结合光流跟踪和三焦点张量约束的双目视觉里程计

针对城市街道准确实时定位的问题,提出将光流跟踪与三焦点张量约束结合的双目视觉里程计方法。为提高运算效率,将图像序列分为关键帧与非关键帧,对关键帧进行常规的特征点检测与匹配,对非关键帧用Lucas-Kanade光流跟踪特征点对。推导了基于前后帧、左右视图三焦点张量约束的观测方程,顾及动力学方程,组成卡尔曼滤波模型。考虑到观测方程的非线性,采用迭代Sigma点卡尔曼滤波进行解算,解算过程中用RANSAC稳健估计策略提纯匹配,以增强系统整体稳健性。实验结果表明:提出的算法在基本不损失精度(X方向优于5 m,Y方向优于4 m)的情况下,计算速度提升6.2倍,单帧图像平均处理时间由0.3115 s下降为0.0503 s,能够满足城市定位实时准确的需求。     

单目视觉里程计/惯性组合导航算法

提出一种单目视觉里程计/捷联惯性组合导航定位算法.与视觉里程计估计相机姿态不同,惯导系统连续提供相机拍摄时刻对应的三维姿态,克服了单纯由视觉估计相机姿态精度低造成的长距离导航误差大的问题.通过配准和时间同步,用惯导系统解算的速度和视觉里程计计算的速度之差作为组合导航的观测量,采用Kalman滤波修正组合导航系统的误差,同时估计视觉里程计标度因数误差.分别在室内外不同环境下进行了22 m的推车实验和1412m的跑车实验,定位误差分别为3.2%和4.0%.与Clark采用姿态传感器定期更新相机姿态估计结果的方法相比,单目视觉里程计/惯性组合导航定位精度更高,定位误差随距离增长率低,适合步行机器人或轮式移动机器人在复杂地形环境下车轮严重打滑时的自主定位导航.     

基于交互式多模型MSCKF的双目视觉/惯性里程计算法

针对复杂环境中双目视觉/惯性里程计系统模型不固定和量测噪声易发生变化的问题,提出了基于滤波器估计的紧耦合视觉惯性里程计(VIO)信息融合方法.将交互式多模型(IMM)估计与多状态约束卡尔曼滤波(MSCKF)算法相结合提出一种交互式多模型多状态约束卡尔曼滤波(IMM-MSCKF)算法.该算法以MSCKF为模型匹配子滤波器...     

双目视觉空间定位系统中点云目标融合分割算法

针对现有点云分割算法精度差、效率低的问题,提出了一种双目视觉空间定位系统中点云目标融合分割算法。首先,使用随机采样一致性算法剔除场景中的背景平面,保留目标点云;其次,改进P-Linkage聚类分割算法,完成三维点云多目标分割,并使用最小包围盒算法测量目标物体尺寸。实验结果表明,所提算法可以将物体测量误差稳定在3.8%以下,运行效率提高1.5～4.4倍,具有良好的自适应能力,实现了目标物体的精确分割和测量。     

双目视觉技术在高超声速颤振风洞试验中的应用

以验证高超声速颤振风洞试验技术为目标,为了获取试验模型在风洞流场激励下的位移形貌,运用风洞试验的方法研究了某翼面模型的颤振特性。采用一种基于双目视觉系统的试验方法,系统主要由CCD相机、图像采集卡和控制计算机组成,通过立体视觉标定和数字图像处理技术解算出模型变形的形貌。试验结果表明,该方法应用成功,与CFD/CSD数值计算结果比对良好,验证了该技术在高超声速风洞试验中应用的可行性。     

大视场双目投影条纹方法中的相机参数标定与优化研究

投影条纹法具有高精度、高分辨的特点,且实验设备简单,对实验环境要求低,适宜于不同尺度的三维形貌测量.双目投影条纹法通常采用有标准参照物的相机标定方法获取相机参数,以实现物体表面三维形貌重建.然而,在大型结构的三维形貌测量中参照物的相对尺度较小,传统的基于重投影的相机标定方法在特征检测中引入的误差会被放大,从而影响三维表...     

基于运动学非完整约束的里程计参数在线辨识

针对里程计标度因数误差以及安装误差对捷联惯导/里程计组合导航精度存在较大影响的问题,提出一种基于运动学非完整约束的里程计参数在线辨识方法。通过建立航位推算误差模型,利用里程计输出,计算车辆的向心加速度,并与捷联惯导的加速度计输出计算的向心加速度做差作为量测之一;将里程计与捷联惯导输出的速度做差作为量测之二;通过卡尔曼滤波实现里程计标度因数误差以及安装误差的在线辨识。仿真结果表明,该方法组合导航相比速度组合导航,当车辆行驶960s,其东向定位精度提高19.6 m,北向定位精度提高14.2 m。仿真和车载试验结果均表明该方法能实现里程计参数的有效辨识以及航向安装偏差角的估计,有助于提高组合导航精度。     

基于车辆运动约束的里程计误差在线标定方法

为了降低里程计误差对捷联惯导/里程计组合定位定向精度的影响,提出了基于车辆运动约束条件的里程计误差在线标定方法。通过对里程计标度因数误差进行建模,推导建立了航位推算的误差模型,将航位推算的速度输出沿车体横向、垂向的投影作为量测的一部分,将捷联惯导输出的速度、位置信息与航位推算输出的对应信息相减作为另一部分量测,通过卡尔曼滤波获得里程计标度因数误差等状态量的最优估计值,实现里程计误差的在线标定。仿真结果表明,该方法能够有效地标定出里程计标度因数误差,从而确保了捷联惯导/里程计组合定位定向的精度。     

一种基于回溯过程的里程计辅助SINS初始对准方法

为提高陆用定位定向系统在行进间的初始对准精度,提出了一种基于回溯过程的里程计辅助捷联惯性导航系统行进间对准方法,在一定程度缩短了行进间的初始对准时间。所提方法分为粗对准阶段和精对准阶段。在粗对准阶段,采用基于回溯过程的改进惯性系解析对准提高了初始姿态阵的精度。在精对准阶段,使用基于回溯过程的卡尔曼滤波进一步提高对准和位置估计精度。仿真试验表明,所提方法能够自主高效地完成高精度初始对准和里程计辅助对准期间的位置估计,相比于现有算法其航向角估计精度提高了45.1%,位置估计精度提高了58.1%。     

基于锁相循环投影的物体形貌检测

本文提出将相位锁定循环技术应用于栅线投影方法,将规则栅线投影到物体表面得到变形栅线,用相位锁定循环法解调含有物体表面高度信息的位相。用该法不需传统的相位去包裹,即可完成对二维栅线图扫描,从而确定其相位。通过对典型试件的检测,得到了比较满意的结果。     

基于自适应强跟踪滤波的捷联惯导/里程计组合导航方法

针对大型轮式车行驶过程中里程计标度发生较大变化,无法满足车载定位定向系统给里程计分配的误差要求,研究了一种非线性滤波方法。以容积卡尔曼滤波为算法框架,引入强跟踪滤波渐消因子的基本理论,提出了捷联惯导/里程计组合导航的自适应强跟踪滤波算法,达到实时自适应估计并补偿里程计标度误差的目的。仿真分析和跑车试验验证了该方法的有效性,新方法比传统强跟踪滤波更进一步消除了里程计误差的影响。试验结果表明该方法使得捷联惯导/里程计组合导航的定位精度提高了两倍以上,达到了惯性元件的理论精度。     

考虑里程计截断误差的SINS/OD组合导航算法

针对车载惯导/里程计组合导航系统中,里程计测量脉冲输出只为整数,存在截断误差的问题,提出了3种考虑里程计截断误差补偿的SINS/OD组合导航算法。首先,在传统的速度匹配组合导航基础上,将里程计截断误差作为系统状态变量,建立了基于速度观测的考虑截断误差的卡尔曼滤波导航算法;其次,为了降低噪声,不改变系统状态量,将捷联惯导输出转化为脉冲输出与里程计脉冲输出做差作为量测值,建立了基于脉冲观测的卡尔曼滤波导航算法;最后,针对随机常值模型估计里程计截断误差的局限性,提出基于高斯回归模型的里程计截断误差预测和对观测值进行补偿的方法,以实现组合导航解算。140多公里的车载实验结果表明,基于脉冲观测和基于高斯回归模型的算法相比传统算法在定位精度上均提升了80%以上。     

考虑里程计截断误差的SINS/OD组合导航算法

针对车载惯导/里程计组合导航系统中,里程计测量脉冲输出只为整数,存在截断误差的问题,提出了3种考虑里程计截断误差补偿的SINS/OD组合导航算法。首先,在传统的速度匹配组合导航基础上,将里程计截断误差作为系统状态变量,建立了基于速度观测的考虑截断误差的卡尔曼滤波导航算法;其次,为了降低噪声,不改变系统状态量,将捷联惯导输出转化为脉冲输出与里程计脉冲输出做差作为量测值,建立了基于脉冲观测的卡尔曼滤波导航算法;最后,针对随机常值模型估计里程计截断误差的局限性,提出基于高斯回归模型的里程计截断误差预测和对观测值进行补偿的方法,以实现组合导航解算。140多公里的车载实验结果表明,基于脉冲观测和基于高斯回归模型的算法相比传统算法在定位精度上均提升了80%以上。     

基于偏振投影与空域耦合的两步相移测量方法

栅线投影测量是一种被广泛采用的非接触、高精度三维形貌测量方法。然而由于时间相移技术不能在同一时刻采集相移图像,导致这一技术在工业在线检测中难以发挥应有的作用,因此本文结合偏振相机技术,提出了一种基于双偏振投影校正的空间相移测量方法。该方法通过在一对投影仪镜头前加装偏振方向正交的线偏振片,并采用本文提出的投影仪自校正方法,将具有恒定相移量、但偏振方向不同的相移栅线图案投影到待测物体表面,利用偏振相机单帧采集即可获得不同偏振方向的2幅相移图像,从而实现空间两步相移。实验结果表明,该方法对于非消偏振表面具有很好的测量效果,2幅相移图像的采集时间与相机曝光时间相同,可以用于在线测量。     

基于噪声和残缺投影图像的重建算法研究

滤波反投影法和迭代法是SR-CT重建算法中的两大类算法,松弛迭代法是迭代法中的一种;本文主要研究滤波反投影方法和松弛迭代法.为了研究两种方法的影响因素,讨论了滤波反投影法中滤波函数的选取,分析了松弛迭代法中重要参数,如松弛因子、迭代次数对重建效果的影响,给出了重建效果和这些参数的影响关系;对比了两种方法在处理噪声和残缺...     

基于视觉的桥梁挠度测量方法与研究进展

挠度是评估桥梁承载能力和健康状态最直观的指标。近20年来,基于计算机视觉的桥梁挠度测量方法凭借其非接触式、快速简易安装等优点,被逐步应用于实际测量中。本文从测量原理、测量方式和影响因素3个方面出发,介绍了当前基于视觉的桥梁挠度测量方法与研究进展。在测量原理方面,从相机标定、三维立体视觉、摄影测量、特征检测与匹配4个方面进行了介绍。在测量方式方面,介绍了单相机二维测量、双相机三维测量、基于摄影测量的准静态测量和位移传递串联相机网络多点动态测量。在影响因素方面,介绍了相机自身因素、标定因素、算法因素和环境因素4个方面对测量结果的影响,并总结了目前国内外的研究成果。最后对基于视觉的桥梁挠度测量技术的未来发展趋势做出了展望。     

基于单目视觉的AUV水下定位方法

为解决传统水下定位传感器在定位方面的不足,提出一种基于目标光源的单目视觉四自由度定位方法,推导了四自由度定位算法原理,提出了深度定位、水平定位和艏向定位方法。设计了作为目标的共线排列定位光源系统。静态和动态试验证明所提出的单目视觉定位方法原理正确,目标光源系统合理可行,可以在深度为4~0.5 m范围内进行稳定的四自由度定位。经过校正,与SBL和测深仪的相对精度达到10 cm以内。实验说明上述方法对AUV执行近距离使命任务具有实际意义。     

一种基于视觉的道路宽度测量方法

自动驾驶技术的研究中,为了快速检测到道路并测量出道路的宽度,提出了一种基于视觉的道路宽度测量方法。首先提出了一种改进的Deeplabv3+语义分割算法,在原算法流程中引入了基于空间域的注意机制,提高了道路边缘分割的精度。其次,提出了一种结合直方图均衡化和加权最小二乘滤波的半全局立体匹配算法,显著提高了图像中物体边缘细节的匹配精度。基于所提出的方法搭建了道路宽度测量系统,该系统搭载在自动驾驶车辆上完成了对全域图像中道路的分割和宽度测量。实验结果表明,所提出算法的道路宽度测量误差不超过真实值的5.0%。     

基于应力分析的桁架结构双向拓扑优化方法

结构拓扑优化问题的研究多是采用基结构的思路,通过删除在设计区域内的不必要单元来得到结构的最优拓扑构型。本文探索了一种增加单元与删除单元相结合的双向拓扑优化方法,采用了网格与杆件两类单元对桁架进行分析:在高应力杆件单元周围生成新网格单元,并且删除低应力的杆单元,结构逐渐进化,从而得到优化的拓扑构型。文章最后通过数值算例,表明该方法是可行的。     

一种基于地轴投影的二维重力匹配方法

惯性/重力匹配组合导航是实现水下航行器长航时、高精度、高隐蔽性航行的有效途径。为了提高初始定位误差较大情况下匹配算法的有效匹配率,通过分析目前重力矢量测量的难点,提出了一种基于地轴投影的二维重力匹配导航方法。并建立二维重力异常数据库,利用惯导提供的纬度信息将重力仪测得的重力异常进行分解,设计了二维重力匹配的V-ICCP算法。3条初始水平定位误差为6海里的仿真航迹试验结果表明,所提方法适用于初始定位误差较大情况下的匹配定位,V-ICCP算法的有效匹配率较ICCP平均提高了10%以上,为重力匹配问题的解决提供了一种新的思路。