红外视频的SIFT-RANSAC稳像算法研究

针对红外热像仪在载体的非平稳运动中获得的视频信号存在帧间的非平稳抖动问题，本文提出了一种SIFT—RANSAC稳像方法，将图像匹配中的SIFF特征应用于红外视频的稳像处理中，并针对红外热像仪的成像特点，给出了一种基于RANSAC的方法估计运动参数，对运动参数的滤波得出无抖动的运动轨迹，再对每帧图像做运动补偿得到无抖动的视频。仿真结果表明，该方法有效地解决了特征点匹配过程中的误匹配问题，大幅度地提高了红外视频的稳像精度。     

基于Kalman滤波的稳像技术研究

提出一种适用于视频侦察的实时电子稳像方法。采用特征点匹配法估计帧间全局运动参数,在建立参数运动模型的基础上,通过Kalman滤波确定各帧修正矢量。实验结果说明该方法可以较好地去除高频抖动,保留摄像机的主动运动,实现实时稳像。     

一种新的快速智能电子稳像方法

设计了一种适用于移动摄像设备获取视频序列的快速电子稳像方法，较好地解决了抖动自动检测和准确补偿问题。首先，通过改进的图像插补算法估计出帧间全局运动参数，设置判别条件，进行抖动检测；然后对发生抖动的序列进行图像补偿，包括抖动补偿和局部运动补偿，从而得到稳定的视频序列。真实视频序列的稳像处理结果验证了抖动检测方法的可行性以及算法。实验结果和算法分析表明，该方法增强了电子稳像系统的智能性。     

基于SIFT特征的视频稳像算法

为将载体上截取的视频进行稳像,介绍了尺度不变特征变换(scale invariant feature transform,SIFT)算法及基于SIFT特征的视频稳像算法.基于电子稳像算法框架采用六参数仿射模型表征图像运动,利用图像的SIFT特征估计图像间的模型参数,通过补偿来消除图像间的运动,完成了视频稳像任务.最后,利用峰值信噪比(peak signal to noise ratio,PSNR)指标评价稳像效果.实验结果表明:该算法能很好地消除图像间的运动,有效提高图像间的PSNR值,完成视频序列的稳像任务.     

基于随机抽样的快速全局运动估计

全局运动估计是稳像技术中极为重要的环节,全局运动估计算法的精度和速度将很大程度影响稳像的性能。本文提出了一种基于RANSAC鲁棒算法的全局运动估计方法,该方法通过Harris角点检测算法,找到待匹配角点,并采用相似度进行匹配,剔除外点后,用预检测的随机抽样算法得到全局运动参数。通过仿真试验表明,该方法对可见光视频、红外视频都可以适用,并能在保证精度的同时,达到实时性的要求。     

基于ORB特征匹配的全局运动估计

为提高全局运动估计的准确性,提出一种基于定向旋转不变性(oriented FAST and rotated BRIEF,ORB)特征匹配的全局运动估计算法.首先对差分图像进行分块,通过设定阈值来筛选出有效的背景运动模块,然后经ORB特征匹配后,代入六参数运动模型,通过最小二乘法求解出估计参数,最后对当前帧做补偿,比较补偿前后的差分图像中的目标轮廓的清晰度.实验结果表明:该算法能有效去除局部运动的影响,在保证全局运动估计准确性的同时,也确保该算法的有效性.     

动态背景下基于运动矢量补偿的目标检测

在动态场景下,为了降低背景运动对目标检测产生误差的影响,针对视频序列图像,提出基于运动矢量 补偿的目标检测算法。采用背景运动补偿方法来完成目标检测,利用 SURF 特征点来获取精确的匹配点对,从而获 取准确的运动矢量;根据运动目标和背景运动矢量位移的不同来区分出前景和背景区域,将背景运动矢量代入模型 进行参数估计,提高背景补偿的精度;用帧差法检测出运动目标。实验结果表明：该算法具有鲁棒性,能够准确检 测出动态背景下的运动目标。     

高速旋转弹载体干扰磁场补偿算法

为解决高速旋转弹载体磁场会严重影响捷联地磁传感器的测量精度问题,文中在对弹体的载体干扰磁场机理分析与误差建模基础上,提出了基于Kalman滤波技术的弹体载体磁场误差参数估计与补偿方法。最后以152 mm旋转弹药载体磁场为研究仿真对象,对所述载体磁场补偿方法进行了算法仿真验证,结果表明该算法可有效实现载体磁场误差参数的准确估计,且地磁传感器测量数据在经误差补偿后,其测量精度提高一个数量级。     

高斯粒子滤波的局部光流运动匹配跟踪算法

针对目前大多数目标跟踪算法容易受背景干扰等问题,为了快速准确地进行目标跟踪,在基于粒子滤波跟踪方法的启发下,提出高斯粒子滤波的局部光流运动匹配目标跟踪算法。该算法首先采用高斯粒子滤波算法对未来时刻目标的位置状态进行估计假设,缩小目标搜索范围;然后对锁定范围内场景中的所有内容进行局部光流约束匹配计算,寻找最佳匹配位置;最后通过估计目标状态来获得跟踪目标。仿真实验结果表明,该算法特别适用于目标灵活运动时的跟踪,与现有的算法相比,不仅算法实现简单,同时有较好的鲁棒性和通用性。     

基于单目/IMU/里程计融合的SLAM算法

常见的单目视觉-惯性SLAM算法,应用于以平面运动为主的轮式机器人时,由于存在额外不可观测度等原因常会导致导航定位精度下降。为解决该问题,提出一种能提高定位精度的视觉/IMU/里程计紧耦合的SLAM算法。在视觉前端部分,改进了原始图像金字塔LK光流法,将陀螺仪的旋转信息和里程计的平移信息作为先验,进行了可减少计算量的光流初值计算过程优化;引入车轮里程计信息,推导了IMU/里程计预积分;将里程计约束加入初始化过程和后端非线性优化中,实现视觉、IMU、里程计信息的充分融合利用。开源数据集测试和小车实验结果表明,新算法光流迭代次数减少约32.5%,定位误差均值相比VINS-Mono减少约40%。     

基于四元数粒子滤波的飞行器姿态估计算法研究

针对飞行器非线性姿态确定问题,提出了一种四元数粒子滤波算法。将状态向量分为线性部分和非线性部分分别进行处理,降低了粒子滤波的运算量。针对四元数加权求和规范化问题,通过构造拉格朗日代价函数的方法将四元数加权和问题转化为代价函数取极值时的四元数向量求解问题;并通过求取四元数误差方差矩阵对角线元素平方根的方法保证扰动四元数的规范化;利用乘性误差四元数表示四元数估计点与采样点之间的距离,求取四元数的协方差矩阵解决了旋转矢量方差计算问题。仿真实验表明,与传统的扩展卡尔曼滤波（EKF）和无迹卡尔曼滤波（UKF）算法相比,该算法估计精度更高,稳定性更好。     

基于双旋迫击炮弹平台的改进型Sage-Husa自适应滤波滚转角测量算法

针对传统扩展卡尔曼滤波算法无法消除量测噪声、导致二维弹道修正引信滚转角测量误差偏大问题,利用轴向陀螺的实测转速作为系统噪声补偿,提出一种基于双旋迫击炮弹平台的改进型Sage-Husa自适应卡尔曼滤波滚转角测量算法。相对于传统扩展卡尔曼滤波方法,新算法显著降低了滚转角测量误差,提高了滤波器对于弹道升弧段和降弧段滚转角新息改变的自适应性;以高精度三轴转台作为硬件实验验证平台,该算法始终能够保持较高的测量精度和自适应性。研究结果表明：改进后的Sage-Husa自适应卡尔曼滤波滚转角测量算法在仿真验证中的滚转角测量误差均值为0.26°、标准差为0.35°;硬件实验验证中的滚转角测量绝对误差不超过4.2°.     

Minimum Distortion Direction Prediction-based Fast Half-pixel Motion Vector Search Algorithm

A minimum distortion direction prediction-based novel fast half-pixel motion vector search algorithm is proposed, which can reduce considerably the computation load of half-pixel search. Based on the single valley characteristic of half-pixel error matching function inside search grid, the minimum distortion direction is predicted with the help of comparative results of sum of absolute difference(SAD) values of four integer-pixel points around integer-pixel motion vector. The experimental results reveal that, to all kinds of video sequences, the proposed algorithm can obtain almost the same video quality as that of the half-pixel full search algorithm with a decrease of computation cost by more than 66%.     

面向快速室内视觉定位的ORB-SLAM2 算法

针对随机采样一致性(random sample consensus,RANSAC)算法在快速去除错误匹配时因随机性导致算法 效率较低的问题,提出一种采用顺序采样一致性(progressive sample consensus,PROSAC)算法来改进ORB-SLAM2 框架中的错误匹配删除方法。通过利用特征点的匹配质量对特征点进行预排序,减少图像匹配过程中的迭代次数; 提出基于最大化割归一化割算法(normalized cuts and image segmentation,Ncut)的全局BA 分段优化算法,以降低计 算复杂度。通过数据集验证,结果表明：优化后的即时定位与地图构建(simultaneous localization and mapping,SLAM) 系统在保持绝对轨迹和相对位姿误差同ORB-SLAM2 基本一致的情况下,相同图像的错误匹配去除的效率提升了 50%,证明了该算法的有效性。     

基于RBF神经网络的Kalman滤波在惯导系统传递对准中的应用

针对模型存在误差时传统的Kalman滤波算法误差变大甚至发散的缺点，利用RBF神经网络较强的非线性逼近能力，提出用RBF神经网络辅助Kalman滤波的新算法，将其应用于舰载机惯导系统的传递对准中。仿真表明该算法优于传统Kalman滤波算法。     

CI算法在两传感器融合稳态Kalman滤波器中的应用

针对两传感器稳态Kalman滤波器的信息融合,目前有三种常用的加权分布式融合算法:按标量加权、按对角阵加权和按矩阵加权,但它们都需要得到局部稳态滤波误差互协方差阵后才能计算出融合结果.而协方差交集算法在相关度未知的情况下,也能得到一个改进的估值,因此文中将协方差交集算法应用到两传感器稳态Kalman滤波器的信息融合中,在互协方差阵未知的情况下,此方法也能得到较好的信息融合结果,并通过仿真进行了验证.     

基于无迹卡尔曼滤波的火箭弹姿态估计

针对某尾翼稳定火箭弹姿态估计的问题,以姿态角、位置、速度参数作为状态变量,建立了火箭弹运动参数的捷联惯性解算模型,将GPS的位置和速度测量值作为输出变量,构成组合滤波模型,并分别采用扩展卡尔曼滤波和无迹卡尔曼滤波方法进行滤波处理。仿真结果表明,扩展卡尔曼滤波在滚转速率变化较快、模型非线性较强的情况下不能达到预期的滤波效果,而基于无迹卡尔曼滤波的组合滤波方法更为有效,相比扩展卡尔曼滤波,其俯仰、偏航角估计误差均方根降低了一半,滚转角估计误差均方根降低了三分之二,满足姿态估计的需求。     

基于贝叶斯估计的加权最小二乘分布式融合

针对不同观测矩阵加权最小二乘算法没有考虑到模型参数本身信息的共同缺点,提出基于贝叶斯估计的带不同观测矩阵的加权最小二乘分布式(Bayes Estimation Weighted Least Square,BEWLS)融合Kalman滤波算法。该方法首先采用推广的离散卡尔曼滤波对非线性系统线性化,然后在考虑模型参数本身的先验信息条件下,采用基于贝叶斯(Bayes)估计方法对Kalman滤波算法的观测方程进行加权最小二乘融合。BEWLS融合算法减少了计算负担,提高了融合精度,便于实时应用。理论和仿真证明:BEWLS融合具有优越性。     

基于新息自适应滤波的惯性测量单元误差在线标定方法研究

考虑到空天飞行器飞行环境和运动特性下导航传感器误差的噪声统计特性不可能完全精确已知,若使用常规卡尔曼滤波进行在线标定,将会导致滤波精度下降甚至发散。设计一种基于新息自适应滤波方法的惯性测量单元(IMU)误差在线标定方案和算法,克服常规卡尔曼滤波需预先知道噪声统计特性的不足,设计包含IMU安装误差、刻度因子误差和随机常值误差在内的27维高阶状态变量的误差标定模型,分析提出可同时对系统噪声和量测噪声协方差矩阵进行动态调整的新息自适应滤波在线标定算法。仿真验证实验表明,相较于采用常规卡尔曼滤波以及Salychev O自适应滤波算法进行在线标定,所设计的新息自适应滤波在线标定方法能更有效实现对IMU误差的动态标定及补偿,进一步提高了惯性导航系统精度。实物验证实验表明,该方法可有效标定IMU误差残差,提高导航精度,为工程应用带来较大便利。     

目标跟踪中两种非线性滤波算法的对比研究

在处理目标跟踪等动态系统实时估计问题中,通常采用EKF作为状态估计方法提高估计精度.由于EKF进行非线性估计存在一些缺陷,将系统进行线性化近似存在估计误差,从而影响目标跟踪的精度.为了获得更高的估计精度,介绍了两种新的非线性滤波算法,即unscented卡尔曼滤波算法和粒子滤波算法.分析了UKF和PF算法的原理和算法实现,对两种算法的适应性进行了比较.通过目标跟踪仿真实验,表明粒子滤波算法估计精度比UKF算法高,但是计算量却相对较大.