基于激光视觉传感的机器运动目标跟踪研究

复杂背景影响下机器人跟踪运动目标精度提升是目前相关领域研究的重点,因此,研究基于激光视觉传感的机器运动目标跟踪方法.使用激光传感器获取激光数据,利用扫描匹配算法实现运动目标检测,同时定位机器人并构建所处环境的图像;使用单目视觉传感器,通过目标位置估计算法计算出运动目标的角度信息与距离信息,使用Rao-Blackwell...     

基于多传感器融合的运动目标跟踪算法

为了提高多传感器下运动目标跟踪的准确性和实时性,提出了基于多传感器融合下的运动目标跟踪算法。首先采用多个传感器对运动目标的信息进行采集和融合;然后采用混合高斯算法对运动目标的背景进行建模,并采用均值漂移算法实现运动目标跟踪;最后采用仿真实验对算法的性能进行测试。测试结果表明,该算法可以准确地对运动目标实时动态跟踪,提高了目标跟踪的精度。     

一种高效的分布式多传感器多目标跟踪算法

现有的多传感器多目标跟踪算法大都基于马尔科夫-贝叶斯模型,需要诸如目标运动、杂波、传感器检测概率等先验信息,但是在恶劣的环境中,这些先验信息不准确并导致目标跟踪精度下降.为了解决该情况下的多目标跟踪问题,我们提出了一个高效的分布式多目标跟踪算法,该算法通过泛洪(Flooding)共识算法在分布式网络的传感器之间迭代的传...     

基于地面传感器的数据融合技术应用研究

研究了多传感器优化布设,提出了几种典型拓扑结构。比较了Bayes方法和Dempster-Shafer证据理论,采用证据理论对目标进行身份识别。研究了地面运动目标融合算法、模型,能够对各种传感器的报警数据进行处理,得到目标的属性信息和运动轨迹。进行了低空飞行目标航迹融合研究,对传感器上报的低空目标方位角数据进行综合处理,得到目标航迹信息。实际运行结果表明,这些算法是有效的。     

基于ROS的无人派件精灵系统设计

该文主要是对物流配送机器人在校园、社区、室内等环境下的物流配送的"路径规划-包裹配送-运动控制-环境建模-位置定位"展开研究。采用了ROS(Robot Operating System)机器人操作系统作为整个物流配送机器人的核心,通过ROS开源操作系统的功能包结合外围传感器来结合PID算法的差速运动模型来实现对机器人的任意角度运动控制以及远程控制,通过外围传感器进行对周边的环境信息进行感知结合SLAM算法进行二维地图的构建。通过在构建好的地图上进行设计一个起始点和一个目标点,物流配送机器人在该地图中进行路径规划,在规划好的路线执行导航到目标点,在导航的途中遇到障碍物,机器人会自动的避开障碍物或者从新规划路线,从而来实现包裹从起始点到目标点的配送工作。     

无线传感器网络的目标跟踪算法

为了解决无线传感器网络跟踪非线性运动目标的分布式数据融合问题,使用了基于扩展信息滤波器(EIF)的分布式估计算法.对于活跃传感器的选择方法,采用了基于与目标位置接近程度的近邻选择算法和基于信息贡献的信息选择算法.仿真结果表明,与分布式扩展信息滤波器(DEIF)算法相比,近邻选择算法和信息选择算法得到了相似的响应曲线,且具有减少能量消耗和简化计算的优点.     

基于IMM-UKF的传感器管理算法

传感器管理是信息融合技术的重要研究方向,目标跟踪中传感器管理的主要目的是为了通过与目标环境相互作用,降低目标的不确定性信息,以便于对目标精确跟踪.文中提出了一种基于IMM-UKF的传感器管理算法.针对机动目标的模型多为非线性的情况,提出了把交互式算法与Unscented卡尔曼滤波相结合的交互式Unscented卡尔曼滤波算法(IMM-UKF),并结合信息增量用于传感器管理.     

一种协方差和信息增量联合控制的多传感器管理算法

分析了当传感器资源较丰富时采用基于联合信息增量的传感器管理算法存在的问题,结合协方差自适应传感器管理算法的思想,给出了一种协方差和联合信息增量联合控制的传感器管理算法,并进行了算法的仿真.仿真结果表明,该算法既能够根据期望的精度对目标进行跟踪,又能够根据目标的机动性来动态地分配传感器资源,使得传感器的分配策略更加灵活.     

基于角度划分的2D传感器三维跟踪定位算法

根据2D传感器的扫描特点和观测信息,建立了单站2D传感器对三维运动目标的观测模型,基于该模型提出了三维匀速运动目标的仰角参数化扩展卡尔曼滤波算法。此算法将传感器的仰角观测范围划分为若干个子区间,对各仰角子区间执行并行独立的EKF跟踪算法,并根据滤波结果动态更新各滤波器的权值,最后融合各EKF估计值得到最终的目标状态估计。计算机仿真结果证明了该算法在2D传感器对三维空间内目标跟踪定位时的有效性和优越性。     

基于激光信息和射频识别的运动轨迹跟踪研究

为提高运动轨迹跟踪精度,设计了基于激光信息和射频识别的运动轨迹跟踪方法,首先将射频识别阅读器与激光传感器采集数据进行速度估算处理,并利用加权因子对激光传感器估算速度进行平滑处理,然后通过相似度对比方法匹配激光传感器与射频识别阅读器获取的运动目标速度,采用粒子滤波算法融合激光传感器与射频传感器获取的运动目标速度,通过粒子滤波的预测、更新与重采样三个阶段实现准确的运动目标轨迹跟踪,最后实验结果表明,该方法对目标的运动轨迹跟踪精确度高达99%。     

Implementation of a Decentralised Sensing Network aboard Multiple UAVs

This paper presents real-time results of a decentralised airborne data fusion system tracking multiple ground based targets. These target estimates are then used to construct a composite map of the environment. A decentralised communication strategy which is robust to communication latencies and dropouts results in each sensing node having a local estimate using global information. In addition, this paper describes the hardware and algorithms for the sensing nodes used in this demonstration. The problems introduced by locating the sensing nodes on air vehicles are both interesting and challenging.     

基于卡尔曼融合的激光雷达特征匹配方法

针对现有激光雷达特征匹配算法线段特征匹配定位不够准确的问题,提出了一种基于卡尔曼融合的激光雷达特征匹配算法。首先扫描一帧雷达数据,利用改进的激光雷达线段特征提取方法,提取出特征线段,得到局部地图。接着确定局部地图旋转、平移参数,再将局部与全局地图进行匹配,根据相对偏差得到匹配结果。然后基于卡尔曼,利用IMU数据作下一时刻的预测估计,利用激光雷达匹配结果作观测,两者融合得到最优估计。实验结果表明该方法相对现有特征匹配算法在特征线段的匹配准确性上更高,因此定位导航的精度和鲁棒性也更好。     

基于雾气特征与不等关系约束的去雾方法

针对现有去雾算法未充分考虑图像雾气信息、复原图像细节模糊等问题,提出一种新颖的反映图像雾信息分布的雾气特征图,并采用不等关系约束方法提高图像质量。首先,提取退化图像的极值通道以实现雾气信息的粗略估计,并通过L-1正则化对其进行优化从而得到雾气特征图。其次,提出一种基于雾气特征的初级大气光幕函数,通过对颜色通道和大气光幕作深入分析,利用均值不等式获得约束后的退化场景大气光幕。最后,利用雾气特征图对局部大气光进行改进,并基于大气散射模型实现图像去雾。将所提算法在真实雾图和合成数据集雾图上与其他经典方法进行比较分析,可以发现,所提算法在单幅图像去雾中展现了较好的性能,且在夜间雾图复原中更具优势。     

基于模板匹配的快速少纹理目标识别算法

针对传统的基于模板匹配算法通常考虑模板的整体性往往遇到计算性能复杂的问题。文中提出一种基于二进制方向压缩映射和局部特征加权的快速少纹理目标识别方法。根据目标边缘点的量化梯度方向,利用二进制方向压缩映射方法对目标模型进行特征描述,快速提取出目标候选位置及其对应的尺度、角度信息;在检测出目标候选位置后,再利用局部特征加权方法建立新的模板特征,对目标候选位置计算新的相似度从而确定目标最终姿态。实验结果表明,文中算法与其他具有代表性的算法相比具有更好的识别率,并且识别时间大幅降低。     

条纹投射技术中的投影机非线性自校正方法研究进展

在条纹投射技术中,投影机光强非线性是影响测量精度的关键因素之一。投影机非线性会在条纹信号中引入高阶谐波,从而导致位相测量结果中出现波纹状误差。投影机非线性的自适应校正方法,也即自校正方法,可以从测量数据中直接估计投影机输入输出光强曲线或位相误差函数,从而避免了繁琐的前标定过程,并因此在应用中具备很强的适应性。文中拟对投影机非线性自校正算法的研究进展作一个系统性的概述。这些方法中,其一,是从采集的条纹图像中利用迭代拟合算法直接估计投影机的非线性曲线,并依据其校正位相误差;其二,是从单幅测量位相图中识别并移除由非线性引起的位相误差;其三,是利用两幅不同频率的测量位相图估计误差系数,并补偿其影响。实际测量结果表明:上述自校正方法,在无需标定数据条件下,可以有效地解决投影机非线性误差问题,有助于提高条纹投射技术的测量精度。     

基于兴趣倾向机制的仿生SLAM算法

该文针对同时定位与地图创建(SLAM)闭环检测算法易受复杂环境因素干扰,导致定位误差较大、闭环检测精度低等问题,受哺乳动物空间认知机理启发,提出一种基于兴趣倾向机制的仿生SLAM算法。采用反Hebbian网络(Lateral Anti-Hebbian Networkm, LAHN)对网格细胞进行建模,通过不规则复杂环境边界信息对网格细胞进行校正来提高算法定位精度。利用兴趣倾向机制对提取的显著性区域进行兴趣赋值,减小冗余显著性区域带来的影响,提高系统闭环准确率。将位置感知模型获取的位置信息与视觉感知模板相关联构建认知地图。在公开数据集及真实环境中进行测试,测试结果表明该文算法在构建认知地图的准确率、实时性以及对环境的适应能力具有优势。     

自注意力引导的红外与可见光图像融合算法

为确保源图像中的显著区域在融合图像保持显著,提出了一种自注意力引导的红外与可见光图像融合方法。在特征学习层引入自注意力学习机制获取源图像的特征图和自注意力图,利用自注意力图可以捕获到图像中长距离依赖的特性,设计平均加权融合策略对源图像的特征图进行融合,最后将融合后的特征图进行重构获得融合图像。通过生成对抗网络实现了图像特征编码、自注意力学习、融合规则和融合特征解码的学习。TNO真实数据上的实验表明,学习到注意力单元体现了图像中显著的区域,能够较好地引导融合规则的生成,提出的算法在客观和主观评价上优于当前主流红外与可见光图像融合算法,较好地保留了可见光图像的细节信息和红外图像的红外目标信息。     

基于改进双目视觉算法的三维重建研究

为解决现有立体匹配算法在图像弱纹理等区域鲁棒性差以及模型参数较大的问题,对PSMNet立体匹配方法进行改善,通过使用空洞空间卷积池化金字塔结构(atrous spatial pooling pyramid,ASPP)提取图像在不同尺度下的空间特征信息。随后引入通道注意力机制,给予不同尺度的特征信息相应的权重。融合以上信息构建匹配代价卷,利用沙漏形状的编解码网络对其进行规范化操作,从而确定特征点在各种视差情况下的相互对应关系,最后采用线性回归的方法得到相应的视差图。与PSMNet相比,该研究在SceneFlow和KITTI2015数据集里的误差率各自减少了14.6%和11.1%,且计算复杂度下降了55%。相比较于传统算法,可以改善视差图精度,提升三维重建点云数据质量。     

面向EVNS的电子地图的设计

分析研究车载导航信息系统电子地图算法,面向EVNS的导航系统中电子地图的建立,以及实现这些功能对电子地图数据库的基本要求及电子地图数据库的建立。以车载导航信息系统的导航电子地图和导航数据库作为重点研究对象．分析导航信息系统中导航电子地图的设计和电子地图的数据组织。     

基于边缘增强的深度图超分辨率重建

准确的深度图像获取是计算机视觉中的一个难题 。传统的立体匹配得到深度的方法不仅计算量大,而且在纹理稀疏与重复区域往往存在较大 的误差。主动式深度传感器虽然解决了这些问题, 但其获取的深度图存在着分辨率低和易受噪声干扰的问题。因此,本文提出一种结合彩色图 像信息 的深度图超分辨率(SR)重建方法来提高深度图的质量与分辨率。首先运用自回归(AR)模型 下的非局部均值(NLM)算 法获取初始的上采样深度图;然后利用边缘提取与边缘修复算法优化深度图。实验结果表 明,本文提出的方法能够生成误差更小、主观质量更好的高分辨率深度图。