基于直线段对应的相机位姿估计直接最小二乘法

为了实现高精度的基于直线段对应的相机位姿估计,提出一种直接最小二乘法。通过提出并利用一种直线段之间的距离测度,将原问题转化为最小化一个姿态旋转矩阵的二次目标函数,该距离测度综合考虑了线段的端点距离、中点距离、夹角和线段的长度,通过旋转矩阵的CGR参数表达获得一个修正的目标函数,此修正目标函数的最优解条件组成了一个三元三次方程组,利用代数多项式方法在不需要迭代的情况下直接求解这个方程组,从而得到了旋转矩阵的全局最优解。该算法的计算复杂度为O(n)。仿真和真实实验验证了该方法的有效性和高精度。     

变量投影框架下基于Wahba问题的多点透视问题求解算法

提出一种在变量投影框架下的多点透视问题求解算法。多点透视问题是确定相机旋转与平移参数的基础问题,广泛应用于计算机视觉、摄影测量、机器人、空间交会以及虚拟现实等场合。相机的旋转与平移参数在变量投影的框架下被分开估计。首先,将平移参数固定,根据Wahba问题的解法求解出最优旋转矩阵;然后,应用奇异值分解导数的计算公式计算当前最优旋转矩阵对平移参数的导数,并由此计算出代价函数对平移参数的导数;最后,针对平移参数,采用Levenberg-Marquardt算法迭代优化代价函数,直到精度满足要求。实验结果证明,本文算法不仅误差较小,计算效率较高,而且具有较大的收敛域。     

未知畸变参数时多视图三维重建相对位姿估计方法

针对多视图三维重建中畸变影像的相对姿态估计问题,提出了一种高精度的鲁棒性估计方法.根据对极几何关系,推导了畸变中心未知时的畸变基础矩阵表达模型.在系数矩阵中引入加权矩阵,控制参与估计的匹配对应点,通过奇异值分解估计畸变基础矩阵.根据加权矩阵更新准则对加权矩阵进行更新,然后进行迭代计算,比较前后两次估计得到的内点数目及平均极线距离,得到畸变基础矩阵的最优解,并判断是否需要继续迭代.在得到最优畸变基础矩阵后,再分别对畸变中心、畸变参数以及焦距进行估计.仿真和真实实验表明该方法能有效提高相对姿态鲁棒估计速度,在噪声均方差为2.5时,畸变参数误差均值小于2%,焦距估计误差小于3.5%.     

铁路运行环境下的车载相机姿态估计

基于对铁路运行环境中所拍摄的图像特征的分析,提出了一种修正的线段检测子(MLSD),并利用该线段检测子结合最小二乘拟合及交叉迭代优化方法对消失点进行快速检测,进而利用消失点坐标实现了相机姿态的估计,为后续调整机器视觉算法进行铁路运行环境的场景重建提供重要依据。运用该方法,基于车载相机所拍摄的图像对车载相机姿态进行估计,实验所得的估计值满足了车载检测系统的精度要求,表明了此方法对于估计相机姿态有效的。     

基于语义目标匹配的三维跟踪注册方法

提出了一种基于语义目标匹配的三维跟踪注册方法。通过改进的单发多框检测(SSD)深度卷积神经网络对图像进行语义分割,获取场景中不同目标的像素级语义分割结果。在求取相机姿态的目标函数时,融合了图像的灰度约束与几何约束对相机的姿态进行估计。所提方法减小了特征点的缺乏或误匹配问题对三维跟踪注册算法性能的影响,且能够适应不同结构的场景。研究结果表明,该方法的误差不超过2.2pixel,基本满足了实时性的要求。     

一种基于特征点间线段倾角的姿态测量方法

基于目标特征点间线段倾角信息,提出了一种适合于目标远距离成像和相机内参未知条件下解算目标姿态的目标3维姿态测量方法.采用仿真图像对该方法的正确性进行了验证.实验结果:姿态测量误差绝对值均值小于0.6°,且目标成像尺寸为350pixel时,姿态测量误差绝对值小于0.5°.实验表明该算法具有较高解算准确度和较强的收敛性.     

基于极大似然目标状态估计的传感器管理

依据贝叶斯概率知识,采用一种极大似然的最优化方法来估计目标运动的状态估计值。基于极大似然目标状态估计方法不仅可通过最优化策略求解目标状态估计值的显示解,还可处理各种关于观测变量和状态变量的约束条件。依据目标状态估计的误差协方差矩阵与其Fisher信息矩阵间的紧密联系,详细推导似然函数关于目标状态各个分量的偏导。采用随机离散时间系统的知识,推导出对角式Fisher信息矩阵的所有对角线上的各个元素。以Fisher信息矩阵的迹范数作为传感器管理中的最优代价函数,采用0-1整数规划算法来求解传感器的分配矩阵。最后利用某仿真算例来验证方法的有效性.     

单目图像中姿态角估计的坦克目标测距方法

为了克服经典成像测距对相机姿态和视差信息依赖的问题,以观瞄发控装置的电荷耦合器件获取的单目图像为研究对象,提出了基于姿态角估计的坦克目标测距方法.该方法首先利用多级尺度不变特征变换匹配算法实现目标姿态角的快速估计,获取与当前目标姿态偏差最小的模板;然后利用该模板和目标图像模拟立体视觉,建立不依赖于相机姿态和视差的单目测距模型.该模型在远距离测距和小角度偏差的前提下,将模板中的匹配特征点投影到等效平面世界坐标系中,建立被测坦克图像点及其空间点的映射关系,将测距问题转化为对相机外参量的标定,从而求解出相机中心到坦克中心的距离.采用200m到2 500m范围内的坦克验证测距方法的性能,对测量误差随距离的变化规律进行分析,并将其与不同射程时导弹末制导交班的最大容许误差进行对比.结果表明,该方法适用于观瞄发控装置获取的任意姿态图像,实现了野战条件下单兵反坦克武器系统的远距离、快速测距;测量结果中相对误差小于4.9%,绝对误差小于87.7m,满足导弹各个射程的最大容许误差的要求.     

单目移动机器人相对位姿估计方法

针对单目机器人在运动过程中，相邻关键帧之间基线过短造成的相机相对位姿无法恢复的问题，提出了一种利用已知特定参照物迭代优化本质矩阵，从而快速分解出机器人相对位姿的方法。该方法首先利用已知特定参照信息获取本质矩阵估计值，然后通过相邻关键帧之间匹配的特征点组和本质矩阵估计值对本质矩阵迭代优化，最后通过本质矩阵的约束关系求得平移向量估计值，利用基于李群的姿态表示得到旋转矩阵估计值，并进一步优化得到唯一解。该方法避免了由于基线过短而无法恢复相机相对位姿的弊端。实验结果表明，该方法可快速解算并优化机器人相对位姿关系，且相对位移估计绝对误差小于0.03 m，优于传统方法。     

一种高精度的非迭代位姿估计方法

针对增量式运动结构恢复中相机内参数未标定情况下位姿估计问题,提出一种高精度的非迭代位姿求解方法。根据针孔成像模型,构建了相机内参数未标定位姿估计问题描述方程,使用单位四元数对旋转矩阵进行参数化,并根据四重轴对称现象对旋转矩阵进行分解,通过最小二乘原理构建目标函数后,利用一阶最优化条件建立了关于旋转矩阵参数的二元多项式方程组,使用Gr9bner基求解该方程组得到旋转参数的闭合解,进而获得相机的位姿参数和焦距。该算法的计算复杂度为O(n),实验验证了其有效性、高精度和高数值稳定性。     

基于遗传算法的传声器阵列位置有源校正研究

传声器阵列的位置误差会导致高精度定位应用场景中算法性能下降,为解决这一问题,该文提出了一种二维平面传声器阵列位置参数的有源校正方法.在校正声源位置已知的情况下,利用各阵元间的到达时间差均方误差之和最小化作为优化目标设计代价函数,根据遗传算法搜索阵列真实位置的全局最优解,从而估计得到传声器阵列的准确位置信息.仿真与半消声...     

基于弱透视成像模型的目标三维姿态测量

为了准确获取空间目标跟踪、视觉导航等领域中目标的三维姿态,进行了目标三维姿态单目视觉测量方法研究.提取图像目标的典型特征点构造出直角三角形,并通过其边长比例先验信息以及弱透视成像模型推导出目标三维姿态的单目解算算法.与传统测姿方法相比,该算法在相机焦距等内参量未知条件下依然可解算姿态,增大了测姿应用范围;与传统迭代测姿方法相比,避免了循环迭代求解过程,无需设置迭代初值,提高了解算效率.数值仿真试验结果表明目标在离相机1~3km成像时姿态测量误差低于1.5°;实际图像序列测量结果表明目标俯仰角和偏航角测量结果拟合残差小于1°,翻滚角拟合残差小于2°.实验验证了算法的正确性和稳定性,表明该算法在内参量未知条件下能有效测量中远距离成像目标三维姿态.     

低成本无人机姿态解算研究

针对小型四旋翼无人机姿态解算数据精度低、缺少余度控制、易发散等问题,提出一种基于GPS、三轴陀螺仪加速度计、三轴磁力计的随机加权自适应滤波算法估计无人机姿态。建立四旋翼无人机姿态旋转矩阵,搭建加速度计和磁力计获取无人机姿态信息的模型,以及采用四元数解算法的陀螺仪定姿解算模型。采用随机加权自适应估计法,依据多元函数求极值定理,在保证总体均方差最小的情况下导出最优随机加权因子,进而解算出姿态角信息,提高四旋翼无人机姿态解算滤波精度与稳定性。仿真与试验结果表明：随机加权自适应滤波与平均值滤波算法相比解算精度更高,输出结果更平稳,且无人机各项预期功能均能正常实现,能够满足四旋翼无人机自主飞行的需要。     

改进的测量设备无关协议参数优化方法

实际量子密钥分发中参数的优化选择能大幅提升系统密钥生成率和最大传输距离,由于全局搜索算法的成本过大,本地搜索算法被广泛地应用.然而该算法存在两个问题,一是所得解不一定为全局最优解,二是算法的有效性极大地受制于初始值的选择.利用蒙特卡罗方法对密钥生成率函数是否为凸函数进行了证明,并仿真分析了密钥生成率函数在不同参数维度上的特性,提出了粒子群本地搜索算法并与本地搜索算法进行仿真比较.结果表明,密钥生成率函数为非凸函数,但合理设置初始值,本地搜索算法仍能求得全局最优解;在传输距离较远时,本地搜索算法因难以通过随机取值的方法得到有效的初始值而失效,粒子群本地搜索算法能克服这一缺点,以轻微增加算法复杂度为代价,提升了系统的最大传输距离.     

硬管式无人机AAR双目视觉导航算法研究

针对硬管式无人机自主空中加油近距编队阶段的相对位置和姿态估计问题,研究了基于双目视觉的相对位姿估计算法。该算法采用Harris方法提取特征点,并对其进行快速匹配,通过Sampson方法三维重构获得特征点在摄像机坐标系下的三维坐标,以重构误差平方和最小为准则建立目标函数,利用单位四元数法求解位姿参数。最后利用仿真平台验证双目视觉位姿估计算法的有效性。结果表明:相对位置误差低于0.1 m,相对姿态误差小于0.5°,其精度满足自主空中加油相对导航性能要求。     

基于混合交叉进化算法的混沌系统参数估计

提出一种混合交叉进化算法 来估计混沌系统的未知参数. 首先通过构造一个适当的适应度函数, 将混沌系统的参数估计问题转化为一个多维的优化问题. 在混合交叉进化算法中, 利用佳点集方法初始化种群, 增加了算法的稳定性和全局搜索能力. 在进化过程中, 混合交叉操作既能指导种群个体向最优解子空间靠近, 又能提高算法跳出局部最优的能力, 从而协调了算法的勘探和开采能力. 以几个标准测试函数和典型的Lorenz混沌系统为例进行仿真实验, 结果表明了该方法的有效性.     

双扩展水声信道的时延多普勒域稀疏估计

利用双扩展水声信道在时延-多普勒域存在的稀疏结构,将信道估计转化为压缩感知框架下的稀疏恢复问题可改善估计性能。但是,稀疏恢复经典方法如l_1范数、近似l₀范数无法适应水声信道时延-多普勒域稀疏度的动态变化,而匹配追踪(Matching pursuit,MP)、正交匹配追踪(Orthogonal Matching Pursuit,OMP)等贪婪类算法则存在着易进入局部最优解、二维搜索导致运算复杂度高等问题。提出在时延-多普勒域稀疏恢复的目标函数中引入非均匀范数约束(Non-uniform Norm Constraint,NNC),即在时延-多普勒域信道响应中根据每个时延-多普勒域位置的幅值分别分配为l₀或l₁范数约束,因而可通过不同范数约束组合的方式适应不同的时延-多普勒域稀疏度;同时,通过对非均匀范数代价函数进行梯度下降迭代求解并将梯度解投影至解空间推导了非均匀范数稀疏恢复的迭代求解方法,从而实现双扩展水声信道时延-多普勒估计。数值仿真和实验数据处理表明该算法相对经典方法有较明显的性能改善。通过仿真、海上水声通信实验结果可获取结论,利用时延-多普勒域稀疏特性的信道估计方法结合均衡器可有效提高双扩展信道条件下的水声通信性能。      

摄像机标定中栅格型标定点的亚像素提取的研究

介绍了一种新的摄像机标定用栅格型靶标标定点亚像素的提取方法。该方法先利用一个基于Hessian矩阵的形状算子判定栅格点的像素位置,然后对栅格点邻近区域内的图像灰度函数进行二阶泰勒展开,并通过计算该灰度曲面的局部极小值点来确定栅格中心点的亚像素位置。相对于传统的直线拟合求交点的方法,该算法计算过程简单,且具有较高的提取精度。     

基于目标和点扩展函数联合估计的点源目标图像近视解卷积

在传统的基于波前探测的解卷积方法中,由波前探测得到的点扩展函数被认为是精确的,并用维纳滤波进行复原,但是点扩展函数不可避免地存在误差,所以最终的复原目标图像质量不佳.为了解决该难题,提出了基于目标和点扩展函数联合估计的图像近视解卷积算法.它运用了点扩展函数和目标的先验信息,对点扩展函数和目标进行了规整和进一步约束,从而得到更优的恢复图像质量.对该方法的原理和实现过程进行了阐述,并将其运用于室内点源目标数据中.实验结果证明,与维纳滤波方法相比,该方法使图像恢复的效果得到明显改善.     

卷积混迭语音信号的联合块对角化盲分离方法

针对语音信号的卷积混迭模型,利用不同语音信号之间的近似独立和短时平稳特性,提出一种基于信号二阶统计量的联合块对角化方法,解决超定卷积盲分离问题。该方法采用非对角线上各子矩阵 F -范数的平方和作为联合块对角化性能的评判准则,将原四次代价函数转化为一组较为简单的二次子代价函数,每一子代价函数用于估计酉混迭矩阵的一个子矩阵。依次最小化各子函数,迭代搜索代价函数最小点,得到混迭矩阵的估计。理论分析及实验结果表明,所提方法不仅能够达到与类Jacobi经典方法同样好的分离效果,并且具有更低的计算复杂度、更快的收敛速度和对传输信道阶数、迭代初始值不敏感的特点。