一种基于视觉二维码/惯性融合的室内高精度定位定姿方法

当前基于视觉二维码的定位定姿方法依赖连续清晰的图像,当图像出现丢失或模糊现象时,性能难以保证。针对这一问题,提出了一种基于视觉二维码/惯性融合的室内高精度定位定姿方法,具有成本低、灵活和便携的特点。所提方法以捷联惯导算法为核心,通过拍摄预先布设且坐标已知的二维码（ArUco码）获得高精度的位置修正信息,并使用扩展卡尔曼滤波进行信息紧耦合。采用反向平滑算法融合二维码观测信息提升定位定姿精度,结合惯性的位姿推算能够有效地应对摄像头短暂遮挡或图像模糊等问题,提升系统的鲁棒性。实验结果表明,视觉观测出现中断时,所提方法也能够连续可靠地实现3.2 cm(RMS)的定位精度,并达到与参考系统的定姿差异优于0.1°（RMS）。     

基于INS/SMNS紧耦合的无人机导航

为了克服无人机惯性导航系统漂移误差累积的缺陷,提出了基于INS/SMNS紧耦合的无人机导航模式(INS/SMNS)。它利用INS提供的位置和姿态角信息分别完成对无人机的粗定位和航拍实时图像的几何校正,提高了SMNS的实时性和适配区景象匹配的精确度;同时,利用SMNS的高精度导航定位结果修正了INS的累积误差。通过INS与SMNS之间的优势互补,使得紧耦合INS/SMNS导航模式具有更好的实时性和精确性。仿真实验表明,紧耦合模式满足无人机规划航迹要求。     

机载SAR异源图像匹配与定位方法

SAR匹配导航作为一种自主导航方式，具备全天候、全天时的工作能力，具有很高的应用价值。针对机载SAR景象匹配导航需要异源图匹配的难题，提出一种基于深度学习与附加尺度旋转因子的模板标准化相关匹配的异源匹配算法。所提算法通过语义分割网络模型提取图像中的道路河流特征，再对特征添加一定程度的尺度与旋转变化，实现特征的扩充。最后，对扩充后的特征图进行模板滑窗匹配，找到最大得分位置，从而实现图像匹配。根据真实数据的测试试验结果表明：匹配精度优于1.41像素（1σ），匹配成功率优于86.6%（匹配误差小于5像素）。另外，还提出一种面向SAR匹配导航系统的多点高精度定位方法，仿真结果表明：五匹配点定位精度可达15米。     

基于点线视觉/惯性SLAM和目标检测的测距方法

针对无人平台在未知环境中自身定位和对远距离目标测距精度不高的问题，利用单目相机和惯性器件组成视觉/惯性导航定位系统，结合目标检测提出“动态基线+三角测距”方法实现自身定位和对目标测距。首先，建立基于点线融合的视觉/惯性系统模型，提高系统自身定位精度，给出运动前后相对位姿变化；其次，利用目标检测算法对目标进行检测和识别，得到运动前后物体对于图像平面的视差；最后，通过三角测距实现对目标的高精度测距。公共数据集实验测试结果表明，引入线特征的视觉/惯性系统的平均定位均方根误差（RMSE）为0.15 m。无人平台搭载系统对目标进行测距实验表明，系统在100 m以内对目标测距的误差小于测距距离的2%。     

基于改进LSTM网络的无人机MEMS-IMU零偏在线标定方法

针对在卫星信号拒止、视觉系统退化场景中无人机MEMS-IMU零偏无法准确估计并补偿导致导航误差迅速发散的问题,提出一种基于改进长短时记忆（LSTM）网络的零偏在线标定方法。首先,为解决MEMS-IMU零偏数据非线性强、传统循环时间网络训练效果差的问题,设计序列到序列的LSTM神经网络结构,引入教师强迫机制,提高了网络特征学习能力。然后,在导航过程中使用训练后的网络对MEMS-IMU零偏在线标定,补偿后的IMU量测与视觉信息联合优化,保证了导航定位精度。实验结果表明,在纯惯性导航实验中,所提方法的绝对位置误差比传统LSTM方法减小了6.5%;在EUROC数据集下进行的视觉惯性组合导航实验中,所提方法的平均绝对位置误差比传统LSTM方法减小了15%。     

基于改进遗传算法的多波束水下地形匹配方法

传统地形匹配算法在初始位置误差较大的条件下,由于搜索区域过大,定位精度较低,容易发生误匹配。针对此问题,提出一种基于改进遗传算法（GA）的多波束水下地形匹配方法。首先,根据地形变化特征,在多波束测深数据中自适应选择多条水深数据作为匹配序列,提高在地形相似处的匹配精度;然后,设计适应度函数用于衡量匹配航迹与真实航迹的相似度,加入收敛因子以减小惯导累积误差的影响;最后,利用正余弦算法对遗传算法进行优化,提高算法收敛速度,改善局部收敛的问题。仿真与船载实验结果表明,基于改进GA的多波束匹配方法对初始位置误差的大小不敏感,在分辨率为1 m的地形图上,匹配定位误差小于3 m,相比ICCP方法,在不同初始位置误差的情况下,定位精度分别提高了53%和79%。     

考虑中心对称约束的标记点高精度定位方法

利用视觉方法对目标进行高精度定位在科研和工业生产中有着广泛的应用。本文研究了中心对称标记点的定位算法。首先,标记点的设置采用中心对称阵列排布的方式,为后续标记点定位提供鲁棒的定位信息;其次,利用高斯模板拟合的方法对圆形标记点中心进行定位,能够有效地抑制噪声等影响;最后,利用灰度的中心对称性对定位结果进行优化,确定最终的标记点位置。经实验验证,与基于轮廓信息的定位方法相比,本文方法对图像对比度的适用范围有明显的提升。与传统的基于模板匹配的定位方法相比,本文方法有更好的抗噪性和稳定性。     

基于垂直约束的深海拖曳系统USBL/DVL组合导航算法

为提高深海水下拖曳系统的定位精度,分析了深海拖曳系统压力传感器与超短基线定位系统(USBL)以及多普勒计程仪的耦合原理,给出了基于垂直约束下的USBL定位的基本原理及拖曳体直线运动状态下的开窗平滑算法。采用非线性的无迹卡尔曼滤波模型对超短基线定位、多普勒测速、深度、斜距、姿态及角速率信息进行融合。针对声学数据常见的粗差观测,结合自适应抗差滤波算法,提出基于垂直约束的自适应抗差卡尔曼滤波算法。最后仿真和实测实验证明在5000 m水深条件下,在航行方向上位置精度较传统滤波算法提高了近2 m。基于垂直约束自适应抗差无迹卡尔曼滤波算法可充分利用高精度观测信息,提高深海拖曳系统的定位精度和容错性。     

基于仿射近似投影模型的无人机对地目标定位方法

鉴于透视投影模型在无人机对地目标远景成像环境下存在过参数化的问题，采用平行透视投影模型对无人机序列成像过程进行建模，并提出了基于仿射近似投影模型的无人机对地目标定位方法。基于平行透视投影模型的迭代因子分解法框架，依据无人机序列影像特征的多视图几何约束，结合优化最小化框架的低秩矩阵分解技术，进而可实现目标区域剔除位姿模糊歧义的高精度欧式三维重构，再充分利用机载导航系统提供的相机高精度位置信息，即可完成对地面目标的精确定位。仿真及半实物仿真试验结果表明，所提出的基于仿射近似投影模型的无人机对地目标定位方法正确有效，在实验室环境下对地目标定位精度优于2厘米。     

基于视觉测量的应变片空间定位及应用

在大型航天结构舱段试验中，通常需要粘贴大量的应变片来获取结构的应变测试数据。为了能够准确定位结构舱段上的应变片位置，本文研究了基于单目视觉测量技术的应变片空间坐标重建方法。该方法采用一台单反相机，从不同视角连续对构件进行拍摄，获得一组包含圆环编码点和应变片的图像序列；通过检测编码点图像坐标，构建相邻帧之间的匹配关系，然后基于相对定位原理估计相机姿态信息；再利用深度学习技术提取图像中的应变片坐标，结合估计的姿态信息对提取的应变片进行立体匹配，并且采用三角测量方法重构应变片空间坐标，从而实现应变片的三维定位。利用所研究的方法，分别对铝质平板和圆筒上粘贴应变片的三维坐标、碳纤维标尺的长度进行了定位。定位结果表明，该方法的重复定位精度优于0.05mm,三维点距离测量精度优于0.1mm。     

一种基于线特征的RGB-D视觉里程计算法

基于特征点的视觉里程计在点特征稀少的环境下难以得到足够的匹配点对,从而导致相机运动估计失败,因而提出采集人造环境中特征明显的边缘作为线特征来提高视觉里程计算法的稳定性.采用深度相机获取的RGB图像进行LSD线特征提取,推断线特征对应的图像位置的深度信息,避免深度缺失,将线段上的2D点反投影为3D点,拟合3D点为三维直线...     

基于双向重投影的双目视觉里程计

针对视觉里程计中的特征点漂移与累积误差问题,提出一种基于双向重投影的双目视觉里程计方法。为降低特征点匹配的高错误率及改善匹配效率,提出一种改进的随机采样一致(RANSAC)算法。该算法依据特征点寿命长短、环形匹配、优质匹配等方法选取优质特征点以降低特征点样本容量,从而改善RANSAC算法的效率;为抑制视觉里程计累积误差、提升位姿估计精度,提出一种双向重投影的位姿估计算法,该方法通过解算下一帧图像中的最小化重投影误差得到相机位姿以更新空间点集,更新后的空间点重新投影至当前帧图像以提升位姿解算精度。最后利用KITTI数据集进行了仿真。结果表明该算法的150 m内定位误差在X方向小于1 m,在Z方向小于0.9 m;相对于ORB-SLAM2算法,定位精度提升了约20%,系统的稳定性更好,有效削弱了累积误差,验证了该算法的正确性与可行性。     

IMU辅助的室内单星定位方法

惯性导航系统(INS)是以惯性器件测量位置参数的定位系统,但随着时间的累积,系统的定位精度逐步变差,产生累积误差现象。基于无线传感器网络(WSN)的定位技术通常需要3个锚节点进行定位,但在室内复杂环境中,系统会处于锚节点欠定状态,此时需要辅助定位方法解决室内欠星定位问题。针对上述定位系统的不足,提出了一种基于IMU辅助和场景分析的多信息融合室内单星定位方法,该方法可通过场景分析的约束条件逐步消除IMU在室内环境下的累积误差效应,并通过单星定位技术进一步优化定位目标的位置信息。经过地下车库实验验证,本方法平均定位精度是0.75 m,定位误差有97.5%的概率在2 m以内,能满足室内亚米级高精度导航定位的要求。     

水下石油管道漏油检测定位的粒子滤波SLAM算法

针对海底石油管道漏油位置检测定位这一问题,提出了捷联惯性导航系统与同时构图定位算法相组合的水下导航定位方法。利用声纳传感器采集石油管道的特征位置信息,在同时构图定位算法的作用下构建管道地图并获得高精度定位信息。然后利用粒子滤波算法将上述获得的定位信息与捷联惯性导航系统相结合,以补偿其位置误差积累。仿真实验结果显示所述组合方法的定位精度较高,达到总航程的0.1%。     

基于移动相关的最小二乘地图匹配新算法

为了提高军用车辆导航数字地图匹配的精度,针对通常匹配方法易出现误匹配和无法消除沿道路方向纵向误差的问题,提出了一种基于移动相关的最小二乘地图匹配新方法。该方法充分利用路网和历史轨迹信息,以多分辨率移动相关性进行匹配路段的搜索和定位,以最小二乘法进行SINS轨迹到待配路段的曲线整体投影,并通过视觉和数学的方法消除车辆偏离道路中心线的偏差影响。跑车实验表明,匹配后定位圆误差极限在1 m以内。该算法简单有效,且能满足高精度的要求,可以为组合导航提供良好辅助信息。     

惯导速度辅助下GNSS高精度定位

传统的卫星导航接收机无法同时适应高动态和高精度要求。对于10g以上的加速度,高精度接收机很难达到高精度的指标,甚至基带环路失锁无法正常导航定位。针对GNSS动态条件下高精度定位需求,引入惯性/卫星深组合导航技术,在应用惯性信息辅助接收机减小基带跟踪环路带宽基础上,采用码片窄相关方法降低伪距抖动误差,提高动态条件下GNSS伪距定位精度。仿真结果表明:通过惯性信息辅助跟踪环路可实现较小跟踪环路带宽下的稳定跟踪;在此基础上,通过码片窄相关方法并提高射频前端带宽可实现定位精度的提高。对比传统的伪距定位方法,定位精度(1?)从6 m提高到3 m左右。     

室内环境下基于图优化的视觉惯性SLAM方法

基于图优化的即时定位与同步构图(SLAM)方法是在视觉里程计运动估计的基础上通过增加一个回环检测,从而对非线性多约束进行优化来提高定位精度。在视觉运动估计中,针对视觉特征点匹配错误率高的问题,提出了一种ORB特征点聚类抽样匹配跟踪的方法。在位姿图优化上,提出了一种改进型的回环检测方法,减少了两种错误匹配的可能性。最后将视觉SLAM与惯性导航进行组合,提高了系统的稳定性和定位精度。使用公开的室内SLAM测试数据集进行仿真,结果表明,该方法的定位均方根误差在厘米级,生成的点云地图清晰可见。     

复杂环境下基于自适应极线约束的AGV视觉SLAM算法

针对传统视觉同步定位与地图构建（SLAM）算法不能有效处理复杂环境中的动态及潜在动态目标而影响定位与建图性能的问题,提出一种基于Mask R-CNN神经网络以及ORB-SLAM3算法改进的视觉SLAM方法。针对动态目标,提出一种基于语义信息的运动一致性检验算法,使用自适应阈值的极线约束方法实现图像中动态特征点的精确剔除;针对潜在动态目标,提出一种改进的长期数据关联方法,通过增大关键帧选取密度及优化关键帧中的潜在动态目标信息,对算法的回环优化和地图融合过程进行改进,提高回环优化效果与地图复用性。在TUM数据集和真实场景中进行验证,实验结果表明与ORB-SLAM3算法相比,采用TUM数据集在低动态场景和高动态场景中的绝对轨迹均方根误差分别减小8.5%和65.6%;在真实场景下测试,所提算法的定位精度提高了62.5%。     

基于地磁信号特征的频域相关地磁匹配算法

为减少地磁信号测量误差对地磁匹配定位精度的影响,在研究地磁信号频域特征的基础上,研究了频域相关地磁匹配算法。根据实际测量地磁信号的特点,研究了离散地磁信号的频域特征,利用离散地磁信号频域信息进行匹配定位。通过仿真实验分析了频域相关地磁匹配算法的定位精度及算法鲁棒性。研究结果表明,当地磁信号含有白噪声时,可以取得优于网格精度(100 m)的定位精度,当匹配测量点数相对粗大噪声点个数具有绝对优势时,算法鲁棒性好。     

基于GPS的先验地图辅助视觉惯性定位方法

为提高视觉惯性导航系统定位精度，解决其航向缺失且无法提供绝对地理位置的问题，提出一种利用GPS生成先验地图来辅助视觉惯性同时定位与地图构建(SLAM)方法。将每一帧图像采集点的GPS地理坐标投影成绝对高斯坐标，与视觉关键帧信息同步，构建先验地图。利用词袋模型进行闭环检测，由视觉重投影误差因子、IMU残差因子、先验图像重投影误差因子共同构建目标优化函数，基于最小二乘法进行位姿估计与优化。通过地面车载和低空机载实验对该方法进行了验证，实验结果表明：相比于无先验地图的定位方法，x、y、z方向的平均定位误差分别降低了68.2%、75.1%、46.4%以上；相比于有先验地图(未融合GPS)的定位方法，x、y、z方向的平均定位误差分别降低34.9%、51.5%、19.4%以上，有效提高了视觉惯性导航系统在大范围环境中的定位精度。