考虑融合多传感器误差项优化方法的定位技术研究

为了实现移动机器人的精确自主定位,根据不同传感器的测量原理定义了视觉误差和惯性测量单元误差项,采用基于图优化的思想构建一个最小二乘问题的位姿估计器数学模型,并把多种传感器的误差项添加到估计器中,使用优化工具求解出最优的位姿,实现多传感器的融合定位。通过在仿真实验平台上运行公共数据集,实验结果表明单传感器的定位方案因为尺度模糊和累计漂移的问题在绝对位姿误差平均值达到7.942 m,而融合多传感器的定位方案的绝对位姿误差平均值为0.234 m,说明融合多传感器的定位方案比单传感器定位方案在定位上更加准确和鲁棒。     

基于多源信息融合的管道机器人定位技术研究

提出了3种管道机器人定位方法,即基于视觉的CCD定位方法,加速度定位法,多里程轮定位法。在考虑到3种传感器的精度差异及运用范围的基础上,提出了定位技术融合理论,在该理论的基础上,给出了并行结构融合系统的最优分布式定位融合算法,验证了多传感器定位融合系统相比于单一传感器系统,定位性能有了明显提高,实现了机器人在管道中定位精度的提高。     

基于电路网络的多图融合

结合互联网图像搜索的特点,提出了一种适用于大数据集基于电路网络的线性多图融合框架.根据核矩阵对应图模型的马尔可夫网络特征,分析了电路网络描述马尔可夫网络和多马尔可夫网络融合的可行性.分析了单源单地电路网络和谱聚类在描述流形上的相似关系,并受此启发找到了对应于等周分割模型的单地多源电路网络模型,给出了它的希尔伯特空间解释.分析了电路网络和经典排序算法的联系,进而提出了一种新的快速迭代算法.在以上工作的基础上,提出了多图融合的电路网络模型,该模型可以方便的利用k近邻信息和相关信息.在多模态图像搜索的应用里,比较了单地多源电路网络模型和流形排序以及其他多图融合、相关性分析模型;实验结果验证了融合模型和快速算法的有效性.     

融合码盘和激光雷达的里程计与建图

提出了一种用于自动驾驶汽车的低漂移、低延迟的里程计与高精度建图的算法。该方法融合了多种传感器的测量结果，包括车轮编码器、转向盘转角编码器、激光雷达及可选GPS等的测量结果。里程计算法由车轮里程计和激光里程计组成：前者基于车辆运动学模型，高频、实时估计位姿增量，用于点云去畸变和为后者优化位姿提供可用的初值；后者以较低的频率估计车辆的精确位姿变化，以补偿前者累计的误差，其核心是一种基于角度度量的两阶段特征提取方法。建图算法基于因子图，包含激光里程计因子、回环因子和可选GPS因子，通过增量平滑和建图算法优化全局轨迹，在线生成全局地图，其中GPS因子能够自动对齐GPS坐标系和里程计坐标系，逐步融合GPS测量值，解除了算法初始化过程对于GPS的依赖。所提出的方法在自动驾驶汽车平台数据集上进行了评估，并和已开源的部分相关工作进行对比，结果表明它具有更低的漂移率，在本文进行的最大规模的测试中达到了0.53%。相关代码以开源形式供交流参考（https：//github.com/Saki-Chen/W-LOAM）。     

面向无人平台的室内精密定位与构图技术

针对无人作战平台在室内等复杂环境下的高精度定位与地图构建问题,提出了一种利用信标锚节点辅助的单目视觉同步定位与地图构建方法,该方法通过WLAN锚节点估计出单目视觉尺度因子并结合视觉传感参数,获取真实尺度空间下的定位位置,并利用因子图模型对WLAN定位和单目视觉定位结果进行最大后验概率准则下数据融合,从而获得精确的位置和构图信息。实验表明：文中所提出的方法较好地解决了传统单目视觉定位中的尺度不确定问题,定位精度达到分米级,扩展了单目视觉SLAM在真实尺度空间中的应用,在复杂环境下的无人侦察、搜救和打击等应用领域具有重要的工程和实践意义。     

基于多信息融合的移动机器人定位算法

为了提高机器人的定位精度,提出了一种基于里程计、单目视觉与激光雷达信息相融合的自定位算法.首先,由里程计推算出机器人在各个时刻位置的估计值;其次,在不同时刻计算出机器人摄像头与任意两个环境特征点的夹角变化,通过激光雷达获得环境特征点的距离和角度并利用扩展卡尔曼滤波算法与里程计的定位信息进行融合;最后,由匹配的环境特征对机器人的位置进行修正,得到精确的位置估计.实验结果表明,该算法在多转角、长距离的情况下取得了满意的效果,有效地提高了定位精度.     

多源遥感图像的分层融合研究

为了更有效地实现目标识别，采用了像素产像融合方法，该方法简单，易于实现，其中低通对比度金字塔融合和多尺度对比度增强融合采用金字塔法实现，实验结果显示多尺度对比度增强的融合效果优于前者，但采用金字塔法有一个不可避免的缺陷，就是在做子采样时由于频率混效应而可能引进噪声，而非金字塔式分层融合技术则避免了金字塔法的这种缺陷，能得到更好的融合图像。     

二部图的因子覆盖与因子消去

一个图G称为(g,f)-因子覆盖的,如果G的任何边都属于G的某个(g,f)-因子.G称为(g,f)-因子消去的,若对图G的任何边e,G-e含有(g,f)-因子.特别地,对任何x∈V(G),有f(x)≡g(x)时,G相应地称为f-因子覆盖图和f-因子消去图.通过利用二部图(g,f)-因子和f-因子的存在性定理,作者分别讨论了二部图是(g,f)-因子覆盖、(g,f)-因子消去、f-因子覆盖和f-因子消去的充分必要条件.     

室内惯性导航系统/相机拓扑测量的因子图合作定位算法

为解决合作定位算法中滤波结构不易扩展、鲁棒性差的问题,提出了一种适应于室内多用户的惯性导航系统/相机拓扑测量的因子图合作定位算法。利用目标检测识别算法,提出相机拓扑测量合作定位算法。通过构建拓扑测量、惯性导航系统因子函数,推导出基于因子图的可扩展参数优化模型。为进一步提高鲁棒性,引入综合考虑残差和检测分数的权值判断法,提出适应于相机拓扑测量的改进型开关约束算法。仿真和实测实验表明:拓扑测量观测精度的提升对位置和速度估计、算法收敛次数均有不同程度的改善;合作+改进型开关约束算法的定位精度较非合作+非鲁棒算法的提高了79.8%;改进型开关约束算法相比原开关约束算法具有较高的预测成功率,当测量遮挡时长比为0.4时,改进型开关约束算法将原开关约束算法对野值点的预测成功率由89.35%提高到了97.4%;与原开关约束算法相比,引入权值判断法的改进型开关约束算法剔除了同用户多边框的异常拓扑测量值,减小了计算开销,提高了合作定位精度和鲁棒性。     

融合多源图信息的图神经网络会话推荐算法

现有的基于图神经网络的会话推荐算法通过将会话序列构筑为图形结构捕捉项目转换关系,能够有效提高推荐性能.然而多数图神经网络及其改进模型在建模会话时仅考虑会话序列中项目的单次转换关系,忽略了会话中包含的大量有效信息,同时缺乏对项目间隐藏关联性的分析.因此提出融合多源图信息的图神经网络会话推荐算法.将用户重复行为信息,项目内容关联信息纳入到会话图建模过程当中,有效提取项目更深层次的复杂转换关系,并通过线性转换进行聚合.此外采用外部注意力机制辅助获取会话序列项目隐藏关联信息,使得生成的会话向量在推荐过程中更加精确.在真实数据集Yoochoose和Diginetica上进行实验,实验结果表明该模型优于基准模型,特别地,相较于SR-GNN模型在MRR@20指标上提高了12.50%,能更好地预测用户的下一次点击项目.     

图的正交因子分解

研究了图的正交因子分解问题．设ｋ１,…,ｋｍ是正整数,Ｇ是［０,ｋ１＋…＋ｋｍ－ｍ＋１］－图,Ｈ是Ｇ的任一有ｍ条边的子图．若｜Ｖ（Ｈ）｜≥｜Ｅ（Ｈ）｜＝ｍ,则图Ｇ有一个［０,ｋｉ］ｍ１－因子分解与Ｈ正交     

多特征融合的无人船视觉目标跟踪

针对海面光照变化、水花遮挡、水面倒影等耦合作用引起的无人船视觉目标跟踪漂移问题,提出一种基于多特征融合的尺度自适应相关滤波跟踪算法。通过多特征融合,增强了水面目标特征表达,避免了目标跟踪漂移。为减少环境干扰对跟踪目标外观描述的影响,设计尺度自适应跟踪滤波器,提升目标跟踪鲁棒性能。采用本文算法对多个代表性海上视频数据集进行验证,并与典型目标跟踪算法进行比较。结果表明,相较基于单一CN特征的跟踪算法,本文算法的平均重叠率提升23.63%、平均中心误差减少53.79个像素点。本文算法适用于处理由于海面环境剧烈变化、目标尺度变化导致的跟踪漂移问题,可为无人船作业自主性提供重要智能感知技术支持。     

关于图的分支因子

给出图Ｇ是｛Ｐ２，Ｃｉ｜ｉ≥３｝—消去图的一个充要条件及Ｇ是｛Ｐ２，Ｃｉ｜ｉ≥３｝—覆盖图的一个必要条件和一个充分条件     

基于多源信息融合的飞行器高精度定位方法

导弹、卫星等飞行器的高精度定位问题,归结为多平台、多种类信息的融合处理.在多源信息融合处理中,各类信息加权的权值对融合结果的精度有重要影响.本文通过引入加权因子,研究了多源信息融合处理的加权与参数估计精度问题,得到了参数估计均方误差与权值的关系,证明了非线性模型的权值,不仅与测量误差的统计特性有关,还与模型的结构、样本量大小有关.计算结果表明,采用本文的加权方法,可显著提高导弹弹道参数估计精度.     

基于半定规划的多约束图划分问题

提出一种递归的二分算法,用于求解带顶点权重约束的图划分问题.首先利用内点法求解不加顶点权重约束的半定规划松弛模型,然后利用超平面舍入算法得到满足顶点权重约束的初始可行解,再进一步设计启发式算法对初始可行划分进行局部改进,以得到更优的划分结果.实验结果表明,所设计的算法可在较短时间内得到多约束图划分问题的高质量解.     

基于多传感器信息融合的移动机器人定位技术研究

移动机器人自身的定位问题是移动机器人在实际应用中首先会遇到的问题,是移动机器人完成各项任务的首要前提。为提高自制移动机器人的定位能力．设计了扩展卡尔曼滤波器对移动机器人装载的里程计、陀螺仪以及电子罗盘信息进行了信息融合。仿真研究结果缸明移动机器人的定位能力能得到一定的提高。     

偶图的分数因子

设G=（V，E）是一个无向简单图，a和b是两个非负整数，若函数f：E→[0，1]对所有的x∈V均满足a≤∑e∈xf（e）≤6，则称，为G的一个分数[a，b]-因子。此时，若还有a=b=k，则称f为G的一个分数k-因子，文章给出了偶图有分数k-因子的一个充分必要条件，并给出一个相关结论。     

基于Spline金字塔的图像融合方法

图像融合作为信息融合的一个重要领域已广泛应用于遥感、医学、计算机视觉、军事目标探测和识别等多方面。文章在传统的多分辨金字塔结构—Laplace金字塔的基础上提出Spline金字塔融合算法,有一定的探索性和创新性。在融合过程中着重讨论了塔形结构的分解和重构及融合规则。由实验结果可以判断Spline金字塔算法是一种有效的图像融合算法。     

应用于地面无人车辆的窗口约束马尔可夫定位

为解决地面无人车辆在GPS易受干扰区域的定位问题,提出一种窗口约束马尔可夫定位方法,通过在窗口范围内进行马尔可夫定位减少更新的状态空间范围. 窗口的位置在初始时刻参考地图中建立的路标估计,并随车辆运动信息在地图中移动. 该方法能够减少定位过程中的计算量,除初始时刻外不依赖于GPS进行短期外推定位,且实验证明具有较好的实时性和准确性.