基于INS定位和WIFI指纹定位技术的无人机室内定位方法研究

针对无人机室内定位问题,提出了一种基于惯性导航系统（INS）和WIFI指纹定位技术的四旋翼无人机的室内定位方法。该方法首先利用WIFI模块测量的信号接收强度信息,根据WIFI指纹定位原理求出该定位时刻下的无人机位置;同时,利用惯性传感器信息计算出INS定位下的无人机位置,结合两种定位结果得出更为精确的位置。最后,通过实验验证了INS定位和WIFI指纹定位相结合的无人机室内定位方法的有效性,且该方法较两种单独定位方法的定位精度更高。     

基于单目视觉的空间定位算法

为解决基于单目视觉的像机空间定位问题,基于射影几何原理,提出了一种利用特殊标志点的空间几何信息和光学像机实现像机与标志点的相对位姿测量,进而推算像机的空间坐标位置的方法.该方法避免了计算过程中对每帧图像都进行复杂的非线性解算,而利用像机与标志物间一种特殊姿态即正视投影作为连续位姿计算的起点和初始值,利用帧间约束来进行后续帧的位姿跟踪计算,达到既保证计算精度,又减少计算量的目的.在试验和实际应用中均取得良好效果.     

基于深度神经网络的井下无人机视觉位姿估计

无人机将在未来少人或无人采矿中发挥重要作用,而位姿估计则是实现井下无人机自主巡检的关键.针对井下巷道照度分布不均匀和动态复杂环境的特点,提出采用慕尼黑工业大学深度图像(TUM RGB-D)数据集对深度神经网络模型进行预训练的方法,提取巷道特征路标点.为实现具有真实尺度信息的位姿估计,首先利用机载相机三维深度数据流恢复网络特征点深度,然后建立帧间匹配巷道路标点最小二乘模型,最后采用奇异值分解的方法获得无人机位姿.开发了手持移动传感器数据采集系统,完成传感器相对位置标定,采集真实巷道环境数据并进行实验.实验结果表明,相比ORB-SLAM2位姿估计结果,提出的无人机位姿估计方法针对巷道复杂环境数据其定位精度可提高71%以上,定位误差约为13 cm.     

基于扩展Kalman滤波的无人机位姿校正

无人机姿态控制问题是无人机稳定性飞行的关键,针对无人机在位姿参数不确定条件下制导控制器姿态定位精度不高的问题,提出了一种基于扩展Kalman滤波的无人机位姿校正方法,进行制导系统稳定性控制律设计.建立无人机飞行动力学模型,构建飞行弹道方程,分析无人机制导系统被控对象的约束参量,采用加速度计、陀螺计和磁力计进行位姿参量测量.考虑到位姿参数的不确定性,采用扩展Kalman滤波算法进行姿态参数的整定性处理,实现角度校正.将校正后的位姿参数输入模糊神经网络系统中,实现无人机制导控制律的优化设计.仿真结果表明,采用该方法进行无人机位姿校正和飞行制导控制,定姿精度较高、抗干扰能力较强,实现了飞行的稳定性控制.     

基于CFR的角度/距离联合单站定位

单站定位在室内定位中起着至关重要的作用。大多数室内定位算法都是联合多个Wi-Fi接入点（AP）进行定位,在只有w单个AP时定位精度很低甚至无法定位。针对室内环境中普遍存在的单AP定位情况,该文首先利用现有的三天线商用Wi-Fi网卡采集无线信道频率响应信息（CFR）进行信号到达角（AOA）估计。其次利用CFR幅值信息通过信号传播模型进行距离估计。提出了一种基于AOA和信号到达时间（TOA）二维聚类信息的直射路径识别算法。最后,利用现有的三天线Wi-Fi设备在室内进行了测角、测距以及定位测试,实验结果表明该文提出的单站定位系统在室内环境下中值误差可以达到1.3 m的定位精度,满足室内定位的需求。     

基于地面特征的单目视觉机器人室内定位方法

针对高精度的机器人室内定位方法中成本过高的问题,提出一种基于地面特征的单目视觉机器人室内定位方法。该方法通过安装在机器人底盘的单目鱼眼摄像头采集地面图片,并经过一系列图像处理,将得到的地面方格直线和相机的位姿关系作为观测量,通过推导出观测方程并根据扩展卡尔曼滤波算法得到机器人的位置信息。基于机器人当前时刻位置数据和地面的固定方格大小提出线预测算法,有效地排除干扰线段的影响。实验结果表明,该机器人室内定位方法定位精度可以达到2 cm,具有较好的鲁棒性,能够为低成本的机器人室内定位提供较好的技术参考。     

矿井环境下无人机视觉PSOFastSLAM算法的实现

为了实现无人机在无GPS的矿井环境下进行自主飞行,达到无人机的精准定位,提出了基于Rao-Blackwellized粒子滤波器的快速同步定位与地图创建(fast simultaneous location and mapping,Fast SLAM)算法。首先设计了一种适用于矿井环境下的人工路标,建立起了无人机的SLAM算法数学模型,接着提出一种改进算法—PSOFast SLAM算法提高准确性,对无人机的位姿和路标位置进行估计,实现无人机的精准定位和地图绘制。最后对进行仿真实验,仿真结果证明PSOFast SLAM算法有效改善了Fast SLAM算法粒子退化的问题,提高了井下无人机定位精度。     

基于优化RTAB-Map的室内巡检机器人视觉导航方法

巡检机器人对室内场景进行自主导航监测时,采用视觉同时定位与地图构建（simultaneous localization and mapping,SLAM）方法构建的三维深度地图存在实时性不高、定位精度下降的问题。对此,提出了一种基于RGB-D相机和优化RTAB-Map(real time appearance based mapping)算法的巡检机器人视觉导航方法。首先,通过重新配置RTAB-Map点云更新频率,实现算法优化,构建稠密的点云地图后;采用启发式A*算法、动态窗口法（dynamic window approach,DWA）分别制定全局与局部巡检路径,通过自适应蒙特卡罗定位（adaptive Monte Carlo localization,AMCL）方法更新机器人的实时位姿信息,再将搭建好的实体巡检机器人在软件、硬件平台上完成视觉导航测试实验。结果表明：优化后的RTAB-Map算法运行时的内存占比稍有增加,但获得与真实环境一致性更高的三维深度地图,在一定程度上提高视觉导航的准确性与实用性。     

空间机械臂地面实验系统

为了测试可重构空间机械臂的性能,开发了空间机械臂地面实验系统.该系统采用气浮轴承实现空间机械臂的3维运动,该方法不需要对空间机械臂结构进行改造,且易于实现.采用该系统可以测量空间机械臂的整体性能,包括整体功耗测试,运动学、逆运动学算法验证及位姿精度测试.提出了一种基于三坐标测量机的空间机械臂位姿精度的测量方法,该方法操作简单、方便.基于上述方法建立了6自由度空间机械臂的地面试验系统,测试结果表明空间机械臂的功耗、绝对定位、定姿精度等指标均满足设计指标要求.     

单目序列的刚体目标位姿测量

针对单目相机不具备构建合作目标的情况及其对平面上运动目标位姿测量的应用需求,提出一种基于目标轮廓的运动目标位姿自动解算方法.该方法以目标三维几何模型和相机参数作为先验信息,利用OpenGL生成位于不同位姿的运动目标模拟图像,通过模拟图像与实拍图像之间的关系进行位姿的求解.首先由离散位姿集合的模拟图像得到运动目标轮廓集合,由实拍图像运动目标轮廓与离散位姿轮廓集合中轮廓间的关系确定运动目标的初始位姿.然后构建初始位姿下模拟图像的目标轮廓与实拍图像目标轮廓间的距离代价函数,采用非线性优化算法迭代求解运动目标的精确位姿.实验结果表明,提出的方法可以有效地测量运动目标的位姿,且当图像中纹理复杂、受阴影影响时仍能取得较好的测量结果.     

基于视觉-磁引导的无人机动态跟踪与精准着陆

针对无人机通过视觉对地面动态目标跟踪过程中视角固定易丢失目标,以及在着陆过程中由于成像畸变严重、画面不稳定导致定位精度差的问题,提出随动视觉跟踪的跟踪控制策略和基于视觉联合磁引导的获取无人机高精度相对位姿的方法. 在跟踪过程中,设计新型信标图案供无人机进行视觉识别获取目标的方位,识别速度可以达到5 ms/帧,通过随动视觉跟踪完成实时跟踪. 在着陆过程中,在动态目标上设置磁源,利用无人机检测磁场特性并通过BP神经网络解算相对位置;在信标图案内设置平行线特征,用于近镜头时辅助视觉解算相对角度. 在获取无人机相对位姿后,进行相应的运动控制即可完成着陆. 实验结果表明,跟踪过程稳定可靠,抗干扰能力强;着陆精度高,着陆误差小于2 cm.     

微型无人机视觉定位与环境建模研究

同步定位与环境建模（SLAM）是实现无人机自主飞行和智能导航的关键技术。该文提出了适用于微型无人机的视觉定位与环境建模方法,针对RGB-D传感器使用point-plane ICP点云匹配算法实现视觉自主定位,利用并行计算加速以满足无人机控制的实时性要求;采用TSDF算法融合多帧观测的点云数据,实现了无人机对未知目标环境区域的模型重建;将视觉SLAM系统与无人机载IMU传感器融合,进一步提升了自主定位和建模精度。实际搭建了微型无人机视觉与环境建模验证系统,室内环境下可以达到0.092 m的定位偏差和60 Hz的更新速率,满足了无人机控制的精度和实时性要求,验证了该方法的有效性。     

基于三视图几何约束的摄像机相对位姿估计

针对从影像中恢复摄像机位姿的问题,提出基于三视图几何约束的位姿估计算法.利用强制选择机制对影像进行特征点提取,通过光流法和前后向误差实现相邻三帧影像的特征点匹配;推导基于本质矩阵优化分解的位姿估计,利用对极几何约束构建目标函数,通过迭代优化确定旋转矩阵的唯一解,优化了唯一解的确定方法,提高了相对位姿估计效率,得到第1、2摄像机矩阵;基于三视图的几何约束关系,由三焦点张量和匹配特征点建立目标函数,由迭代过程得到第3摄像机相对于第1摄像机的位姿参数.结果表明,提出算法的鲁棒性、精度以及算法效率均优于传统算法,能够快速、准确地估计摄像机相对位姿,可以实现对旋翼无人机的轨迹跟踪.     

基于人工地标的双足机器人视觉自定位

针对家庭或者办公室等室内环境下双足机器人的自定位问题,提出一种通过对世界平面的单应矩阵进行分解来实现自定位的方法。首先设计一种新型AR-mark人工地标,利用颜色信息分割感兴趣区域提取出AR-mark的特征点,然后对特征点与空间3D点进行匹配。通过直接线性变化法计算出世界平面的单应矩阵后,利用世界平面的单应分解算法获得摄像机坐标系与AR-mark人工地标坐标系间的位置关系,最终实现双足机器人的局部精确定位。实验结果表明,AR-mark人工地标易于识别,信息内容丰富,同时利用世界平面单应矩阵分解算法定位精度高,能够很好地辅助双足机器人完成室内自定位任务。     

基于生成对抗网络模型的RSS缺失值预测

无线上网（Wi-Fi）定位是目前室内定位中的主流方法,指纹数据库的构建是Wi-Fi定位系统的关键.然而指纹数据库中的接收信号强度（RSS）指纹值会随室内环境的变化而变化,通常需要不断地重新测量指纹值去更新指纹数据库,这就导致了成本高、耗时长,尤其是在定位区域较大的动态环境中是不切实际的.针对此问题,提出了自适应上下文生成对抗网络模型.该模型只需测量指纹数据库中的部分RSS指纹,即"参考点",然后通过学习参考点的分布情况,预测特定位置的缺失指纹.仿真实验结果表明,室内定位精确性显著提高,人力成本大大减少.     

Multi-Dimensional Pedestrian System on the New Campus of University of Macau

The Multi-dimensional Pedestrian System( MPS) is an integral part of the new campus of University of Macau. It observes the principle of "pedestrian first " and features a pedestrian-vehicle dividing system.Based on a comprehensive analysis of the location,climate,ecology and other factors of the project site,the conception of the idea of MPS and the related researches are illustrated. The transportation features of the MPS,as summarized,include multi-dimensions,short-distance and weather-resistance. Its features for the sake of livability include integration of nature, respect for the environment and sharing of landscape. Upon the completion of the project, the effects on its users were tested. Finally, some constructive rules for the construction of similar campus pedestrian systems were proposed.     

室内可见光定位算法研究

针对室内场所定位精度低的问题,提出一种基于改进粒子群算法的RSSI(Received Signal Strength Indication:接收信号强度指示)可见光定位方法.采用莱维飞行算法对粒子群算法进行改进,解决了标准粒子群算法易陷入局部最优的问题,提高了算法的收敛速度和定位精度.在5 m×5 m×3 m的室内环境下,经过仿真测试,改进后的粒子群算法结合RSSI定位方法定位精度可以达到0.038 241 m,算法稳定度上升,定位精度更高,更适合在室内定位中使用.     

基于扩展卡尔曼滤波算法的室内定位跟踪系统

为了解决无线室内定位系统实时跟踪位置坐标误差较大问题,提出一种基于扩展卡尔曼滤波(EKF)算法的室内定位方法。系统采用基于WiFi信号指纹定位,然后利用扩展卡尔曼滤波对估算的位置进行滤波,以改善WiFi指纹定位方法的精度,达到对目标实时跟踪。仿真和实验结果表明,该算法有效地改善了系统定位精度,能较好地满足室内定位的需求。