机载激光测深后向散射光雷达方程

根据《海水中光束传播唯象模型》和水下辐射度反射率定律，将海水中任一深度的激光束，分为准直光部分和非准直光（散射）部分，并分别计算机载光学接收系统接收到的准直部分和非准直部分的后向散射功率，建立了机载激光测深系统后向散射光雷达方程。通过对该雷达方程的分析，得到了当海水深度以衰减长度的个数表示时，机载激光测深系统接收到的海水后向散射光功率最大值点对应的水深与海水的单粒子反照率有关，而与海水的衰减系数无关的结论，以此可测定海水散射系数、吸收系数。文中也分析了系统视场角对后向散射包络的影响，阐述了后向散射包络以有效衰减系数指数衰减，而不是以光束衰减系数指数衰减。     

车载激光雷达探测低层大气中NO_2

在北京城区和城郊利用第二代车载测污激光雷达(AML-2)进行了外场测量实验,利用差分吸收技术从垂直、水平方向分别给出了低层大气中污染物NO2的典型测量数据。结果表明:城区的NO2浓度明显高于城郊地区的水平,并且也证实了利用该系统可以有效地监测低层大气的污染情况,为空气中有害气体的光学遥测提供了有效的测量手段。     

激光测风雷达二维扫描控制系统的实现

二维扫描系统使得激光出射方向和光学接收光轴同时精确指向设定方向,进而测量多方位的风速数据。介绍了激光测风雷达二维扫描控制系统组成,重点讨论了系统运用步进电机进行驱动的电路特点以及采取的可靠性技术措施,包括硬件措施和软件措施,分析了该系统的先进性、可靠性以及智能化特点。该控制系统已经成功地安装在中国科学院安徽光机所的激光测风雷达上,经过了一年半的实际运行,其控制精度、运行速度完全满足激光测风雷达的测量要求。     

二次散射对脉冲激光雷达回波功率的影响

理论上分析了二次散射对大气脉冲激光雷达回波功率的影响并提出一种计算方法。采用某型大气激光雷达的测试结果与理论计算具有较强的一致性,证明了理论结果的正确性。根据二次散射回波信号的特点,选用适当的滤波方法将其影响降至最低。二次散射的理论计算解释了实测中发现的＂纹波＂现象,纹波的幅度和频率与雷达自身特性及粒子特性相关,其衰减速度较单次散射慢得多。因此对于大气探测具有进一步研究的重要价值。     

基于双目强约束的直接稀疏视觉里程计

为了提高双目直接稀疏里程计(Stereo Direct Sparse Odometry, Stereo DSO)的定位速度和精度, 使得移动机器人可以更有效地执行任务, 提出了一种基于双目强约束的直接稀疏视觉里程计系统。基于直接法的即时定位与地图构建(Simultaneous Localization and Mapping, SLAM)系统直接对图像像素构建光度误差优化函数, 无需提取特征点, 克服了基于特征点法的SLAM系统在弱纹理场景下不鲁棒的缺陷, 并且在前端跟踪阶段效率更高。提出一种快速、准确的双目初始化方法, 结合三角化不确定性为不同类型的点赋予不同的深度范围, 加速深度滤波器的收敛。同时, 在运动估计阶段引入双目约束, 使得该系统在绝对尺度上的定位更加准确。通过在公开的KITTI数据集11个序列上进行实验, 实验结果表明所提出的算法在定位精度上明显优于同样采用直接法的Stereo Large Scale Direct SLAM(LSD-SLAM2)和Stereo DSO, 并达到与基于特征点法的ORB-SLAM3相近的水平, 为直接法SLAM提供一种更优的定位方案。     

一种融合多帧ICP和图优化的算法研究

当前基于迭代最近点拼接的同时定位与建图算法,存在误差积累、无法满足大范围定位精度的缺陷。为此,提出一种融合多帧迭代最近点和图优化的算法。在时域上处理点云拼接问题,将单帧迭代最近点算法推广到多帧进行最近点迭代,提取同一地点在不同时刻的数据特征,形成多个封闭循环,再运用基于最小二乘的图优化方法对点云拼接后的全网数据进行全局优化,消除累计误差,提升整体的定位精度。采用鲁巷和密歇根的数据进行测试,结果表明,该方法在一定程度上减少了匹配误差,平均误差为1.0m,最小误差为0.2m,可以满足大范围同步定位与建图的精度需求。     

基于噪声缩放的自适应UKF-SLAM算法

针对扩展卡尔曼滤波(EKF)算法在移动机器人同时定位和环境建模(SLAM)中的缺点,即非线性系统简单线性化所导致的系统状态方程的不准确性、雅克比矩阵的计算所导致的计算复杂化以及噪声模型不确定性所导致的滤波稳定性降低等问题,提出一种对噪声自适应的UKF-SLAM算法。该算法通过对噪声缩放进而改变噪声模型,利用观测残差序列准确估计观测噪声模型协方差,运用预测的新息协方差和IAE开窗法求其系统状态噪声缩放因子,从而准确估计系统状态噪声模型协方差,实现对不确定的噪声模型能够自适应UKF-SLAM算法。UKF的Sigma点采样策略是比例对称采样。实验结果证明,该方法相对EKF算法和UKF算法具有较高的定位精度和自适应能力。     

基于点线特征融合的视觉惯性SLAM算法

针对目前视觉SLAM方法鲁棒性差、耗时高,使系统定位不够精确的问题,提出了一种基于点线特征融合的视觉惯性SLAM算法。首先通过短线剔除和近似线段合并策略改进LSD（line segment detection）提取质量,以提高线特征检测的速率和准确度;然后在后端优化中有效融合了点、线和IMU数据,建立最小化目标函数进行优化,得到更精确的相机位姿;最后在EuRoC数据集和现实走廊场景进行了实验验证。实验表明,所提算法可以有效提升线特征提取的质量和速度,同时有效提高了SLAM系统的定位精度,获得更为丰富的点线结构地图。     

语义地图导航的智能化服务机器人研究

基于语义地图导航的智能化服务机器人系统,以搭载深度相机和二维激光雷达的差分轮智能车的形式呈现。系统以树莓派作为主控制器,利用OpenCR控制电机驱动和辅助驾驶传感器,通过ROS机器人操作系统将机器人控制器、智能信息处理模块和各类传感器融合成一个有机整体。所构建的机器人系统在服务过程中,通过感知周围环境、收集数据完成静态、动态物体的辨识,然后结合二维地图数据完成目标检测和语义地图的构建。为了提升系统智能化程度,配合深度推理神经计算棒,并结合Mobile Net网络架构下的SSD目标实时检测算法,提高了视觉感知的实时程度以及准确性。