算法。获取双目摄像机标定参数、参考图和待匹配图;推导参考图的特征点在待匹配图上对应的曲线表达式,同时利用均值漂移算法对参考图进行图像分割;用像素灰度差的绝对误差和算法进行匹配,根据图像分割结果对窗口内像素分配不同权重,并将搜索范围改为在对应曲线上,提高匹配精度。实验结果表明,该算法优于特征匹配SIFT算法,匹配精度有所提高,成功将区域匹配算法应用于水下图像稠密匹配。     

基于改进的局部表面凸性算法三维点云分割

点云分割是点云分类、识别以及三维重建等处理的基础,分割结果对后续应用影响巨大。本文提出利用连通点集改进局部表面凸性算法中邻近点关系的方法,解决目前激光三维成像系统点云分割算法在处理复杂环境散乱点云时存在分割过度及分割不充分的问题,通过主顶点与周围点构成连通集,作为分割判断局部子点集,形成有效分割区域。该方法解决了常用点云分割方法无法对形状不规则物体进行有效分割的问题,提高了分割精度。算法实验结果表明,相比于最小切割算法和区域生长算法,基于连通点集的改进局部表面凸性算法对实际路面环境信息的分割效果更好,并能在一定程度上避免分割过度和分割不充分的情况,证明该方法适用于复杂环境散乱点云数据分割。     

航空发动机外形点云的特征分割方法

目前我国存在较多外购发动机的情况，外购发动机存在只有实物及安装尺寸等信息，而没有三维数字化模型的问题，这给飞机与发动机的装配协调设计带来较大困难，因此飞机设计部门对快速重构航空发动机的外形几何模型提出了迫切需求。为了使重建出的发动机外形几何模型尽可能地保留准确的结构特征，提出了一种基于深度学习的航空发动机外形点云特征分割方法，该方法将整体点云分割成特征数据与非特征数据，这有利于后续采用不同的方法重建出各种复杂的结构特征。设计了一种迭代密度均衡算法用于构建特征分割数据集，该算法为特征分割网络的训练、测试和性能评估提供基础；设计了一种特征分割网络，从多尺度局部表面片中收集形状结构和局部邻域信息，用于判断其中心是否是特征点。将训练好的特征分割网络模型应用于发动机外形点云，验证结果表明，特征分割精度达到95.16%,所提算法实现了高精度语义分割。     

基于三维激光扫描的物体重构建模

针对锂离子电池SOC(荷电状态)难以估算的问题,通过对电池建立等效的Thevenin电路模型,对不同时刻的SOC的模型参数进行拟合得到动态的模型参数,在Matlab中借助Simulink建立仿真模型,采用模块化结构,建立基于卡尔曼滤波算法的电池SOC估算系统;利用测得的电池电压电流,仿真系统可直接估算出实时的电池SOC,与实际的电池SOC对比,误差保持在2.5%以内,表明该方法可以有效的估计电池的SOC,对于锂离子电池在实际应用的容量估算有着重要意义。     

基于视觉注意的彩色图像检索方法

基于视觉注意模型提取的特征能够反映图像高层语义的新特征,将视觉注意机制引入到图像分析领域能有效地减小语义鸿沟,获得高效的图像检索性能.根据视觉感知的特点,对Itti视觉注意模型进行了改进.采用主分量图表示亮度图,将纹理粗糙度信息融入视觉注意模型,进而提出了一种基于视觉注意空间分布特征的图像检索算法.首先由改进视觉注意模型将图像分解得到38个视觉特征图,然后采用网格平分法提取视觉特征图的空间分布信息,组成特征矢量来多层次地对图像特征进行描述,用于图像检索.实验结果表明,该算法利用基于改进注意力模型方法来提取图像空间分布特征进行图像检索,能获得较高的检索率.     

抗混叠轮廓波域采用压缩感知的云图融合方法

提出一种采用压缩感知的云图融合方法.该方法针对传统轮廓波存在频谱混叠的缺点,结合抗混叠塔式滤波器组和方向滤波器组,构造出一种抗混叠的轮廓波变换,并将其引入压缩感知中的稀疏表示环节,将云图分解成稠密和稀疏两部分|对稠密成份采用传统方法进行融合,而对稀疏成份,则在压缩感知框架下,通过少数线性测量的融合,并采用二步迭代收缩的图像重构算法,在迭代时利用前面两个估计值更新当前值,得到融合结果.实验表明,该方法的融合结果无论在视觉质量及定量指标上都明显优于传统方法,有利于揭示全面的天气信息.     

Novel biological visual attention mechanism via Gaussian harmony search

Most of the visual attention models are based on the concept of a two-dimensional saliency map, which encodes the conspicuity of the object in the visual scene. The visual attention model proposed by Laurent Itti is used in this work. In Itti's model, the saliency map is calculated via combining the information across several modalities, including color, intensity, and orientation. In this work, we propose a pre-training process to select the weightings used in the combining of feature maps to make the target more conspicuity in the saliency map. Harmony search (HS) algorithm is used in the pre-training process to obtain the weightings. HS is a new heuristic algorithm, which mimics the improvisation of music players. Its performance has been verified by many benchmark problems. We modify the pitch adjustment process of the original HS to improve the optimization performance and accelerate the convergence rate. The modified algorithm is named Gaussian harmony search (GHS).