基于多传感信息融合的语义词袋SLAM优化算法

针对室外大范围场景移动机器人建图中,激光雷达里程计位姿计算不准确导致SLAM (simultaneous localization and mapping)算法精度下降的问题,提出一种基于多传感信息融合的SLAM语义词袋优化算法MSW-SLAM(multi-sensor information fusion SLAM based on semantic word bags)。采用视觉惯性系统引入激光雷达原始观测数据,并通过滑动窗口实现了IMU (inertia measurement unit)量测、视觉特征和激光点云特征的多源数据联合非线性优化;最后算法利用视觉与激光雷达的语义词袋互补特性进行闭环优化,进一步提升了多传感器融合SLAM系统的全局定位和建图精度。实验结果显示,相比于传统的紧耦合双目视觉惯性里程计和激光雷达里程计定位,MSW-SLAM算法能够有效探测轨迹中的闭环信息,并实现高精度的全局位姿图优化,闭环检测后的点云地图具有良好的分辨率和全局一致性。     

一种室内动态场景下RGB-D SLAM的前端优化方法

针对动态物体会导致位姿估计误差过大的问题,提出一种适用于动态场景下的RGB-D SLAM算法。首先,将目标检测的结果根据物体是否具有自主移动能力划分为动态物体与潜在动态物体,并使用大津法在对应的深度图中完成检测框内区域的前、背景分割;然后,结合检测框的位置坐标与深度信息确定潜在动态物体与动态物体在三维空间内是否关联,初步筛选出具有一定运动概率的潜在动态物体;最后,通过运动一致性检测算法来最终确定是否将潜在动态物体作为动态物体处理。实验部分选用公开的TUM数据集,结果表明,该算法在保持实时性的同时具有较高的定位精度和鲁棒性。     

移动机器人视觉惯性SLAM研究进展

在研究领域,基于滤波和基于优化是两种实现视觉惯性SLAM(同时定位与地图创建)的主导方法.本文基于这两种方法介绍视觉惯性SLAM,说明了视觉惯性SLAM的最新研究进展和关键问题,对比了几种代表性的视觉惯性SLAM框架,并对未来进行了展望.     

室内动态场景下的语义SLAM

针对ORB-SLAM2算法在动态场景下定位精度有限导致基于该算法的三维建图出现重叠和错误等问题,结合Farneback光流法剔除动态目标的特征点,优化相机位姿,使用语义分割模型PSPNet提取的语义信息剔除场景中的动态目标,得到静态的三维语义地图。在公开的TUM数据集上的实验结果表明,Farneback光流法有效提高了室内动态环境下移动机器人的定位精度,绝对轨迹的均方根误差平均可达到50.74%的提升,平移和旋转漂移的误差也明显改善。对公开数据集和真实场景构建三维语义地图,与其它SLAM算法进行建图对比,能更准确构建动态场景下静态的三维语义地图。     

基于Fisher信息的多传感器数据融合方法

针对多个传感器对某一特性指标进行测量实验的数据融合问题,利用信息理论中的Fisher信息,提出了一种新的多传感器数据融合方法。该方法以最大化各传感器测量数据包含待测参数的Fisher信息为目标函数,通过求解优化问题,得到数据融合结果。可以较好地避免受主观因素影响的关系矩阵,充分利用实验数据,防止有效数据的丢失,提高融合结果的精确性。仿真实验验证了方法的有效性。     

基于实例分割网络与迭代优化方法的3D视觉分拣系统

针对工业上常见的弱纹理、散乱堆叠的物体的检测和位姿估计问题,提出了一种基于实例分割网络与迭代优化方法的工件识别抓取系统.该系统包括图像获取、目标检测和位姿估计3个模块.图像获取模块中,设计了一种对偶RGB-D相机结构,通过融合3张深度图像来获得更高质量的深度数据;目标检测模块对实例分割网络Mask R-CNN(region-based convolutional neural network)进行了改进,同时以彩色图像和包含3维信息的HHA(horizontal disparity,height above ground,angle with gravity)特征作为输入,并在其内部增加了STN(空间变换网络)模块,提升对弱纹理物体的分割性能,结合点云信息分割目标点云;在目标检测模块的基础上,位姿估计模块利用改进的4PCS(4-points congruent set)算法和ICP(迭代最近点)算法将分割出的点云和目标模型的点云进行匹配和位姿精修,得到最终位姿估计的结果,机器人根据此结果完成抓取动作.在自采工件数据集上和实际搭建的分拣系统上进行实验,结果表明,该抓取系统能够对不同形状、弱纹理、散乱堆叠的物体实现快速的目标识别和位姿估计,位置误差可达1 mm,角度误差可达1°,其性能可满足实际应用的要求.     

基于高斯分布监督学习样本的Fisher核构造方法

结合实际应用背景, 针对各类样本服从高斯分布的监督学习情形, 提出了构造Fisher核的新方法. 由于利用了样本中的类别信息, 该方法用极大似然估计代替EM算法估计GMM参数, 有效降低了Fisher核构造的时间复杂度. 结合核Fisher分类法, 上述方法在标准人脸库上的仿真实验结果显示, 用所提方法所构造的Fisher核不仅时间复杂度低, 且识别率也优于传统的高斯核与多项式核. 本文的研究有利于将Fisher 核的应用从语音识别领域拓展到图像识别等领域.     

基于Fisher信息距离的被动传感器目标协同跟踪方法

针对多被动传感器动态跟踪问题,提出了一种基于Fisher信息距离被动传感器目标协同跟踪方法。该算法在进行传感器选择时,依据信息几何理论,以流形中的Fisher信息距离来衡量先验概率密度函数和后验概率密度函数之间的距离,继而以此距离为依据选择传感器进行目标跟踪。仿真实验表明：所提算法能够在动态环境中自适应选择传感器资源,有效提高目标的跟踪精度,实现多被动传感器协同跟踪。     

室内自主移动机器人定位方法研究综述

定位是确定机器人在其作业环境中所处位置的过程．应用传感器感知信息实现可靠的定位是自主移动机器人最基本、也是最重要的一项功能之一．本文对室内自主移动机器人的定位技术进行了综述，提出了一种通用的控制结构，对其中与定位相关的地图结构、位姿估计方法进行了详细介绍，指出了地图构造、全局定位、数据关联、同步定位与地图构造、信息融合及协同定位所应用的方法及存在的问题．     

Adaptive Control of Fisher Information

The method of adaptive control is applied to self-learning problems, where the quality of the learning process is determined by the quantity of conditional Fisher information on an unknown fragment of reality. The necessary optimality conditions and the algorithm for determining extreme controls are presented.__________Published in Kibernetika i Sistemnyi Analiz, No. 2, pp. 81–91, March–April 2005.     

基于Fisher的人脸检测与识别

提出一种人脸检测与识别的方法.运用Adaboost算法对输入的图像进行人脸检测并完成尺寸和光照的归一化,对训练样本集进行处理,运用主成分分析和Fisher脸判别实现对训练样本集空间的降维和分类,对归一化后的输入图像进行PCA转换和FLD投影,将得到的向量和训练样本集进行比较,从而分类.实验表明,本方法可以达到理想的识别效果.     

一种基于线段特征的室内环境主动SLAM方法

在SP模型的框架下,从激光扫描点中提取线段特征用于描述室内环境．提出一种基于最优控制的主动同时定位与建图方法;该方法综合考虑系统不确定性的大小和对环境的探索程度,为机器人确定最佳的控制输入,使机器人能够建立精确和完整的环境地图．在Poineer3DX移动机器人平台上进行了实验,实验结果验证了该方法的有效性．     

基于综合互信息的视觉SLAM主动探索

针对当前单目视觉同时定位与建图(SLAM)研究中基于互信息的主动探索方式存在忽略不同运动行为代价的缺陷,提出考虑运动代价的基于综合互信息的探索策略。运动行为的选择考虑摄像机平移一定距离、旋转一定角度所付出的代价,并根据不同类型的运动行为对路标匹配可靠性影响的大小为其设置相应的权重,然后选择单位代价下能够获得最大信息增益的行为。实验结果表明,基于这种探索策略的单目视觉SLAM可在不影响定位精度和实时性的情况下,科学地选择可行的运动行为,避免单纯追求信息收益的探索方式的不合理性。     

基于计算机视觉的飞行器姿态快速估计方法

对无人飞行器编队中,队形保持阶段的飞行器姿态估计问题,进行了探索研究和仿真分析;基于计算机视觉中的弱透视投影理论,提出了一种快速的飞行器相对姿态估计方法;利用机载摄像头获得飞行器图像,提取、匹配飞行器图像的三个特征点,用图像中第四点决定姿态变化的方向,实现相对姿态的估计;通过仿真实验分析表明,提出的方法不依赖于特定的飞行器模型,不需要飞行器正面视图;且方法运算快速,计算简单,准确性较高,可以用于飞行器实时姿态估计。     

基于在线光度标定的半直接视觉SLAM算法

为解决视觉SLAM（同时定位与地图创建）算法依赖图像亮度而对光照变化场景敏感的问题,提出一种基于在线光度标定的半直接视觉SLAM算法。首先,根据相机成像原理,提出基于光度标定的帧间位姿估计方法,在求解位姿的同时对原始的输入图像进行光度校正。其次,在特征追踪环节采取最近共视关键帧匹配策略,以提升特征点匹配效率。最后,对后端重投影迭代优化策略进行改进,降低光照变化对视觉SLAM算法的精度和鲁棒性的影响。在TUM、EuRoC数据集上的实验结果表明,本算法的轨迹估计精度优于LSD-SLAM和SVO 2.0算法,尤其是在中等难度、高难度的数据集序列上。在真实环境测试中,通过对比本算法与激光方法的轨迹估计结果,证明本算法有效提高了传统视觉SLAM方法在光照不均匀场景下的定位精度与鲁棒性。     

基于结构的纹理合成

提出一个简单有效的基于样图的纹理合成新方法．现有纹理合成算法仅考虑两块待匹配块之间对应元素的颜色差别作为评价相似性的量度，对于一些纹理图象，找到的不一定是最相似的匹配块，因此合成后，没有得到令人满意的效果．为此，提出一个新的纹理合成算法，不仅考虑了两个匹配块之问的颜色相似性，还充分考虑了结构的差别，把结构的相似性作为匹配块之间相似性量度的重要因素之一．具体作法是：从样本图象产生一个基于结构的新的特征映射，降低结构上不连续的程度，从而获得比较理想的合成结果．