单目视觉中基于IEKF,DD1及DD2滤波器的位姿和运动估计

用单摄像机所获取的二维(2D)图像来估计两坐标之间的相对位姿和运动在实际应用中是可取的,其难点是从物体的三维(3D)特征投影到2D图像特征的过程是一个非线性变换,把基于单目视觉的位姿和运动估计系统定义为一个非线性随机模型,分别以迭代扩展卡尔曼滤波器(IEKF)、一阶斯梯林插值滤波器(DD1)和二阶斯梯林插值滤波器(DD2)作非线性状态估计器来估计位姿和运动.为了验证每种估计器的相对优点,用文中所提方法对每种估计器都作了仿真实验,实验结果表明DD1和DD2滤波器的特性要比IEKF好.     

迭代集合卡尔曼滤波方法的性能比较研究

针对数据同化过程中模型的非线性问题,通过分析对比得出了一种适合强非线性系统的迭代集合Kalman滤波(IEnKF)。在Lorenz\|63模型的框架内,比较分析集合Kalman滤波(EnKF)、迭代集合Kalman滤波(IEnKF)和迭代扩展卡Kalman滤波(IEKF)在集合数、观测误差方差、放大因子和模型步长不同时同化性能差异,由此探讨这3种方法的优劣。研究结果表明:随着集合数的增加,3种算法的同化性能都得到了一定的改善;放大因子的增大,使其同化性能变差且EnKF呈现出多重波峰波谷的现象;3种方法的均方误差(RMSE）随观测误差方差和模型步长的增大而增大,其同化精度都变差;而IEnKF同化性能最优,更具有鲁棒性。     

Improved design of proposal distribution for particle filter

One crucial issue in particle filtering is the selection of proposal distribution. Good proposal can effectively alleviate particle degeneracy and thus improve filtering accuracy. In this paper, we propose a new type of proposal distribution for particle filter, called as R-IEKF proposal. By combining iterated extended kalman filter with Rauch-Tung-Striebel optimal smoother, the new proposal integrates the latest observation into system and approximates the true posterior distribution reasonably well, hence generating more precise and stable particles against measurement noise. The simulation results indicate that the improved particle filter with R-IEKF proposal prevails over PF-EKF and UPF both in tracking accuracy and filtering stability. Consequently, PF-RIEKF is a competitive choice in noisy measurement environment.     

Alternate Location Method of a Robot Team in Unknown Environment

The alternate location method of a robot team is proposed.Three of the robots are kept still as beacon robots,not always the same ones,while the others are regarded as mobile robots.The mobile robots alternatively measure the distance between one of them and three beacon robots with ultrasonic measurement module.The distance data are combined with its dead-reckoning information using iterated extended Kalman filter(IEKF)to realize the optimal estimate of its position.According to the condition the future beacon robots' positions should be desired ones,the target function and the nonlinear constrain equations are set up which are used by nonlinear optimization algorithm to estimate the position of the future beacon robots.By alternately changing the robots' roles as active beacon,the alternate location in unknown environment can be realized.Process and result of the simulation test are given and the position estimation error is within±10 mm,which proves the validity of this method.     

基于采样策略的无人机着陆导航算法

给出了无人机着陆过程中利用帧间图像提取的特征点进行无人机状态估计的算法。采用PCA-SIFT算法进行特征点匹配,在保证能够稳定匹配的前提下,提出了帧间自适应采样策略的特征点选取算法,减少了计算的冗余性。然后通过建立本质空间中的状态方程,利用极线几何约束设计IEKF滤波器,对无人机进行相对位置、姿态估计。仿真结果表明,该算法实现了帧间特征点的快速匹配,较好的估计了无人机的相对位置、姿态信息,比单纯利用极线几何约束具有更高的精度和稳定性。     

基于迭代扩展Kalman滤波建议分布和线性优化重采样的快速同步定位与构图

针对标准快速同步定位与构图(FastSLAM)方法中由于样本退化及贫化导致自主水下航行器(Autonomous Underwater Vehicle, AUV)及路标位置估计精度严重下降的问题,该文提出一种基于迭代扩展Kalman滤波(Iterative Extended Kalman Filter, IEKF)建议分布和线性优化重采样的FastSLAM方法,通过IEKF融入最新观测值从而降低样本退化,为了降低样本的贫化,将重采样过程中复制的样本与部分被抛弃的样本通过线性组合产生新样本。建立AUV的运动学模型、特征模型及传感器的测量模型,通过Hough变换提取特征构建全局地图,采用改进的FastSLAM方法基于海试数据进行了AUV同步定位与构图试验,结果表明该文所设计的方法能够有效避免样本的退化及贫化,提高了AUV及路标的位置估计精度;此外,一致性分析结果表明所设计算法具有长期一致性。     

一种融合时差频差和测向的运动目标跟踪方法

传统的星载无源定位系统对空中辐射源定位求解通常采用假设高程的方法,高程假设误差将对定位跟踪精度造成较大影响。为实现未知高程运动辐射源的高精度定位跟踪,针对异轨三星构型的无源定位系统,提出了一种基于时差、频差和二维测向融合的迭代扩展卡尔曼滤波(Iterative Extended Kalman Filter, IEKF)跟踪方法。在WGS-84坐标系下建立了状态方程和观测方程,并采用IEKF方法对目标状态进行估计。仿真结果表明,该方法可对未知高程的运动目标进行高精度状态估计,典型仿真场景下的目标高程估计精度达到百米量级,相对于已有方法收敛时间更短,并且在卫星覆盖范围内具有更大的高精度定位跟踪区域。     

固定观测站对运动辐射源定位的IEKF算法及仿真

基于到达方位角(DOA)和到达时间差(DTOA)等观测信息,实现了单个固定观测站对运动辐射源无源定位和跟踪。为克服扩展卡尔曼滤波(EKF)算法线性化过程对预测误差放大,导致定位结果发散或不稳定的缺陷,引出了迭代扩展卡尔曼滤波(IEKF)算法。在获得某个预测值后,通过多次更新状态估计,使之逐渐拟合当前观测量,以提高目标状态估计的精度。仿真结果表明,在一定的观测误差条件下,IEKF算法比EKF算的定位跟踪收敛速度更快、精度更高。     

IMM迭代扩展卡尔曼粒子滤波跟踪算法

该文提出了一种交互式多模型(IMM)迭代扩展卡尔曼粒子滤波机动目标跟踪算法。该算法在多模型中使用了改进的粒子滤波器,通过对迭代扩展卡尔曼滤波(IEKF)的测量更新按照高斯牛顿方法进行修正,减小了非线性滤波带来的线性化误差,然后利用修正的IEKF来产生粒子滤波的重要性密度函数,使其融入最新观测信息。最后将所提算法与交互式多模型粒子滤波(IMMPF)进行了比较,仿真结果表明该算法具有更好的跟踪性能。     

一种信标水声定位的改进扩展卡尔曼滤波算法

水声测距误差通常偏离高斯分布,纯距离扩展卡尔曼滤波(Extended Kalman Filter,EKF)定位跟踪算法误差较大。在将测距噪声分为高斯分量和非高斯缓变分量的基础上,提出了一种改进的扩展卡尔曼滤波EKF算法(Improved Extended Kalman Filter,IEKF)和初值选取方法。利用仿真实验和湖试对IEKF算法进行了验证,结果表明IEKF算法能够对测距偏差进行跟踪补偿,定位精度明显优于常规EKF算法。