基于多分支架构的目标三维位姿实时估计方法

针对车路协同应用场景中目标尺度与位置值域跨度大导致的位姿实时估计精度低、回归求解模型收敛慢的问题,提出了一种基于多分支架构的目标三维位姿实时估计方法。在目标二维检测算法模型架构基础上,设计位姿估计分支结构,用于输出目标姿态四元数、目标相对相机的三维空间位置及目标长宽高。在训练阶段,为位姿估计分支设计了相应的损失函数,采用向量单位化算子回归姿态四元数、对数重映射算法回归目标尺寸与目标到相机距离;在推理阶段,根据模型输出的四元数和目标到相机距离解算出目标三维位姿,实现精确的位姿估计。在OVRC数据集的位姿精度验证中,位置坐标误差的均方差最大为1.94 m,姿态角误差的均方差最大为3.98°;在Kitti数据集的相对精度测试实验中,相比PVNet方法,检测精度提升了3.22%,相比3DBB方法,推理效率提升一倍。     

基于神经辐射场的视觉位姿分段估计方法

为提升观测载体的视觉位姿估计精度和效率,提出了一种基于神经辐射场的\"粗-精\"两阶段位姿估计方法.首先基于通道注意力机制构建初始位姿估计网络Rnet,用以估计大失准角情况下的初始位姿;然后设计了基于可信区域约束和兴趣点采样策略的深度纠正模块,通过优化 NeRF 模型深度,为位姿精确估计提供更高精度先验信息;最后构建 PoseNeRF 网络,基于 SE(3)流形的梯度下降法最小化 NeRF像素颜色、深度推理值与真值之间的残差,实现位姿精确估计.在 OVIT实测数据集实验中,采用深度监督后,位置精度提升 27.8%,姿态精度提升 12.6%;与 TD-NeRF 相比,所提方法位姿收敛效率提升约 6 倍;相较于iNeRF、NeRF--,所提方法受初始姿态误差影响最小,验证了所提方法具有更高的位姿估计精度、效率和鲁棒性.     

一种基于光流-线特征的单目视觉-惯性SLAM算法

以实现机器人导航系统的高精度实时定位为目标,针对弱纹理环境下视觉SLAM运行不稳定、累积误差大,以及快速运行时算法失锁等问题,提出一种基于光流-线特征的单目视觉-惯性SLAM算法(PL-VINS).参考开源的VINS-Mono系统架构,通过视觉-惯性联合初始化估计PL-VINS初始时刻的状态,为后端线程提供良好的初始值...     

基于单目位姿估计的拉力扭转形变测量方法研究

拉力作用下的高精度扭转形变测量是材料力学性能测试的难点。针对轴形试验件在拉力作用下的扭转形变测量问题,提出了一种基于单目位姿估计的非接触式测量方法。在试验件的一端延伸连接一个轻质平面标志板,利用固定于地面的测量相机对平面标志板实时成像,并根据单目位姿估计原理解算试验件变形前后平面标志板的相对姿态变化。若试验件只发生扭转变形,则平面标志板的姿态变化可由绕试验件轴向的旋转角描述,通过对平面标志板的姿态变化矩阵进行Rodrigues分解,可得到试验件轴向在空间中的向量表示及绕轴向的旋转角大小,该旋转角即为试验件的扭转变形角。搭建了实验平台,开展了实际拉力扭转形变测量实验,结果表明:基于单目位姿估计的非接触式轴形试验件扭转形变测量方法精度高,系统结构简单,是拉力扭转形变测量的一种有效测量方法。     

基于单个SIFT特征的相对位姿估计方法

位姿估计是精密光测和自动驾驶的基本问题之一。针对自动驾驶等实际应用中,相机在平面上运动,相机位姿的自由度为3的情况,本文提出了基于单个SIFT特征的相机相对位姿估计方法。由于单目相机无法恢复平移尺度,因此相机运动的自由度减少为仅有旋转角和平移角的两自由度。通过观测地面,可以得到包含相机运动和平面法向量的地面单应信息,因此可以通过提取地面同名点估计单应矩阵来恢复相机运动。为了减少RANSAC迭代次数、提高算法效率,引入SIFT特征进行位姿估计。SIFT特征包括2幅图像中同名点图像坐标以及其特征旋转和特征尺度,可以扩充单个点对中包含的信息,有效减少求解单应矩阵所需点对数量。针对平面二自由度运动情况,本文使用单个SIFT特征点对完成单应矩阵的估计,并采用随机采样一致算法对结果进行优化,最终分解单应矩阵得到相对位姿估计结果。在仿真实验及真实实验中与2pt方法和5pt方法进行对比,证明了所提出的方法是有效的。     

平面镜反射辅助视场下相机位姿估计问题的Cramer-Rao下界

针对不通视条件下的相机位姿估计问题,可通过移动平面镜实现相机对目标镜像的多次观测,进而求解相机与目标之间的相对位姿关系。本文研究了该配置下位姿估计误差的CramerRao下界问题,推导了平面镜反射中心透视投影模型中物点、光心、镜像虚拟像点三者之间的共线方程及位姿估计误差理论下界的计算公式,并进行了数字仿真验证。结果表明:增大平面镜摆动角度、减小平面镜到相机的距离或增加平面镜有效移动次数,都可降低位姿估计误差的CRLB。上述结果可为某些不通视条件下摄像测量的现场布设提供可靠的性能指标。     

水下滑翔器位姿估计的改进高斯混合粒子滤波器设计与验证（英文）

近年用于水下滑翔器的低成本导航系统成为研究热点,导航器件的成本与精度之间的折中问题仍然是目前的难题。针对因使用低成本的导航元件而造成低精度位姿估计的问题,提出用于位姿估计的改进高斯混合粒子滤波(IGMPF)方法。用高斯混合模型来估计非高斯噪声,改进的粒子滤波进一步提高位姿估计精度。为了验证其效果,该方法应用于自主设计的水下滑翔器导航系统中并做了车载实验,实验结果表明所提IGMPF方法在实际应用中比传统的EKF和UKF表现更优,姿态角和位移误差比EKF和UKF减小了至少30%。     

一种融合语义地图与回环检测的视觉SLAM方法

针对机器人导航中动态环境下回环检测易失败且语义地图信息使用不充分的问题,提出了一种融合语义信息的V-SLAM方法,包括语义地图构建和语义回环检测两部分.首先利用YOLOv3深度学习网络对关键帧进行二维图像语义标注;然后基于条件随机场模型将二维图像的语义标注信息与场景分割的聚类信息相融合求解语义地图;语义回环检测算法基于...     

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）。     

一种基于故障检测与模糊逻辑的姿态估计方法

提出了一种融合惯性数据的飞行器航姿估计算法。使用MIMU（微惯性测量单元）作为飞行器的惯性航姿系统,利用MIMU中的陀螺仪,通过测量飞行器的角速率计算姿态角;同时,利用MIMU中的加速度计,通过测量当地的重力加速度,计算飞行器的姿态角。文中采用一种自适应故障检测方法,根据模糊理论构造加权系数,将飞行器的运动加速度与当地重力加速度分离,融合MIMU的数据,估计飞行器的姿态角。使用该方法既可以避免使用陀螺仪解算姿态角时误差的积累,又提高了使用加速度计计算姿态角时的动态性能,并经数据仿真验证说明该方法能达到预期的效果。     

一种惯性辅助卫星完好性监测多解分离法的优化方法

针对惯性辅助卫星完好性监测多解分离法计算量大的问题,给出了一种基于参数序贯复用的优化方法。在对多解分离法及其计算量分析基础上,采用序贯处理技术,推导了低阶顺序处理多解分离法。同时根据系统结构特点以及滤波器间量测信息高度相关性,提出滤波器参数复用方法,避免参数重复计算。通过仿真实验,从故障引入时间和可见星数目变化两个方面对优化前后多解分离法的计算量进行了对比。仿真结果表明该优化方法可以有效降低多解分离法的计算量,便于工程应用。     

一种基于深度学习的超声导波缺陷重构方法

超声导波检测因其传播效率高、耗能少等优势成为了无损检测领域的重要研究方向.目前已有的利用超声导波进行结构缺陷探测和定量化重构的方法主要由相关的导波散射理论推导得出.然而,由于导波散射问题本身的高复杂性,使得在推导上述理论方法时引入一些近似假设,降低了重构结果的质量.另外,有些方法通过优化迭代的方式提高重构精度,又会增加检测的时间成本.有鉴于此,论文探索了一种将卷积神经网络与导波散射理论模型以局部融合的方式实现缺陷定量化重构的新方法.应用样本数据训练后的神经网络实现缺陷定量化重构,弥补缺陷重构过程中的理论模型误差,同时去除在实际检测过程中所存在的环境噪声.论文以利用SH导波重构平板中的减薄缺陷为研究对象,通过数值模拟验证了该方法在缺陷重构时具有高效率和高精度的特点,特别是对矩形缺陷的重构,新方法的结果精度比波数空间域变换法的精度提高了近200%.     

一种改进的车载组合导航零速检测及运动约束方法

零速修正在抑制车载惯性导航系统误差发散方面具有重要作用,普适准确的零速检测方法是实现零速修正的关键.针对传统零速检测方法在复杂环境下易受扰动、检测准确率低的问题,提出了一种改进的车载组合导航零速检测及运动约束方法.首先,归纳总结了基于速度和惯性测量装置数据的几种典型的零速检验方法,并分析了各种方法的优缺点;其次,设计了融合陀螺仪模值检验统计量和水平速度检验统计量的零速检测方案;最后,对所提方法进行了实验验证.实验结果表明,城市环境下所提方法的检测准确率为 99.222%,漏检率为 0.628%,误检率为 1.366%.相较于基于速度的零速检测方法,准确率提高了 8.000%,漏检率和误检率分别降低了 8.793%和 4.901%,速度精度平均提升了32.49%,姿态精度平均提升了 28.69%.