激光雷达和视觉传感器组合系统的在线校准方法

针对激光雷达和视觉传感器在车辆行驶过程中因振动发生漂移的问题,提出一种组合系统的在线校准方法。基于激光点云和图像的边缘匹配原理进行数据实时检测,检测到融合的传感器数据不准确时对其采取紧急措施,以提高车辆行驶安全性。针对未检测出错误的校准参数,采用梯度下降法优化成本函数,获取新的校准参数,实现传感器数据校正。通过数据集KITTI进行多次参数偏差实验,测试表明,算法可以检测较大的错误校准且能校正较小范围内的平移和旋转误差。     

基于运动特征的视频检索

运动特征是描述视频内容的一种重要的信息,也是视频区别于图像数据所特有的内容,要想对视频内容进行全面的刻画,运动特征是必不可少的一个方面。本文提出了一种基于时空运动特征的视频检索方案。根据离散的球的位置,获取台球原始运动轨迹,进而修正得到完整的台球运动轨迹;以运动轨迹点序列作为运动特征,同时提出了基于运动轨迹点序列顺序匹配的视频段分步检索方法:首先根据碰撞点将运动轨迹分段,然后对检索视频的轨迹分段重采样,最后利用轨迹模型匹配方法实现检索。实验结果表明,我们提出的方案实现了一定程度的语义检索,能够较好地检索到符合人们主观理解的斯诺克运动轨迹的视频内容。      

二维手绘形状的Spline拟合及角点检测方法

通过二维输入设备采样获得的手绘形状数据为离散的点,这些数据只有当被以某种数学形式表示时有更多的实际意义,Spline即是一种常用的表示形式.本文对手绘形状数据进行了参数化,在此基础上进行了Spline拟合.然而将一个手绘形状中的全部点序列进行Spline拟合时会使尖状角点被平滑,因而使手绘形状的这一重要特征发生了偏离.为此, 本文对一次拟合的Spline进行曲率计算, 求取曲率的极大值, 并将极大值作为角点将采样点进行分段, 然后对分段后的采样点进行二次Spline拟合.实验结果表明,这种方法在获得平滑效果较好的手绘形状的同时,保留了重要的角点特征.     

激光点云中三维多目标在线跟踪方法

为降低三维多目标跟踪系统计算复杂度，实现准确高效的多目标在线跟踪，提出一种激光点云中三维多目标在线跟踪方法。在目标检测阶段，通过3D深度相机获取五帧点云序列进行三维背景建模，将实时获取的序列与背景模型进行差分运算检测运动目标。在数据关联阶段，结合运动矢量一致性和最小欧式距离建立预测与检测之间的权值匹配矩阵，使用带权匈牙利算法完成匹配。实验结果表明，对于百万级点数的点云图本算法完成目标跟踪耗时每帧低于0.1 s,跟踪准确度高于95%,跟踪精度低于0.5 mm。能够实现毫米级工业小目标的在线跟踪，兼顾了精确性和实时性。     

基于特征谱信号抑制的气膜刚度测量技术

针对动压轴承气膜刚度测量中转子形状误差、质量偏心、表面缺陷等具有周期性频谱特征的扰动信号抑制问题,提出基于特征谱信号抑制的气膜刚度测量技术.采用傅立叶分析的方法分析信号频谱,选取能量相对集中的与转速相关的扰动信号为抑制目标信号,通过对原始采样序列引入目标信号半周期的相位移动,产生与目标信号符号相反的虚拟采样序列,将虚拟采样序列与原始采样序列相加实现对特定频率扰动信号的抑制.基于这种信号处理方法,研制了基于激光三角激光位移传感器测量的自重法动压轴承气膜刚度测量仪.实验证明,由质心偏移测量误差引入的气膜刚度测量实验标准不确定度为5.5×10-3 N/μm.     

高频雷达工作频率在线实时优化选择

根据中频带通采样雷达噪声频谱在线监测方法，实现环境噪声和外部干扰频谱在线监测。该文研究了在获得噪声频谱基础上，使用非线性优化方法获取雷达优质工作频率或频段，实现高频雷达工作频率在线实时优化选择。使用浙江舟山实验数据进行频率／频段在线寻优处理，为雷达选择优质工作频率或频段提供了依据，证明方法可行。     

激光点云与密集匹配点云联合测量方法研究

针对地面激光扫描仪在进行作业时，有时因遮挡视线而无法采集数据的问题，设计了一种利用改进的采样一致性初始配准(Sample Consensus Initial Aligment, SAC-IA)算法在异源多视角点云中进行联合测量的方法。将三维激光扫描仪从地面视角采集的点云和倾斜摄影测量从空中视角获取的影像密集匹配点云，使用改进的采样一致性初始配准(SAC-IA)算法进行配准融合，实现了空中和地面视角的集成，大大减轻遮挡对测绘工作的影响。用某建筑物三维激光扫描得到的点云数据和倾斜摄影得到的密集匹配点云数据进行实验，并对配准融合后得到的点云数据进行了精度验证。实验结果表明，使用本算法配准点云数据时，比现有方法精度上有明显的提升，算法效率提高了57.46%～59.73%。同时，使用本方法配准融合的点云数据其精度小于5 cm,满足测图精度要求。     

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%。     

相似度自适应估计的物联网实体高效搜索方法

针对现有相似实体搜索方法缺乏对于观测序列长度的自适应性，且搜索过程数据存储开销过大，搜索结果准确性较低的问题，该文提出相似度自适应估计的物联网实体高效搜索方法(SAEES)。首先，设计了轻量级观测序列分段表示方法，对传感器采集的实体原始观测序列进行轻量级分段压缩表示，以降低实体观测序列的存储开销。然后，提出了观测序列相似度自适应估计方法，实现对不同观测序列长度的实体相似性的准确估计。最后，设计了高效的相似实体搜索匹配方法，依据所估计的实体相似度进行实体的准确搜索匹配。仿真结果表明，所提方法可大幅提高相似实体搜索的效率。     

基于动态阈值分段的激光扫描数据过滤算法

旋转激光扫描仪因其低廉的成本和高精度的环境信息获取能力,在移动机器人领域得到了广泛应用。但是该种基于漫反射原理的测距仪,受环境影响产生的粗大误差会严重干扰到测量结果。通过分析移动旋转测距数据的特点,提出了一种基于动态阈值分段的移动旋转激光扫描数据实时过滤算法。算法首先通过前序有效采样值为当前采样点设定动态阈值,将满足阈值的采样点合并为同一个分段,再将段成员数量较少的段作为粗大误差进行过滤；其次通过考虑入射角作为约束条件,分析平缓物体表面采样数据的分布,推导出了动态阈值的设定方法,从而实现了使用动态阈值进行数据分段。实验表明,该算法能在几个采样间隔内实现数据过滤,多组实验环境的效果分析证明了算法的可行性。     

基于自适应渐消记忆的蓝牙序列匹配定位算法

针对传统指纹定位算法建库耗时长和定位精度低的问题,该文提出一种基于自适应渐消记忆的蓝牙序列匹配定位算法。首先,利用行人航迹推算(PDR)和最近邻算法(NNA)对运动序列进行位置标定和接收信号强度(RSS)映射;然后,根据邻近位置的相关性,采用序列递归搜索算法构建指纹序列数据库;最后,通过自适应渐消记忆算法,并结合初始序列匹配度实现位置估计。实验结果表明,该算法在室内环境下能够获得较低的建库时间开销以及较高的定位精度。     

Blind parameter estimation algorithm for frequency-hopping signals based on compressed sensing

A blind parameter estimation algorithm for frequency-hopping signals based on compressed sensing was proposed,in order to solve the problem that the existing parameter estimation algorithms did not take into account the sparse structural characteristics of the signals in frequency domain.Firstly,the maximum cosine method was used to process the segmented compressed sampling signals,and the hopping frequency was estimated.Then,the atom matching algorithm was used to process the signal with the hopping point,and the frequency hopping instance time was estimated accurately.Then the hopping speed and hopping time were estimated.The experimental results show that the algorithm can significantly reduce the sampling data and computational complexity,while improving estimation accuracy.     

基于离线标定的全景视频快速拼接算法设计

针对实际条码识别系统中全场景监控和传统图像拼接算法速度慢的问题,提出了一种基于离线标定的快速全景视频拼接算法.在实际应用中多台相机位置固定,采用离线标定计算出图像拼接的单应性矩阵,在实时拼接中直接加载该矩阵进行计算,从而省去了大量的特征提取和配准时间.为了提高图像特征的配准精度,设计了一种改进的SIFT(Scale-I...     

基于线激光和新型标定板的钢轨轮廓匹配方法北大核心CSCD

为解决钢轨轮廓检测中标定平面和激光平面不重合、钢轨轮廓难以动态匹配的问题,制作了一种阶梯型标定板,并提出基于Harris-SIFT和改进RANSAC算法的钢轨轮廓匹配方法。首先设计制作一种阶梯型钢轨轮廓标定板,能直接标定激光平面,避免了实际应用中标定平面与线激光平面不完全重合的问题。标定过程中采集最佳控制点,通过多项式变换和双线性插值进行图像校正,然后通过Harris-SIFT算法进行轮廓粗匹配,大大缩短了匹配时间,最后利用改进的随机抽样一致算法(RANSAC)进行轮廓误匹配滤除,实现了轮廓精匹配。实验结果表明,图像标定时,相对于棋盘格标定板,校正误差减小0.042 mm;轮廓匹配时,相对于传统轮廓匹配方法,改进后的轮廓匹配算法匹配运行时间快,正确率达100%。     

一种动态序列重力匹配算法

由于重力异常具有随机性,导致序列重力匹配算法精度受到匹配轨迹起始点位置的影响,因此,该文提出了一种动态序列重力匹配算法。该算法通过对构建多起点匹配轨迹序列,动态选择起始点,构建匹配轨迹序列,通过相关极值法提高重力匹配精度。结果表明,动态序列重力匹配算法重力匹配精度高,实时性好,能为水下载体长时间航行提供导航信息。     

改进的峰值检测反距离加权插值算法

采样频率限制和回波脉冲展宽是导致数字化激光脉冲测距峰值检测精度低的主要原因。传统的反距离加权插值算法只能解决低采样频率的问题,却无力解决回波脉冲展宽的问题。针对该问题,根据回波时间能量分布模型,从采样得到的峰值位置分别向上升沿和下降沿方向搜索,各自对搜索半径内的采样点按照距离远近赋予不同权重和插值,然后加权平均提取修正后的峰值时刻。该改进算法有效地解决了回波展宽的问题,减小了低采样频率和回波脉冲展宽带来的测量误差,通过实验论证了算法的有效性。     

KAZE结合感知哈希的图像匹配算法

针对目前图像特征匹配中存在不同程度误匹配的问题,提出了一种KAZE结合感知哈希的图像匹配算法。首先采用KAZE算法提取图像特征点并匹配,然后使用感知哈希算法筛选提纯初始匹配对,最后运用随机抽样一致(RANSAC)算法再次筛选,得到最终的匹配结果。在Mikolajczyk标准图像集上的实验结果表明,该算法在图像发生旋转缩放、光照变换、模糊以及JPEG压缩等变化下均能够保持较高的匹配正确率,具有良好的可靠性和鲁棒性。     

曲线光顺在惯导平台自标定中的应用

提出了一种新的惯导平台自标定数据处理方法——曲线光顺法。根据自标定数据特点给出了适于自标定数据的曲线光顺准则。分析了野值对曲线二阶差商的影响规律,提出了一种野值剔除算法。通过将最小二乘与B样条结合得出二阶差商参考值,并使实际差商与参考差商距离达到最小从而得到野值修改值。实验结果表明,该文的算法能很好地解决惯导平台自标定数据的野值剔除问题,可通过调节参数来控制光顺精度,并具有算法简便、易于操作的优点。     

压缩采样匹配追踪在水声MIMO-OFDM信道估计的应用

针对水声MIMO-OFDM系统,利用水声多径信道冲激响应的稀疏特性,提出一种基于压缩采样匹配追踪 (Compressive Sampling Matching Pursuit, CoSaMP)的信道估计方法。该算法首先利用观测矩阵构建一个向量代替信道,然后采用匹配追踪思想确定这个向量的非零抽头系数位置,最后利用最小二乘法对非零抽头系数进行估计,通过对该向量的估计实现信道响应的估计。与传统最小二乘法（least square, LS）相比,信道估计性能得到很大的提高,与正交匹配追踪（Orthogonal Matching Pursuit,OMP)相比,提高信道估计性能的同时,降低了计算复杂度。通过仿真分析,不但验证了该算法的有效性,还比较了该算法在不同通信系统中的信道估计性能。      

SOQPSK-TG信号的EM半盲载波频偏估计

针对成形偏移四相相移键控-TG(Shaped Offset Quadrature Phase Shift Keying-Telemetry Group version, SOQPSK-TG)信号在训练序列长度受限时频偏估计精度较低的问题,利用双二进制分解(Doubinary Decomposition, DBD)原理提出基于期望最大化(Expectation Maximization, EM)的SOQPSK半盲载波频偏(Carrier Frequency Offset, CFO)估计算法。为了确保EM算法收敛到预期性能范围,使用基于非线性四次方码元定时估计算法的非数据辅助频偏估计方法优化了EM算法初始点选择。仿真实验结果表明,该算法相比于使用训练序列进行数据辅助估计的方法,在不增加辅助数据数量的前提下能够进一步提升CFO估计的精度,并在较高信噪比下拥有接近序列总长度所对应的克拉美罗界(Cramér-Rao Bound, CRB)的优秀性能。