多目视觉定位协同引导自动运输车研究

针对自动运输车（AGV）定位范围窄、灵活性差问题提出解决方案并实验验证。采用红色单球作为AGV车体的标志物,基于全局视觉定位技术构建起多个摄像头协同引导自动运输车。利用OpenCV和QT平台实现红色单球识别、多目视场空间扩展、坐标位置映射计算,并将实时坐标信息通过WiFi发送给下位机AGV。自动运输车根据坐标信息计算出运输路径,并且采用分时双反馈闭环算法解决运输过程中标志物被遮挡的问题。实验结果表明：基于红色单球标志物的多目视觉导引自动运输车定位方案具有定位范围大、灵活性好、适用性强的优势。     

面向室内场景的主被动融合视觉定位系统

目的 视觉定位旨在利用易于获取的RGB图像对运动物体进行目标定位及姿态估计。室内场景中普遍存在的物体遮挡、弱纹理区域等干扰极易造成目标关键点的错误估计,严重影响了视觉定位的精度。针对这一问题,本文提出一种主被动融合的室内定位系统,结合固定视角和移动视角的方案优势,实现室内场景中运动目标的精准定位。方法 提出一种基于平面先验的物体位姿估计方法,在关键点检测的单目定位框架基础上,使用平面约束进行3自由度姿态优化,提升固定视角下室内平面中运动目标的定位稳定性。基于无损卡尔曼滤波算法设计了一套数据融合定位系统,将从固定视角得到的被动式定位结果与从移动视角得到的主动式定位结果进行融合,提升了运动目标的位姿估计结果的可靠性。结果 本文提出的主被动融合室内视觉定位系统在iGibson仿真数据集上的平均定位精度为2～3 cm,定位误差在10 cm内的准确率为99%;在真实场景中平均定位精度为3～4 cm,定位误差在10 cm内的准确率在90%以上,实现了cm级的定位精度。结论 提出的室内视觉定位系统融合了被动式和主动式定位方法的优势,能够以较低设备成本实现室内场景中高精度的目标定位结果,并在遮挡、目标...     

基于GPU自适应的环境遮挡算法

针对传统的环境光遮挡算法中不能自适应的问题,提出了基于GPU自适应的环境遮挡算法.该算法充分利用了GPU并行计算技术和离屏渲染技术,快速计算出适合所载入场景的自适应步长;并将传统环境遮挡采样方法和抖动采样的思想相结合,对采样方法进行了改进;同时也简化了传统环境光遮挡算法中最终遮挡值的计算.实验结果表明,该方法不局限于特定场景,不需要对场景进行预处理,可以准确高效的计算环境光的遮挡情况,并且实现实时绘制.     

基于道路结构特征的智能车单目视觉定位

高精度定位是实现自动驾驶的关键.在城市密集区域,全球定位系统（Global positioning system,GPS）等卫星定位系统受到遮挡、干扰、多路径反射等影响,无法保障自动驾驶所需的定位精度.视觉定位技术通过图像特征匹配进行位置估计,被广泛研究.然而传统基于特征点的方法容易受到移动目标的干扰,在高动态交通场景中的应用面临挑战.在结构化道路场景中,车道等线特征普遍存在,为人类驾驶员的视觉理解与决策提供重要线索.受该思路的启发,本文利用场景中的三垂线和点特征构建道路结构特征（Road structural feature,RSF）,并在此基础上提出一个基于道路结构特征的单目视觉定位算法.本文利用在北京市区的典型路口、路段、街道等场所采集的车载视频数据进行实验验证,以同步采集的高精度GPS惯性导航组合定位系统数据为参照,与传统视觉定位算法进行比较.结果表明,本文算法在朝向估计上明显优于传统算法,对环境中的动态干扰有更高的鲁棒性.在卫星信号易受干扰的区域,可以有效地弥补GPS等定位系统的不足,为满足自动驾驶所需的车道级定位要求提供重要的技术手段.     

基于激光雷达与单目相机融合的人体多目标室内定位系统

针对室内场景下无源人体目标无法准确定位的问题,提出了一种基于激光雷达与单目相机融合的人体多目标室内定位系统。使用多个低成本固态激光雷达在不同位置采集点云,拼接出整个场景的点云;结合视觉传感器捕获人脸目标,通过预先标定的内外参数将点云和图像实现映射,计算出人体的空间坐标。在室内场景(5.4 m×1.5 m)和室外场景(5.0 m×5.0 m)下进行验证实验,结果表明基于激光雷达与单目相机融合的室内定位系统能实时定位多个人体目标,平均定位误差约1.0 cm。     

基于单目视觉的智能车路口实时定位方法

为解决智能车在路口的高精度实时定位问题,基于单目视觉,提出一种路口实时定位方法。对需要定位的路口进行编号并建立路口场景特征库,采用路口场景识别的方法进行路口粗定位,通过路口图像中的停止线检测与测距以及车道线检测计算车辆航向角和偏移距离,综合距离、航向角和偏移距离进行位置坐标计算。在真实道路环境的路口测试结果表明,提出的定位方法具有精度高、实时性好、鲁棒性强的优点,适合于智能车路口视觉导航。     

GPS与数字地图的匹配研究

GPS测量得到的是WGS-84中的地心大地坐标,而在车辆导航等方面通常使用平面地图坐标。如何实现其中的转换,一直是GPS和GIS集成中所关心的问题。该文介绍了GPS定位原理、我国常用的大地坐标系、高斯投影、从GPS定位结果至平面坐标的转换模型等。同时提出了实现GPS数据与数字地图的匹配,并实时显示车辆行驶轨迹的方法。     

基于相似性度量的人群计数方法

人群计数问题是计算机视觉领域的一个经典问题,旨在通过计算机的相关方法计算视频或图片场景中的人数,对控制关键场所人数、指挥公共交通、控制疫情蔓延、保障社会稳定具有重要积极意义。针对现有人群计数面临的背景干扰与目标遮挡问题,本文提出了基于相似性度量的人群计数方法。     

基于影子的乒乓球机器人单目视觉系统标定

视觉系统的场景标定问题是乒乓球机器人研究中要解决的首要任务。针对传统的双目视觉方案中图像处理运算量大、成本高、高速同步采集实现较为困难的缺点,探索了一种单目摄像机下的基于影子辅助成像的视觉标定方法。从单目摄像机模型出发,简化立体映射为平面映射,利用视觉场景中灯光、乒乓球和影子之间的几何关系,结合最小二乘法和最小误差估计,准确地计算视觉系统中灯与摄像机的位置,为图像识别和3维目标定位奠定基础。该方法既标定了摄像机的参数,同时也标定了辅助灯的参数,而且从平面图像坐标计算3维坐标过程简便,实验结果证明其具有较高的精度（<4 mm）,可应用于快速图像处理的场合（>60 fps）,有望成为一种低成本、便捷而有效的方法。     

增强现实中基于轮廓深度恢复的虚实遮挡方法研究

针对增强现实系统中的虚实场景遮挡问题,提出一种基于立体视觉与前景轮廓深度重建的虚实遮挡恢复新方法.首先设计了一种基于色彩与亮度相结合的前景物体轮廓提取方法,以避免阴影对轮廓提取所造成的负面影响,系统随后利用立体视觉原理与插值技术恢复出前景轮廓以及轮廓内部的深度信息,为恢复虚拟与真实场景之间的正确遮挡关系提供依据.实验结...     

基于粒子群圆检测的无人机目标定位算法

无人机在室内等复杂环境中飞行时,存在GPS信号较弱、惯性传感器累计误差较大等问题,导致无法实现室内的精准定位。本文提出一种基于粒子群圆检测算法的无人机目标定位方法,该方法通过OpenCV视觉模组进行图像预处理,并通过增量式PID(Proportion Integration Differentiation)与图像滤波相结合的粒子群圆检测算法获得目标标靶的核心坐标与半径等参数,通过对运动的实时控制、增加判断条件等提高无人机的标定效率与准确率。实验结果表明,该方法能够将无人机的位置调整时间控制在4 s以内,且将标定准确率提高到了90%,极大地缩短了无人机的标定时间,提升了无人机的位置标定准确率。     

基于WT-UKF 的PDR/GPS 组合定位算法

针对行人航迹推算(PDR) 与全球定位系统(GPS) 组合定位问题, 提出一种基于小波变换(WT) 的无迹卡尔曼滤波(UKF) 改进算法, 对PDR 和GPS 定位结果进行数据融合. 建立PDR/GPS 组合定位系统数学模型, 采用小波变换对运动加速度信号噪声特性进行在线估计, 以更新UKF 的协方差矩阵. 所提出的WT-UKF 滤波算法弥补了传统UKF 算法因人为假定信号噪声为高斯白噪声而影响滤波效果和精度的缺陷. 实验结果表明, 使用WT-UKF 滤波算法对PDR/GPS 进行数据融合时稳定性更强, 精度更高.     

基于单目视觉的仓储物流机器人定位方法

针对轮式仓储物流机器人的自主定位问题,提出了一种基于视觉信标和里程计数据融合的室内定位方法。首先,通过建立相机模型巧妙地解算信标与相机之间的旋转和平移关系,获取定位信息;然后,针对信标定位方式更新频率低、定位信息不连续等问题,在分析陀螺仪和里程计角度误差特点的基础上,提出一种基于方差加权角度融合的方法实现角度融合;最后,设计里程计误差模型,使用Kalman滤波器融合里程计和视觉定位信息弥补单个传感器定位缺陷。在差分轮式移动机器人上实现算法并进行实验,实验结果表明上述方法在提高位姿更新率的同时降低了角度误差和位置误差,有效地提高了定位精度,其重复位置误差小于4 cm,航向角误差小于2°。同时该方法实现简单,具有很强的可操作性和实用价值。     

融合社交网络和图像内容的兴趣点推荐

基于位置的社交网络（LBSN）蓬勃发展，带来了大量的兴趣点（POI）数据，加速了兴趣点推荐的研究。针对用户-兴趣点矩阵极端稀疏造成的推荐精度低和兴趣点特征缺失问题，通过融合兴趣点的标签、地理、社交、评分以及图像等信息，提出了一种融合社交网络和图像内容的兴趣点推荐方法（SVPOI）。首先分析兴趣点数据集，针对地理信息，利用幂律概率分布构造距离因子；针对标签信息，利用检索词频率构造标签因子；融合已有的历史评分数据，构造新的用户-兴趣点评分矩阵。其次利用VGG16深度卷积神经网络模型（DCNN）识别兴趣点图像内容，构造兴趣点图像内容矩阵。然后根据兴趣点数据的社交网络信息，构造用户社交矩阵。最后，利用概率矩阵分解（PMF）模型，融合用户-兴趣点评分矩阵、图像内容矩阵、用户社交矩阵，构成SVPOI兴趣点推荐模型，生成兴趣点推荐列表。大量的真实数据集上的实验结果表明，与PMF、SoRec、TrustMF、TrustSVD推荐算法相比，SVPOI推荐的准确度均有较大提升，其平均绝对误差（MAE）和均方根误差（RMSE）两项指标比最优的TrustMF算法分别降低了5.5%和7.82%，表明SVPOI具有更好的推荐效果。     

基于LBS签到数据更新POI的数据预处理研究

利用LBS签到数据更新POI,可以提高POI更新的现势性。但LBS签到数据具有冗余大、精度低、信息格式不标准等缺点,不能满足POI更新对数据质量的要求。根据LBS签到数据的特点,提出了冷点剔除、信息缺失地理点分析与地理本体异构处理的方法,在一定程度上改善上述缺陷。试验证明,该方法可以剔除原始数据中大量的无效签到数据,有效的提升LBS签到数据的质量。     

基于TD-SCDMA网络的GPS-RTK定位算法研究

GPS-RTK定位方法与TD-SCDMA网络相结合,提出一种新的定位模式.该模式可以为TD-SCDMA网络中的移动用户提供一种改进的定位服务,实现厘米级定位精度,并且可以满足高速移动情况下的实时动态定位请求.详细描述了改进的准RTK算法及其详细的公式推导过程,介绍了网络辅助GPS的原理及优势.     

Optimizing neuro-fuzzy modules for data fusion of vehicular navigation systems using temporal cross-validation

The last two decades have shown an increasing trend in the use of positioning and navigation technologies in land vehicles. Most of the present navigation systems incorporate global positioning system (GPS) and inertial navigation system (INS), which are integrated using Kalman filtering (KF) to provide reliable positioning information. Due to several inadequacies related to KF-based INS/GPS integration, artificial intelligence (AI) methods have been recently suggested to replace KF. Various neural network and neuro-fuzzy methods for INS/GPS integration were introduced. However, these methods provided relatively poor positioning accuracy during long GPS outages. Moreover, the internal system parameters had to be tuned over time of the navigation mission to reach the desired positioning accuracy. In order to overcome these limitations, this study optimizes the AI-based INS/GPS integration schemes utilizing adaptive neuro-fuzzy inference system (ANFIS) by implementing, a temporal window-based cross-validation approach during the update procedure. The ANFIS-based system considers a non-overlap moving window instead of the commonly used sliding window approach. The proposed system is tested using differential GPS and navigational grade INS field test data obtained from a land vehicle experiment. The results showed that the proposed system is a reliable modeless system and platform independent module that requires no priori knowledge of the navigation equipment utilized. In addition, significant accuracy improvement was achieved during long GPS outages.     

基于出租车GPS轨迹和POI数据的商业选址推荐

针对商业选址问题,提出一种基于城市出租车GPS轨迹和POI数据的商业选址推荐算法。首先,对城市出租车GPS轨迹和POI数据进行预处理及地图匹配,然后将城区进行交通小区划分,用OD矩阵分析交通小区之间的交通流量特征,并结合交通小区内POI的分布特征和语义属性,构建基于OD矩阵和对应小区POI数据相结合的商业地址推荐模型。最后,应用兰州市出租车GPS轨迹与POI数据验证了推荐算法的有效性和实用性,并将推荐结果在交通小区尺度上进行可视化呈现。实验结果表明,该推荐算法不仅能够推荐合理的商业选址,为商业选址决策提供快速有效的可视化定量分析方法,同时能够为城市公共服务设施空间布局规划提供决策依据。     

基于北斗卫星的GPS轨迹数据异常双频定位方法

当前GPS轨迹定位方法均采用单频定位,在数据异常情况下不能保障定位精度,故此提出一种基于北斗卫星的GPS轨迹数据双频定位方法研究。先基于北斗卫星的定位原理建立用于空间几何距离测量和地面监测点精准定位的数学模型,并确定出伪距和载波相位的观测值的权重;利用北斗卫星确定出标的物的空间几何距离,及空间位置信息;由于定位系统本身及大气电离层的影响,得到空间定位信息内包含有误差项,基于北斗卫星系统可以修正GPS轨迹误差项和异常数据,实现对标的物位置信息的精准定位。测试数据表明提出定位方法的精度更高,综合定位偏差值为0.56%,同时定位误差的均值和方差控制表现更好。