一种基于VINS的视觉里程计改进方法

同时定位与地图构建(SLAM)是当今机器人领域的主要研究课题之一。针对如何根据图像估计相机位姿问题,提出一种基于VINS的视觉里程计改进方法(ORLK-VINS)。首先,通过双目相机获取图像信息;其次,将图像信息进行直方图均衡化处理,使图像对比度和亮度得到改善;然后,对原图像特征提取算法进行改进,引入ORB算法中带有方向的FAST角点;最后再将提取的特征点进行正反向的LK光流跟踪匹配,保证匹配特征点的精确性。实验表明,经过改进后的视觉里程计相较于主流的VINS-Fusion算法,在某些场景下拥有更好的实时性和定位准确性。     

基于深度相机的SLAM算法评测

针对3种典型的基于深度相机的同步定位与地图构建(SLAM)算法,包括RGB-D SLAM V2,RTAB-Map和DVO SLAM,介绍这3种SLAM算法的理论特点。采用两个公开的SLAM数据集,包括TUM数据集和ICL-NUIM数据集,进行SLAM算法的评测,评测指标包括SLAM算法的精确度、运行性能以及鲁棒性。评测的实验结果表明,在选择基于深度相机的SLAM算法时:如果考虑精确度和鲁棒性优先于运行性能,则选择RGB-D SLAM V2;如果考虑运行性能和鲁棒性优先于精确度,则选择DVO SLAM;如果考虑精确度和运行性能优先于鲁棒性,则选择RTAB-Map。     

改进视觉惯性里程计融合GPS的无人机定位方法研究

为提升无人机大范围弱纹理场景下的状态估计,提出一种改进视觉惯性里程计融合GPS的定位方法。首先,通过在视觉惯性里程计中加入线特征来表示环境的几何结构信息,提升位姿估计的准确性;其次,通过引入长度阈值筛选,剔除对位姿估计贡献不大的短线段,改善特征追踪的鲁棒性;最后,使用非线性优化的方式,将GPS测量信息和改进的视觉惯性里程计融合,校正视觉惯性里程计的累积误差。基于EuRoC数据集仿真实验以及应用于无人机的真实场景实验表明,相较于原算法,加入线特征算法的定位误差在仿真实验中降低了39.14%,室内场景降低了23.48%,室外场景降低了33.58%。融合了GPS的点线特征算法相较于原算法,定位误差降低了53.99%。     

基于矢量量化的动态场景中运动车辆的检测

汽车为了提高动态道路场景中的运动车辆的检测的准确性,提出在Harris角点检测与金字塔Lucas-Kanade光流的基础上,以角点光流矢量的方向、幅值和角点的坐标值作为输入特征,引入矢量量化的方法对图像的光流场进行聚类,并结合了欧式距离和相似系数作为相似性测度,再通过计算每个类别中角点分布的方差剔除误匹配的光流,并依靠方差区分背景类和车辆类,从而提取出运动的车辆。实验结果表明,此算法能有效的剔除误匹配的光流,准确的从动态场景中提取出运动的车辆,并同时适合单个和多个车辆的检测。     

基于EM-ORB算法的移动机器人SLAM系统研究

针对Kinect相机存在的固有噪声,在机器人视觉定位与建图中提出一种改进ORB特征匹配算法结合改进环境测量模型的SLAM系统,该系统使用改进ORB算法提取图像的特征点,建立相邻帧之间特征点的对应关系,并对深度图进行滤波;使用ICP算法计算机器人运动,通过环境测量模型去除误匹配点,同时进行回环检测,最后使用g2o对位姿进行全局优化,建立环境点云图。通过实际环境与公开数据集的运行测试,结果表明,该V-SLAM能够准确地完成相机位姿的更新,并建立环境点云图。     

一种基于改进块匹配算法的运动车辆检测

在传统的基于块匹配算法的运动车辆检测中,因为直接对灰度图像进行匹配而带来计算量大、光照变化较敏感和实时性差的缺陷。针对这些问题,提出了基于概率松弛标记算法的块匹配算法,先通过概率松弛标记算法求取灰度图像的边缘,然后通过块匹配算法根据匹配的相似度得到位移矢量场,并对其进行矢量中值滤波,最后通过顺序区域增长把运动车辆分割出来。实验结果表明,这种算法鲁棒性强、实时性好,与传统算法比较在效率大幅度提高的情况下准确率也得到了一定的提升。     

基于粒子滤波器的移动机器人SLAM算法及仿真

同步定位并且能够精确构建环境地图的能力是机器人实现真正自主的必要前提.基于卡尔曼滤波器的SLAM算法有两个重要的缺陷,即计算的复杂性以及数据相火性问题,使得其不能在SLAM领域中广泛应用.本文提出一种基于粒子滤波器的SLAM算法,并建立其二维仿真模型.保持控制量噪声不变,改变观测量噪声,对本文算法和基于卡尔曼滤波器的算法进行了比较.仿真结果表明,在相同的噪声条件下,仪使用3个粒子的基于粒子滤波器的SLAM算法对路径和路标的估计误差均远小于基于卡尔曼滤波器的SLAM算法.     

基于SLAM优化的高拱坝施工仿真移动AR可视化

目前基于增强现实（augmented reality,AR）的高拱坝施工仿真可视化研究,存在可视化角度受限及系统集成度差的问题。移动AR具有交互方式多元化的优势,但存在相机注册误差较大的不足。针对上述问题,提出基于同步定位与地图构建（simultaneous localization and mapping,SLAM）优化的高拱坝施工仿真移动AR可视化方法。本文首先基于SLAM根据目标三维-二维成像关系精确计算初始化相机注册参数,并利用ARCore运动追踪实现移动中实时相机注册;同时,结合相机注册结果,将施工仿真虚拟场景与实际场景融合,实现施工仿真移动AR可视化分析。工程应用表明,基于SLAM优化的移动AR施工仿真可视化系统,初始化相机注册精度相比传感器提高了97.6%,移动中相机注册误差平均仅为0.275 m,能够实现多方位的空间决策分析。     

一种自适应矢量地图水印算法

随着多媒体技术和网络技术的迅速发展,地理空间数据在资源管理与配置,生态环境,商业及军事等各个领域得到广泛应用。与所有其它数字产品一样,由于矢量数字地图具有很好的复制、传播特性,导致地图在分发和使用过程中存在的诸如版权保护、篡改鉴别等数据安全问题日益凸显出来;更为重要的是在军事领域,地图的泄密将导致更加严重的战略损失。所有这些问题,仅仅依靠传统的加密方法并不能完全解决。作为数字作品版权保护新技术,数字水印应运而生。     

基于双目视觉的运动目标检测算法研究

运动目标检测是实现目标识别与跟踪的基础,它是计算机视觉研究领域的重要组成部分。鉴于传统的运动目标检测算法容易受到噪声、光照及外部环境影响,导致难以准确检测到运动目标的缺点,提出了基于视差的目标检测方法和基于灰度的目标检测方法相结合的算法进行运动目标检测。该方法是将两种算法检测出的前景目标相交部分作为运动目标,克服了双目视觉在目标检测中难以准确的获得目标轮廓,单目视觉容易受环境变化影响的缺点,可以在环境光线发生变化时、物体被照射产生阴影时、目标发生遮挡时准确检测出运动目标,从而提高目标检测的稳定性。     

移动机器人视觉SLAM回环检测原理、现状及趋势

近年来,视觉 SLAM 以结构简单、成本低、可结合语义信息等优势得到广泛关注。 回环检测在其中发挥着重要的作用。 根据获得的回环信息,视觉 SLAM 后端优化算法便可以根据回环约束对位姿进行优化,消除移动机器人在长时间的工作下产生 的累积误差,实现精确的长期定位,从而构建全局一致的运动轨迹和地图。 首先介绍视觉 SLAM 中回环检测原理及作用,从特 征提取、相似度判断、实验评估几个方面对传统词袋模型进行深入分析,并概述目前基于词袋模型和概率的改进算法,对比总结 基于深度学习的回环检测方法,简单概述结合语义信息的回环检测方法,最后对回环检测技术目前存在的问题以及未来的发展 趋势进行总结与展望。     

基于运动矢量场预测的自适应多模板块运动估计算法

在保证图像质量的基础上,提出了一种能有效提高运动估计的搜索速度和精度的算法,是基于运动场预测的多模板块运动估计搜索算法。该算法结合＂足够好就停止搜索＂的思想,同时根据运动幅度的不同相应地采用了菱形,正方形,六边形等多种模板。仿真结果显示这种算法很好地降低了块运动估计的计算量和搜索点数,与PMVFAST算法相比,搜索速度提高了1.5～2.8倍,PSNR（峰值信噪比）下降了0.2～0.3dB。     

基于起点预测的十字-六边形-菱形运动估计算法

为了解决运动估计算法精度不高和运算量大的问题,有必要寻找一种有效的运动估计算法。本文在讨论块运动类型的判定和起始搜索点预测的基础上,分析了针对整像素的六边形-菱形（HDSP）的搜索过程和针对半像素的十字形（CSP）的搜索条件,从而提出了基于起点预测的十字-六边形-菱形的运动估计算法（IPP-CHDS）。文中详细研究了该算法的搜索过程和流程,并利用三个序列进行测试,测试结果表明,IPP-CHDS算法的搜索精度与FS算法接近,但它的运算量却大大的减少。     

基于特征向量提取的点云配准算法

为提高现有配准算法精度和配准效率,提出了一种基于点云特征向量提取的点云配准算法。该算法利用点曲率和邻域内点数量作为综合判据筛选特征点,然后对特征点进行主成分分析提取特征向量,利用特征向量变换关系求解待配准点云之间的变换矩阵实现粗配准,精配准阶段创建点云k维二叉树,通过k维二叉树最近邻搜索来提高ICP算法精配准效率。为验证算法的有效性,将本文算法与多种配准算法在公开数据集Bunny和Horse以及实测环境点云数据进行配准实验对比分析,实验结果表明,计算时间相较于ICP算法减少60%,所提算法具有良好的精度和配准效率。     

基于SR-CKF的移动机器人动态目标跟踪算法

针对移动机器人在未知复杂环境中动态目标跟踪存在的数值不稳定、计算量大和精度较差等问题,提出基于平方根容积卡尔曼滤波的移动机器人动态目标跟踪算法(SR-CKF-SLAM-OT)。该算法的系统状态由地图环境特征、机器人和目标作为一个整体构成。建立目标和机器人的动态模型进行预测、数据关联和更新,在更新过程中直接传递目标状态均值和协方差矩阵的平方根因子,降低了计算的复杂度。此外,通过数据关联环节能够有效的降低伪观测值对系统状态估计的影响。仿真结果表明:相比基于EKF的动态目标跟踪算法,所提出的动态目标跟踪算法目标和机器人均方根误差分别降低了36.3%和38.2%,SR-CKF-SLAM-OT算法有效地满足了移动机器人动态目标跟踪的需求。     

Mass detection algorithm based on support vector machine and relevance feedback

To improve the detection of mass with appearance that borders on the similarity between mass and density tissues in the breast, an support vector machine classifier based on typical features is designed to classify the region of interest (ROI). Furthermore, relevance feedback is introduced to improve the performance of support vector machines. A new mass detection scheme based on the support vector machine and the relevance feedback is proposed. Simulation experiments on mammograms illustrate that the novel support vector machine classifier based on typical features can improve the detection performance of the featureless classifier by 5%, while the introduction of relevance feedback can further improve the detection performance to about 90%. __________ Translated from Journal of Xidian University, 2007, 34(2): 239–245 [译自: 西安电子科技大学学报(自然科学版)]     

基于平流矢量场和弥散流改进的几何活动轮廓模型

几何活动轮廓通过水平集演化捕获目标边界,然而传统方法忽略了前景物体涉及的全局运动及局部形变,从本质上限制了轮廓的动态谐调范围.提出一种由隐式流驱动的几何活动轮廓方法,用于分割形变对象的动态轮廓.根据流体力学,对平流及弥散的隐式流进行建模,从而直接引导水平集的更新.根据图像序列之间有限的运动观测,采用具有平滑和稀疏项的回...     

基于三维特征向量的非侵入式电热负荷细分算法

非侵入式负荷监测分解（NILMD）技术是当前居民用能服务深化提升和电力供需互动的重要数据获取手段,然而当前工程上应用广泛的事件驱动型NILMD技术一直无法准确细化分解电热负荷。针对这一问题,文中提出了一种基于三维特征向量的典型电热负荷细化分解算法。首先,基于有功、无功功率和电流谐波等电气负荷特征采用事件检测方法提取电热事件,在有功功率的基础上,引入运行时长、频繁启停次数等非电气负荷特征共同构建三维特征向量电器模型。然后,采用序贯覆盖法设计典型电热负荷细化分解命题学习规则和细化分解算法。最后,基于实证实验数据进行分解验证,发现4种典型电热负荷的细化分解准确率超过85%。实验结果表明,文中所提典型电热负荷细化分解算法有效地提高了4种典型电热负荷分解的准确率。     

基于RSSI-距离区间映射的加权质心定位算法

考虑到室内传播中RSSI的不稳定因素使得基于RSSI与位置(距离)一一对应关系的定位算法误差较大,在对RSSI统计分析后,提出了在离线采样阶段先建立符合实际环境的基于RSSI-距离区间映射的数据库,再在在线测量阶段根据待定位点RSSI在粗略位置区域中采用加权质心算法确定具体位置.从性能测试结果看出各测试点位置估计偏差略有不同,但平均偏差不高,表明在一定程度上改善了信号因多径效应、非视距传播等波动引起的定位偏差较大问题,验证了该方法的可行性和有效性.