基于多尺度结构特征的快速异源图像匹配

针对异源图像提出一种基于多尺度密集结构特征的快速匹配算法。算法首先利用Gabor滤波器逐像素提取图像中的结构响应,再根据主方向响应对多尺度结构特征融合,然后使用快速傅里叶变换在频域计算各特征分量图像之间的卷积,最后将卷积生成的系数矩阵求和计算出图像之间的相似性并选择相似性最大位置作为匹配结果输出。本文算法能有效适应异源图像间的非线性灰度变化和噪声干扰问题。测试使用可见光、红外、雷达图像组成的异源图像数据集对本文算法和现有算法进行测试比较,结果表明:本文算法的平均误匹配率最低,并且计算速度有明显优势。     

移动机器人同步定位与建图技术综述

同步定位与建图技术(SLAM)一直是移动机器人领域比较热门的研究方向,它可以给机器人提供强大的环境感知能力;传统的依靠外部位置参考来定位的方法如果无法获得时,移动机器人需要即时定位自身位置来构建增量式地图,因此SLAM技术也就应运而生;对激光SLAM和视觉SLAM的研究现状及最新标志性成果进行了介绍,重点对以相机与激光雷达融合、相机与IMU融合、激光雷达与IMU融合为代表的多传感器融合SLAM技术展开讨论、系统地梳理了几种融合方式的优势与不足,同时介绍了该领域的研究热点语义SLAM,最后讨论了SLAM技术在该领域未来的发展方向以及存在的挑战。     

多源融合SLAM的现状与挑战

同时定位与地图构建（simultaneous localization and mapping,SLAM）技术在过去几十年中取得了惊人的进步,并在现实生活中实现了大规模的应用。由于精度和鲁棒性的不足,以及场景的复杂性,使用单一传感器（如相机、激光雷达）的SLAM系统往往无法适应目标需求,故研究者们逐步探索并改进多源融合的SLAM解决方案。本文从3个层面回顾总结该领域的现有方法：1）多传感器融合（由两种及以上传感器组成的混合系统,如相机、激光雷达和惯性测量单元,可分为松耦合、紧耦合）;2）多特征基元融合（点、线、面、其他高维几何特征等与直接法相结合）;3）多维度信息融合（几何、语义、物理信息和深度神经网络的推理信息等相融合）。惯性测量单元和视觉、激光雷达的融合可以解决视觉里程计的漂移和尺度丢失问题,提高系统在非结构化或退化场景中的鲁棒性。此外,不同几何特征基元的融合,可以大大减少有效约束的程度,并可为自主导航任务提供更多的有用信息。另外,数据驱动下的基于深度学习的策略为SLAM系统开辟了新的道路。监督学习、无监督学习和混合监督学习等逐渐应用于SLAM系统的各个模块,如相对姿势估计、地图表示、闭环检测和后端优化等。学习方法与传统方法的结合将是提升SLAM系统性能的有效途径。本文分别对上述多源融合SLAM方法进行分析归纳,并指出其面临的挑战及未来发展方向。     

一种基于多传感器的红外图像正则化超分辨率算法

提出一种红外图像多传感器超分辨率重建算法。 算法存在两个关键点:一是有效利用两类图像的相关性;二是针对红外图像的特点利用其自 身信息 构造正则化模型。采用相位一致性算法提取可见光图像边缘,利用此边缘信息对正则化模型 加权,以 充分利用可见光和红外图像的相关性;将一阶梯度锐化算子引入总广义变分模型,构成针对 红外 图像特点的正则化模型;最后采用一阶主-对偶优化算法求得加权后模型的最优解。实验表 明,本文算法可获得边缘清晰的重建结果,并且有效抑制噪声,在主观视觉效果和客观评价 指标方面均优于其他算法。     

煤矿救灾机器人定位技术研究

针对煤矿井下干扰严重的特点,设计了基于多传感器融合的煤矿救灾机器人定位系统,提出了信任度相加的数据融合算法,并通过Matlab软件验证了该算法的可行性。将定位系统搭载在CUMT-Ⅲ型煤矿搜救机器人平台上进行了矿井环境下的模拟试验,结果表明,基于信任度相加的融合算法具有较强鲁棒性,在多干扰的情况下能够很好地过滤干扰数据。     

基于粗糙集理论的多传感器信息融合及其在机器人中的应用

将粗糙集理论应用于多传感器信息融合中,利用粗糙集理论的属性约简、值约简等相关约简概念剔除冗余信息,提取最简决策规则形成信息融合算法,有效的提高了信息融合系统的效率和准确性,并探讨了该算法在机器人中的应用。     

多传感器信息融合的列车定位方法研究

提出了多传感器信息融合的列车定位方法.介绍了多传感器信息融合结构及联邦卡尔曼滤波算法模型.对INS/GPS/DVS组合导航进行了Matlab仿真,结果表明,多传感器信息融合的列车定位方法能提高列车的定位精度和可靠度,更适合于城市轨道交通中的列车定位.     

基于CRLB与改进DPSO算法的多传感器分配

针对地面防空武器系统中多传感器分配问题, 首先研究基于Cramér-Rao下限的多传感器跟踪分配模型, 根据目标跟踪过程的特点将Cramér-Rao下限引入分配模型, 使得在进行跟踪分配时无需考虑目标跟踪滤波算法的选择, 同时通过细化约束条件使模型更加贴近实际作战情况。利用离散粒子群优化算法求解模型, 通过改进其搜索策略以及惯性权值和加权因子提高算法准确性与时效性, 给出了模型的求解步骤。关联仿真结果表明该分配方法的可行性, 并通过对比算法求解模型验证了改进DPSO算法的快速准确性。     

一种基于交互式多模型算法的联邦滤波器

针对联邦滤波器对实际目标尤其是机动目标的估计精度较低的问题, 将联邦滤波器与动态多模型估计算法相结合, 提出一种基于交互式多模型算法的联邦滤波器。该算法采用交互式多模型算法来代替卡尔曼滤波算法作为子滤波器, 克服非线性条件下的滤波发散, 从而提高滤波稳定性和状态估计精度。仿真结果表明, 在目标做机动的情况下, 联邦IMM滤波器的估计误差始终保持在一定范围内, 具有良好的稳定性和容错性。     

多传感器融合机器人室内定位系统设计与实现

目前,室内机器人的应用越来越广,位置信息作为机器人自主技术的基本信息,亟需完善的室内定位系统解决方案.对基于多传感器融合的室内机器人定位系统进行设计与实现,以航位推算为基础方法,加之超声、激光测距信息以及地图信息,通过粒子滤波进行融合,从而得到更精确的定位信息.通过具体的实验测试和结果分析,文中设计的室内机器人定位系统具有很好的定位效果,可在航位推算的基础上,将定位误差降低到原误差的十分之一.