基于特征编码和动态路由优化的视觉定位方法

针对视角变化、光照变化、大尺度和动态物体等复杂场景下,移动机器人定位的准确性低、鲁棒性差等问题,提出基于特征编码和动态路由优化的视觉定位方法。首先,引入基于残差网络的特征编码策略,提取图像的几何特征和语义特征,减少图像噪声信息,加快模型的收敛速度;其次,通过熵密度峰值优化网络的动态路由机制,采用向量表示特征之间的空间位置关系,提升图像特征提取和表达能力,优化网络整体性能;最后,融合优化后的特征编码和动态路由网络,将全局特征描述符和特征向量相结合,保留特征间的差异性和关联性,计算图像特征的相似性用于闭环检测。实验结果表明,相比基于VGG、AlexNet、BoVW及GIST的视觉定位方法,所提方法的准确率分别提高了24.54%、23.06%,43.81%和42.69%,实现了复杂场景下移动机器人闭环检测,提高了定位和建图的准确性和鲁棒性。     

基于深度特征正射匹配的无人机视觉定位方法

在卫星拒止条件下无人机安全、可靠地完成各类作业的基础是获取高精度的定位信息,传统图像匹配方法保障困难、定位精度差且匹配约束多。因此,提出一种基于深度特征正射匹配的视觉定位方法,通过深度学习网络提取正射校正后的无人机航拍图像和商业地图的深度特征,获得匹配关系,进而计算无人机高精度位置信息。根据视觉测量机理模型分析不同因素对视觉定位精度的影响,使用中空航拍图像数据集进行离线实验,实验结果表明：相比传统基于方向梯度直方图（HOG）特征的模板匹配方法,所提方法的定位精度提高了25%,位置均方根误差（RMSE）优于15 m+0.5%H(5000 m以下),具有一定的工程应用价值。     

基于因子图的无人机集群分布式协同导航方法

针对密集集群无人机的协同导航问题,提出了一种基于因子图优化的无人机群协同导航方法。结合无人机自身的导航信息和无人机之间的测距信息,将无人机群协同导航信息融合问题转换成因子图模型,给出了基于消息迭代策略的因子迭代方法,为每架无人机建立局部因子图,实现了协同导航信息分布式处理和位置优化。仿真试验结果表明,所提出的方案实现了集群无人机协同信息的分布式处理,且无人机群位置精度相对于未优化时提升3倍。所提出的方法可有效提高密集集群等多无人机应用场景下的定位精度。     

基于线特征的无人机自主着陆惯性/视觉导航方法

卫星拒止条件下无人机与着陆场站之间的相对位置与姿态测量技术是无人机安全回收、重复使用的关键。惯性/视觉导航方法综合了惯性导航、视觉测量的优势,同时克服了惯性误差发散,视觉测量盲区等问题。针对无人机着陆过程中点特征提取精度易受天气、飞行距离和高度等因素影响的问题,提出了一种基于线特征的无人机自主着陆惯性/视觉导航方法。通过识别机场跑道左右边线与中线,计算由这三条平行线确定的消隐点及消隐线方程,建立基于线特征的视觉相对测量模型,通过坐标系间的转换关系解算无人机在机场坐标系下的位姿,并与惯性导航结果进行数据融合,引导无人机安全着陆。经机载飞行试验验证,所提方法中无人机着陆垂向精度可达10 m,侧向精度达5 m,结果表明了所提方法的有效性。     

多层多源信息融合旋翼无人机测高算法

针对现有无人机在采用单一传感器测量飞行高度时不够精确且易受干扰,而当前多传感器融合算法测量精度提升有限的问题,提出了一种多层多源信息融合旋翼无人机测高算法。首先结合无人机测高过程中数据量不大的特点,提出一种基于二步延迟自适应时空算法,作为第一层融合,采用更多的历史数据完成信号处理,使融合精度更高。然后进行基于参数辨识的自适应互补滤波第二层融合,利用加速度计数据的辅助测高,实现了多步时间和空间双重融合模型,使旋翼无人机在悬停过程中测高数据更加准确,保证飞行和任务执行的稳定性。通过对高空悬停实测数据进行计算分析表明,该算法相对于一步延迟融合方法,均方根误差减小43.6%,最大误差减小53.6%。同时,该算法数据量小,方法也并不复杂,易于工程实现。     

基于改进YOLOv4的扫描电镜磨粒图像智能识别

磨损颗粒分析是设备磨损故障诊断和预测的有效手段,为了提高磨粒检测的自动化和智能化程度,提出1种基于改进YOLOv4的目标检测算法,并应用于航空发动机扫描电镜磨粒图像识别.首先,新算法采用VoVNetv2-39替换YOLOv4原主干网络CSPDarknet53,并引入BiFPN特征金字塔结构与新主干相连,同时调整模型中所有3×3标准卷积为深度可分离卷积,以加强多层次特征融合,构造轻量级网络;其次,利用迁移学习解决扫描电镜磨粒图像数量较少的问题,并通过冻结训练加速模型训练过程;最后,应用实际发动机扫描电镜磨粒图像验证,结果表明：新算法相较于原YOLOv4网络,在保证精度的前提下,网络参数量大幅降低,识别速度提升51.1%,满足实际扫描电镜磨粒图像快速、简洁和高精度的检测需求,具备潜在的工程应用价值.     

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%。     

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）。     

机场跑道性能退化随机过程模型的贝叶斯数据更新方法

为了精确预测民用机场跑道的剩余使用寿命，利用数据融合技术将两种数据集进行联合分析，采用贝叶斯概率预测方法对机场跑道定期检测数据进行更新。考虑机场道面退化过程的随机性和动态性，建立了一种机场道面性能退化的动态半马尔可夫随机过程模型，利用生存分析对半马尔可夫过程模型的转移概率进行了估计。考虑飞行交通量和道面厚度的双重影响，采用某地方民用机场2007—2017年的道面性能定期检测数据，分析了两种影响因素的作用。利用半马尔可夫过程模型的转移概率对某地方民用机场跑道性能退化过程进行了预测，并采用马尔可夫链蒙特卡洛(Markov Chain Monte Carlo, MCMC)模拟技术，基于贝叶斯统计分析方法，利用不定期检测数据得到的先验信息对半马尔可夫过程模型的转移概率进行了更新，将更新后的模型应用于民用机场跑道性能预测，并将预测结果和未更新的动态半马尔可夫过程模型预测结果进行了对比分析。结果表明，基于MCMC的贝叶斯分析方法能够融合定期和不定期检测数据确定动态半马尔可夫过程模型的参数先验信息，可以有效地更新机场跑道的性能预估模型，提高模型的预测精度。     

基于高斯粒子滤波与消息传递的协同导航方法

针对无人机群协同导航问题,提出了因子图框架下基于高斯粒子滤波和消息传递算法的无人机 群协同导航方法。所提方法利用因子图描述无人机群导航状态与自身量测以及相对导航信息之间的关 系,并通过高斯粒子滤波实现因子图中节点之间的消息传递,完成无人机群导航状态的最大后验概率 估计。仿真结果表明所提出的方法实现了机载多源传感信息与相对导航信息的有效融合,定位精度相 比于基于因子图和粒子化消息传递的混合和积算法（H-SPAWN）提高 50%以上。     

图像的色彩分割技术在等差线处理中的应用研究

提出一种基于图像色彩分割的等差线提取新技术,即采用彩色图像卡和摄像机,以白光照射下应力模型在圆偏振光场中等差线条纹的颜色为标志,采用符合人类视觉特征的HSI颜色空间来表示图像的颜色特征,根据“最小色差准则”对等差线进行颜色聚类,实现等差线的快速、准确提取。     

基于LSTM-GAN的无人机飞行数据异常检测算法

飞行数据的异常检测是保障无人机飞行安全的关键。为了提升异常检测的准确率,以更好地构建无人机飞行数据正常样本的数据模式,提出了一种基于长短时记忆网络（LSTM）和生成对抗网络（GAN）的异常检测算法。设计了由生成网络、判别网络和重构网络组成的循环学习网络,同时为了避免网络学习产生梯度爆炸的风险,设计了一种由两个判别损失函数与一个重构损失函数相结合的目标损失函数。实验结果表明,LSTM-GAN异常检测算法均优于K-means、单类支持向量机、LSTM和Auto-Encoder算法的异常检测性能。LSTM-GAN比LSTM异常检测的准确率提高2.2%。     

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。     

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。     

基于雷达的导航信息传递系统设计

针对无人机低精度微惯导系统的动态对准和校准的问题,提出了一种基于雷达的母子导航信息传递系统。将雷达及其载体当作一个刚体,设计了基于雷达的母子导航信息传递系统结构;采用雷达被动测向仪和快速求根的对称压缩测向改进算法,对雷达主瓣波达方向(DOA)进行了估计;基于SystemVue,构建了基于雷达的导航信息传递仿真实验系统。仿真结果表明,基于雷达的方位传递误差≤0.5°,可以满足无人机微惯导系统初始对准和校准精度的要求以及无人机飞行和执行任务的需要。     

复合材料内多处横向冲击损伤的光纤图像检测1)

基于埋设在复合材料层板中的多方位多模光纤网络的特点,提出了检测层板内部发生多处横向冲击损伤的重构算法.根据光纤损伤图像检测系统获得的图像信号,可实时、定量、直观重构并显示出层板内部各处损伤的位置和各处的损伤程度.在复合材料多点冲击损伤检测试验中,屏幕显示的损伤图示与对半透明试件同时做反向照明检测的结果相一致,证实了重构结果的正确性.     

基于视觉技术的光纤陀螺闭合光路光纤缺陷检测方法

针对光纤陀螺内部光纤在装配后光路闭合,无有效手段进行光纤缺陷检查,对光纤陀螺长期稳定可靠工作带来潜在危险的问题,提出利用红外视觉检测技术检查光纤缺陷,分析光纤缺陷图像特征,采用最大熵法进行图像分割,提出了结合直方图特征、缺陷区域形状特征、缺陷边界形状特征提取方法,采用改进的神经网络分类方法,用两层网络进行缺陷分类,识别判断不同类别的光纤缺陷。针对光纤缺陷图像的处理结果表明,该方法能够有效地检测光纤缺陷,对不可接受的缺陷能够100%地正确判断。     

复合材料内多处横向冲击损伤的光纤图像检测

基于埋设在复合材料层板中的多方位多模光纤网络的特点,提出了检测层板内部发生多处横向冲击损伤的重构算法．根据光纤损伤图像检测系统获得的图像信号,可实时、定量、直观重构并显示出层板内部各处损伤的位置和各处的损伤程度．在复合材料多点冲击损伤检测试验中,屏幕显示的损伤图示与对半透明试件同时做反向照明检测的结果相一致,证实了重构结果的正确性     

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%。