基于深度学习的平面位姿估计算法

为了在未知物体三维模型的情况下使用深度学习进行平面位姿估计,采用编码器-解码器网络,从单个RGB图像中检测平面实例分割及法线信息,并利用这些信息进行位姿解算,获得每个平面的实时位姿。实验结果显示,平面召回率为0.625,平面法线召回率为0.414,实时性为18.5 f/s,验证了算法的可行性。     

一种基于曼哈顿世界假说下平面特征的RGB-D视觉室内定位方案

将曼哈顿世界假说(Manhattan World assumption,MW)引入室内定位问题,提出了一种改进的基于RGB-D视觉与平面特征的室内定位方案,不仅能有效提高场景匹配的成功率,还可简化未知场景下的定位问题,提高定位效率和实时性,可用于对同步定位与建图SLAM(Simultaneous Localization and Mapping)系统的扩展.创新点主要体现在:针对解释树匹配的时间开销随特征数指数级上升的问题,设计了根据曼哈顿帧的主方向进行分解的匹配方法;针对单条行进路径搜索效率有待提高的问题,提出了在初始位姿确定后采用4自由度的简化定位方案;针对单帧中遍历执行子图匹配耗时较长的问题,将小范围子图合并为大范围子图后进行匹配.实验结果表明,该方案相较已有的平面特征定位方法,能缩短成功定位所需的行进距离,并显著降低单条行进路径上的平均搜索耗时.     

基于点对特征的无序散乱堆叠工件位姿估计算法

针对无序分拣场景中物体相互堆叠遮挡导致的位姿估计误差大的问题,本文提出了一种基于点对特征(point pair feature, PPF)的杂乱堆叠工件位姿估计算法。离线训练阶段,使用更优的点云降采样方案和更为细致的点云法线计算方式,以保留更多具有区分性的点对,实现模型更为精确的全局描述;在线匹配阶段,通过快速投票方案获得杂乱堆叠场景中目标的候选位姿,并提出了一种基于体素索引和位姿交并比的聚类策略完成位姿聚类和误匹配位姿的剔除,实现目标位姿的粗估计,最后采用ICP (iterative closest points)算法完成目标位姿的优化,获得目标的精确的6D位姿。分别进行了仿真场景实验和机械臂分拣实验,结果表明,提出的算法在杂乱场景中对3种类型工件的平均识别率为98.4%,单个工件识别时间均小于0.86s,且位姿估计精度较原始PPF算法有明显提升;在实际分拣实验中识别成功率达96.7%,分拣成功率达95.3%,验证了算法在实际应用中对于噪声和杂乱遮挡的鲁棒性较强。     

一种改进的地下车库弱纹理下智能汽车即时定位与建图算法

地下车库中纯视觉的即时定位与建图(simultaneous localization and mapping, SLAM)方法无法克服光线不足和弱特征纹理两大不利因素,为此,提出一种基于VINS-Mono框架下改进的视觉惯导融合算法,把原算法中提取Harris角点的方法改进为提取灰度值陡变的像素点,并使用非线性优化方法在初始化阶段进行视觉位姿估计。后端采用滑动窗口的形式建立先验估计残差、惯性测量单元(inertial measurement unit, IMU)残差以及基于灰度值不变原理构建的视觉残差的联合残差模型,进一步提升了系统底层变量的优化效果,从而提高算法的定位准确度。通过基于EuRoc数据集的仿真实验和地下车库实际场景的实车实验,验证了所提算法的鲁棒性和精确性。     

基于改进ORB-SLAM2算法的RGB-D稠密地图构建

针对传统ORB-SLAM2系统无法稠密建图以及缺少可应用于移动机器人在特定场景下导航与路径规划的八叉树地图等问题,提出了一种改进RGB-D ORB-SLAM2算法.该算法利用深度信息,通过针孔成像模型计算出关键帧点云的三维空间位置,采用离群点滤波去除多余杂点,体素滤波保留具有特征信息的点云进行拼接,降低地图冗余度,并经过稠密回环处理进一步优化更新关键帧的点云位姿,构建出精确的稠密点云地图并转换为八叉树地图.试验数据表明,相比于RGB-D SLAMV2系统,RGB-D ORB-SLAM2系统的全局轨迹误差和相对位姿误差提升有50%以上,均方根误差为0.89%,均值误差为0.76%;在建图性能方面,相比于同类型算法,点云数量平均降低约30%.此外,八叉树地图相比于点云地图,仅占其内存的0.6%,更加满足了高精度、快速性的导航需求.     

基于点对特征和局部参考系的六维位姿估计算法

针对大量物件分拣工作中单目视觉无法精确估计目标位姿从而无法完成随机堆叠工件分拣的问题,以点对特征为基础,提出了基于点云的目标识别和位姿估计算法的改进算法.模型训练阶段,使用改进的下采样方法,保留更多有区分性的点对,构建局部参考系作为补充特征;在线匹配阶段,以距离作为投票权重,并利用匹配点对的局部参考系相似度验证候选位姿;最后通过模型与场景的重叠率筛选未遮挡的多实例目标作为可抓取目标候选.结果表明:在方差为3%,5%倍模型尺寸的高斯噪声下,目标识别率分别可达97%,78%;所有试验的识别耗时均在1 s以内,满足实际需求.     

基于关键点特征融合的六自由度位姿估计方法

针对单张RGB-D图像进行六自由度目标位姿估计难以充分利用颜色信息与深度信息的问题,提出了一种基于多种网络(金字塔池化网络和PointNet++网络结合特征融合网络)构成的深度学习网络框架.方法用于估计在高度杂乱场景下一组已知对象的六自由度位姿.首先对RGB图像进行语义识别,将每一个已知类别的对象掩膜应用到深度图中,按...     

基于目标检测的室内动态场景同步定位与建图

为了提高室内动态场景下定位与建图的准确性与实时性,提出了一种基于目标检测的室内动态场景同步定位与建图（simultaneous localization and mapping, SLAM）系统。利用目标检测的实时性,在传统ORB＿SLAM2算法上结合YOLOv5目标检测网络识别相机图像中的动态物体,生成动态识别框,根据动态特征点判别方法只将识别框内动态物体上的ORB特征点去除,利用剩余特征点进行相机位姿的估计,最后建立只含静态物体的稠密点云地图与八叉树地图。同时在机器人操作系统（robot operating system, ROS）下进行仿真,采用套接字（Socket）通信方式代替ROS中话题通信方式,将ORB＿SLAM2算法与YOLOv5目标检测网络相结合,以提高定位与建图的实时性。在TUM数据集上进行多次实验结果表明,与ORB＿SLAM2系统相比,本文系统相机位姿精确度大幅度提高,并且提高了每帧跟踪的处理速度。     

基于无监督深度学习的单目视觉里程计

近年来,VSLAM(visual simultaneous localization and mapping )技术取得了快速发展。然而,大多数传统的VSLAM系统存在鲁棒性较差的问题而基于深度学习的VSLAM存在精度较低等问题。为了提高VSLAM系统的性能,本文提出了一种基于无监督深度学习的单目VSLAM。该方法首先设计深度估计网络完成对图像的深度估计。然后,设计位姿估计网络进行相机的位姿估计。最后,使用合理的损失函数保证网络在迭代过程中的有效收敛。本文在KITTI 数据集上验证了该系统的性能。实验结果表明,与SfMLearner相比,ATE(absolute trajectory error)降低大约50%。与传统的VSLAM系统相比,APE(absolute pose error)的平移部分误差也明显下降且鲁棒性得到提升。     

导弹虚拟装填训练中弹箱位姿交互控制技术

在对导弹装填训练中弹箱受力分析的基础上,建立了弹箱的力学模型以及弹箱位姿变换的数学模型。基于Visual C++编程语言,结合OpenSceneGraph(OSG)图形渲染引擎,设计了一种简单高效的虚拟弹箱位姿实时控制方法,实现了弹箱在虚拟场景中运动位姿的交互控制,仿真结果表明,该方法能够真实模拟装填训练中操作人员协同控制弹箱位姿的训练过程,为研究分布式导弹虚拟装填协同训练系统打下基础。     

一种改进的基于Arnold映射的Hash加密算法

Arnold映射Hash加密算法是一种二维混沌系统与hash函数相结合的加密方法,一般以Arnold映射的初值、迭代次数、Hash值的编成方法、Hash值的位数等作为加密密钥.由于该算法的不可逆性,使由密文到明文的逆向攻击失效,但明文和选择性明文攻击仍对该算法有一定的攻击效果.为更加有效地抵御各类明文、选择性明文的攻击,本文对该加密算法的Arnold映射初值、迭代次数等2个关键密钥进行改进,通过增加Arnold映射初值的个数,以及将迭代次数从常量拓展到变量的方法,构造出一个增强的Arnold映射Hash加密算法,从而进一步增加保密强度,提高Arnold映射Hash加密算法对明文、选择性明文攻击的抵抗能力.通过对实验数据的混乱与散布性质分析,改进后的Arnold映射Hash加密算法的平均变化位数和每位平均变化概率更加接近理想状况下的64位和50％的变化概率,算法的保密性能更加良好.     

移动机器人同时定位与建图室内导航地图研究

针对当前视觉同时定位与建图(simultaneous localization and mapping,SLAM)生成的点云地图不能满足路径规划和导航的需要,提出一种室内移动机器人的导航地图制备方法.首先,通过SLAM估计相机位姿,后端优化后生成室内场景的三维点云地图;其次,根据地面移动机器人的运动约束及结构特点分情况讨论,推导点云相对于地面的二维坐标,同时对点云进行地面与障碍的分离、截取与筛选;最后,根据栅格占据状况有序构建出导航地图.实验结果表明,基于点云坐标的障碍物截取准确度高于地面拟合截取方法,所建地图精度与完整度均高于传统方法.室内移动机器人能基于该地图进行路径规划与导航.     

基于二维Baker映射的隐写算法设计

为了提高隐写算法的性能,通过对混沌映射原理进行深入的研究和分析,提出了一种基于二维Baker映射的隐写算法设计方案.对二维Baker映射的主要特点和映射变换过程进行了系统的研究,给出了基于二维Baker映射隐写算法的设计原理和实现过程,分别描述了信息隐写和提取的流程,最后进行了仿真与测试,选取标准图片库与三种传统的隐写算法进行了对比测试,结果表明对隐写容量和抗检测能力都达到较高的性能指标.     

基于天地图和Robotlegs的测绘成果查询系统

测绘成果查询系统是信息化测绘服务体系建设的一部分,本文针对基础测绘信息共享与发布工作存在的问题,提出了基于天地图的基础地理信息服务,运用Flex开源微框架Robotlegs,在FlashBuilder开发平台上建立青海省基础测绘成果查询系统的方法。该系统可实现测绘成果覆盖情况的浏览、查询、购图意向信息的添加及下载等功能,解决了青海省测绘成果信息查询和共享方面存在的问题。     

A FastSLAM Algorithm Based on the Improved Auxiliary Particle Filter with Stirling Interpolation

The choice of the particle's distribution model and the consistency of the result are very important for FastSLAM.The improved auxiliary variable model with FastSLAM,and Stirling Interpolation which is used to approximate the nonlinear functions are provided.This approach improves the precision of the approximation for the nonlinear functions,conquers the drawback of the FastSLAM1.0 by using a model ignoring the measurement data,enhances the estimation consistency of the robot pose,and reduces the degradati...     

基于全变分正则最大后验估计的高光谱图像亚像元快速定位方法

针对高光谱亚像元定位应用中光谱解混这一病态问题的求解,改进了结合空间分布先验全变分（TV）的最大后验估计（MAP）光谱解混模型,以保证算法的可扩展性和解的唯一性.同时,针对TV先验固有的非线性特性导致的求解过程繁琐的问题,提出了一种快速求解算法,将原始复杂的非线性运算转化成几步较简单的有闭合解的运算,对这些子问题结合运用快速迭代收缩阈值算法（FISTA）和分裂Bregman算法来分别求解.结果表明,提出的新方法保持了与传统梯度下降方法相一致的定位精度,但将迭代速度提高了10倍以上,具有更高的运算效率.      

基于中心点预测的分数像素运动估计改进算法

针对H.264采用的分数像素运动估计算法存在计算复杂度高的不足,通过探索分数像素点之间相关性强及分数像素搜索范围为单峰值误差曲面的特点,提出了一种基于中心点预测的分数像素运动估计快速算法.测试结果表明:与全搜索分数像素搜索相比,该方法平均减少分数像素搜索点数69.32%,峰值信噪比相同,码率增加4.48%.该算法在保持图像质量不变和码率增加较少的情况下能大大减少搜索点数目,有效提高了分数像素运动估计的速度.     

基于近似贝叶斯计算的HMM隐状态估计

为了得到似然函数不解析可得的 HMM 隐状态估计,将HMM 隐状态估计看成一个贝叶斯最优滤波问题,采用基于近似贝叶斯计算的离子滤波算法对此类问题进行求解,从而解决了一些常用算法如卡尔曼滤波、扩展卡尔曼滤波及离子滤波等都不能解决的似然函数不解析可得的滤波问题。     

基于多尺度密集特征融合的生成式对抗除雾网络

在真实雾天场景下,针对除雾网络无法去除远处雾气、天空区域容易出现噪声的问题,提出了一种基于多尺度密集特征融合的生成式对抗除雾网络,并采用制作的合成雾天数据集进行对抗训练.首先,对除雾网络进行设计,构建了网络模型;其次,从合成晴朗天气图像中利用深度标签生成逼真的雾天数据集,以适用于真实雾天除雾领域;最后,在真实雾天数据集上测试,选取近几年具有代表性的6种基于深度学习的除雾网络进行主观视觉效果,并借助除雾领域常用的无参考图像质量评价指标进行客观分析.研究结果表明:提出的除雾网络在真实场景下的除雾效果较其他网络有显著提升,主观视觉效果明显优于对比的除雾网络,在无参评价指标上综合表现优于其他除雾网络.