基于单目视觉的旋翼无人机定位系统设计

随着航空科技的不断进步,为了完成载人飞机无法完成的高危险任务,无人机的发展受到了广泛关注。传统的位置信息获取依赖GPS和IMU传感器,但在城市楼宇、室内区域,GPS难以准确获取位置信息从而失去效能,而机载IMU传感器又常常会出现较大的姿态角积累误差给无人机的导航带来一定的难度。针对室内或复杂未知环境下无GPS等外部定位辅助系统的无人机的自主定位和导航问题,文章提出一种轻量级、低成本、实时性强、稳定性高的基于单目相机的视觉定位系统方案,搭建了定位系统的硬件和软件架构,研究了单目视觉定位算法,该系统能准确获取无人机的自身位置信息,辅助无人机自主导航、姿态控制等任务顺利执行。     

一种提升高程精度的低空无人机SLAM定位方法

旋翼无人机能够实时精准感知自身位置是无人机实现后续相关技术的关键前提之一。为了提高旋翼无人机的定位精度,提出了一种基于激光雷达的SLAM(Simultaneous Localization and Mapping)定位方法。该方法通过融合三维激光雷达与IMU(Inertial Measurement Unit)来提升系统整体性能,对点云进行降采样,利用激光点云信息对旋翼无人机的高程进行计算,对激光雷达帧间匹配得到的有累计误差的高度变化进行更新,利用回环检测技术增加闭环约束,最后在SLAM系统后端进行联合优化。在保证无人机平稳飞行的状态下,该方法比A-LOAM算法在轨迹的平均误差上降低了约4倍,高程精度提升一个数量级至厘米级,改进了系统对高度不敏感以及误差积累过大的问题,提高了无人机工作效率及安全性。     

基于单目摄像机的无人机视觉导航参量估计方法

针对无人机视觉导航参量估计精度低、计算复杂的问题,提出了一种基于单目视觉的无人机导航参数提取方法.该方法首先分析了单目摄像机情况下物理坐标、摄像机标定坐标之间的关系,并利用单目摄像机拍摄图像的时空相关性建立测量参数的计算模型,有效避免了传统多目摄像机图像存在的同步对准问题;接着,推导了测量参量同坐标参量的相互关系,并给出了参数方程的近似估计,推导了求解约束参量的最小二乘(LS)计算过程;最后,为克服LS无法克服测量噪声干扰的实际情况,进一步提出了采用最小均方算法在传统一步计算结果的基础上进行迭代优化计算,有效提升了计算过程的抗干扰能力.实际的场地实验结果表明,本文方法保持了较高的计算精度和抗干扰能力,在两种测试环境下平均误差均控制在2个像素以内,具有优秀的应用价值.     

无人机自主降落过程视觉定位方法研究

为了充分利用连续视觉图像中3维空间信息, 解决无人机自主降落过程中的定位问题, 在稠密3维点云法和光流法定位原理的基础上, 提出了基于同物不同时图像像空间的定位方法。以理论推算、图形注释等方式, 通过求解单个像素点和整个图像移动变化情况, 将连续帧图像的形变、量变信息分解为无人机和参照物的空间相对运动信息, 并结合已知的参照物运动参量, 推算了无人机飞行位姿信息, 完成了无人机基于光学视觉图像的空间定位方法研究。结果表明, 该研究为视觉系统在无人机降落回收过程中独立实现空间定位提供了一定的借鉴和参考。     

基于即时稠密三维重构的无人机视觉定位

传统景象匹配定位方法在用于低空无人机定位时,易因低空航拍图像视场小,且与卫星图像（带有地理信息）的拍摄角度差异大而失败.本文提出了一种基于即时稠密三维重构的无人机视觉定位方法,通过将稠密三维点云与卫星图像匹配以实现无人机定位.首先根据图像序列快速估计摄像机位姿,而后使用多深度图协同去噪与优化算法生成稠密三维点云,随后通过变换观察视角由稠密三维点云生成与卫星图像拍摄视角相近的虚拟视图,最后将虚拟视图与卫星图像匹配并得到无人机的地理坐标.由于稠密三维点云包含多张图像的信息,覆盖面积大,且可变化观察视角,因此能够有效克服上述两个问题.实验证明了本文方法的有效性.     

基于门形结构的单目视觉定位方法

选取场景中常见的门形结构为处理对象,提取门形结构中的三条直线,拟合直线方程,进而确定直线的交点及两条平行直线的消失点,根据消失点原理和垂直关系等先验知识确定摄像机坐标系和世界坐标系的映射。空间解析过程以直线方程为基本要素,参与解析运算的点特征均由直线方程确定,随机选取的点坐标仅用于方向一致性判定,减少了随机误差引入。仿真实验表明,本文的视觉定位方法对噪声有较高的鲁棒性,与融合线特征和随机点特征的方法相比降低了定位误差。     

可见光通信与双目视觉的室内定位分析

应用可见光通信与双目视觉的室内定位技术,能够提高室内移动机器人的导航精度。基于此,详细阐述了三维定位系统设计、LED光源中心坐标提取、双灯光源识别机制设计、IMU坐标系标定、室内定位技术应用试验这几项室内定位分析环节,希望能够为室内机器人定位技术的发展提供助力。     

一种基于视觉识别的无人机导航算法

近年来,随着无人机与数码相机技术的发展,无人机航测以其高效、精确、作业成本低和适用范围广等特点,在地表复杂地区高分辨率影像的获取方面优势明显.但无人机像片的后续处理需要布设大量像控点,工作量大且耗时耗力,特别是在地表复杂地区工作难度更大.如果采用精准定位的手段计算出拍照瞬间照片中心的精确位置和姿态,则可以节省大量施工投...     

基于激光测距扫描的室内定位方法研究

在未知室内环境下,基于迭代最近点(ICP)匹配的同步建图与定位(SLAM)算法较为复杂,运算量较大,在微小型飞行器ARM嵌入式控制系统上实现难以保证实时性。本文提出了一种基于激光测距扫描的室内飞行定位方法,用室内环境的特征点替代激光扫描数据进行ICP匹配,减少了匹配时间,提高了SLAM算法的快速性。在环境特征点提取过程中,提出了一种真实特征点筛选机制,减少因虚假特征点导致的匹配误差,保证了匹配精度。设计搭建了试验平台,试验结果表明,本文提出的方法能够满足微小型飞行器室内飞行定位快速性和准确性的要求。     

基于Wi-Fi即时定位与映射像素模板匹配的室内运动地图构建与定位

传统指纹定位方法由于建库人力时间开销大、系统通用性不强约束着指纹定位系统的推广,为了解决该问题同时结合即时定位与映射(SLAM)技术的优势,该文提出一种新的Wi-Fi/微机电系统(MEMS)融合室内运动地图构建与定位方法。首先利用行人航迹推算(PDR)、最小描述长度(MDL)原则和基于密度的空间聚类算法(DBSCAN)对众包运动轨迹进行预处理,提出基于轨迹主路径的运动地图构建方法。之后提出基于像素模板的地图匹配方法获取地图的绝对位置,并采用抗差扩展卡尔曼滤波(EKF)对目标位置进行最优估计。实验结果表明,所提聚类方法可以准确构建各区域运动地图,在少量的人力时间开销下实现较高的定位精度。     

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。     

动态场景下基于视觉同时定位与地图构建技术的多层次语义地图构建方法

为提高视觉同时定位与地图构建(SLAM)技术的环境适应性和语义信息理解能力,该文提出一种可以在动态场景下实现多层次语义地图构建的视觉SLAM方案。首先利用被迫移动物体与动态目标间的空间位置关系,并结合目标检测网络和光流约束判断真正的动态目标,从而剔除动态特征点;其次提出一种基于超体素的快速点云分割方案,将基于静态区域构建的3维地图进行优化,构建了物体级的点云语义地图;同时构建的语义地图可以提供更高精度的训练数据样本,进一步用来提升目标检测网络性能。在TUM和ICL-NUIM数据集上的实验结果表明,该方法在定位精度上远优于目前主流的动态场景下的视觉SLAM方案,证明了该方法在高动态场景中具有较好的稳定性和鲁棒性;在建图精度和质量上,经过将重建的不同种类地图与各个现有方法进行比较,验证了提出的多层次语义地图构建的方法在静态和高动态场景中的有效性与适用性。     

一种无人机航拍影像快速特征提取与匹配算法

无人机影像具有非常高的分辨率,边缘和纹理信息更加丰富,基于经典SURF特征的影像拼接算法在处理无人机影像时面临着新的挑战。为提高无人机航拍影像拼接效率,该文提出一种快速特征提取与匹配算法。在特征提取环节,提出采用局部差分二进制算法描述特征,在不降低特征区分性的同时,较SURF描述子而言降低了特征维度。在特征匹配环节,提出采用局部敏感哈希搜索算法代替kd树搜索算法,提高了最近邻特征匹配效率。实验结果表明,与基于SURF描述子和kd树搜索算法的最近邻匹配拼接算法相比,该文算法特征匹配效率有明显提升,匹配精度也有所改善,更适合应用于基于特征的无人机航拍影像快速制图。     

基于多维信号特征的无人机探测识别方法

如今,无人机(UAVs)在军用民用领域得到大规模应用,在无人机带来便利的同时也带来了巨大的安全隐患。针对无人机的探测识别技术逐渐成为研究热点,传统的无人机探测方法主要是通过获取雷达回波信号、无人机声音信号和光电信号的方式对无人机进行探测。然而,这类方法往往容易受到环境影响具有一定的局限性,无法对无人机进行精确的定位和识别。该文提出一种基于多维信号特征的无人机识别方法,该方法首先通过自适应三角阈值法从接收到的无线信号中探测并筛选出无人机信号,同时解析获取的无线信号的信道状态信息(CSI)。然后,利用正交匹配追踪算法(OMP)进行参数估计来获取无人机的位置信息对无人机进行定位。最后,提取无人机信号中的盒维数和径向积分双谱(RIB)来对无人机进行分类识别。通过实验,该方法对无人机的3维定位精度小于1 m,对无人机的分类识别精度最高能达到100%。     

无人机视频情报的压缩传输技术

视频图像信号是无人机主要的侦察信息.文中介绍了视频图像信号的数字压缩传输技术,重点讨论了几种压缩编码方法,给出了模拟视频数字化压缩传输方案,并进行了性能分析.     

干扰环境下基于博弈论的无人机群部署与组网方法

该文研究了干扰环境下基于博弈论的无人机(UAV)群部署与组网方法。首先,基于拥塞博弈,提出一种分布式无人机群部署算法(CUD)。每架无人机可以通过与邻近无人机的有限交互,实现自主的位置优化,以提高数据采集量,并增强干扰躲避能力。其次,基于联盟形成博弈,提出一种无人机群动态组网算法(USACF),可使无人机群在干扰威胁下实现分布式动态子网形成,提高数据传输质量,并增强无人机网络的鲁棒性和可靠性。此外,借助精确势能博弈,从理论上证明了所提博弈模型可以获得稳定的纳什均衡解。最后,仿真结果表明,所提算法相较于传统算法有明显的性能提升。     

一种骨架提取的无人机航迹规划法

未来战争中无人机的应用地位将大大提高,如何提高无人机的生存率、作战效率成为航路规划研究的主要方向。将敌方雷达、对空导弹、地形等威胁简化构建成威胁圆,根据威胁圆的分布情况,构造基于威胁圆的规避威胁的骨架化图;结合各具体威胁信息,计算各路径段的代价值,形成有赋值的有向图,计算初始最优航路;利用实际飞行中无人机对威胁规避的要求,对初始航路做缩短处理。运用Matlab编制图形化界面,得到仿真结果的图形显示。     

基于自相关-倒谱联合分析的无人机旋翼转动频率估计方法

准确估计无人机旋翼转动频率对于无人机的检测与识别具有重要意义。该文针对调频连续波雷达的无人机目标回波模型,提出一种自相关-倒谱联合分析的无人机旋翼转动频率估计方法,推导了无人机旋翼转动频率与雷达回波倒谱输出中周期性时延的映射关系,通过加权均衡能够更有效地估计多旋翼无人机旋翼转动频率,弥补了传统方法的不足。通过仿真和实际场景实验验证了方法的有效性。