基于室内地图环境信息的多楼层WiFi定位技术研究

针对多楼层环境的室内定位需求,提出了一种基于地图环境先验信息的WiFi指纹定位方法。首先在离线阶段建立地图环境信息模型并对指纹进行仿射传播聚类,然后在线阶段采用RSSI阈值的楼层判别算法确定楼层,并结合地图信息模型和最大后验估计方法计算出终端位置。实验结果表明,相比于传统的指纹定位方法,室内定位技术不仅能提高定位精度,并且降低了在线阶段指纹匹配计算的复杂度。     

一种有效的水下机器人并行定位标图方法

提出了一种水下机器人并行定位标图的方法.首先对声纳扫描数据进行直线特征提取.在特征的匹配过程中,引入3种几何约束:一元约束,二元约束和刚性约束来保证观测特征和模型特征的正确匹配.在并行的定位与标图中进行了机器人的位置修正和地图修正.应用该方法,机器人在较为复杂的环境下,仅使用前视声呐和多普勒速度仪,依靠不精确的地图,实现了自主的定位和导航,同时修正了地图的精度.仿真和物理试验证明了该方法的正确性.     

基于粒子滤波和地图匹配的融合室内定位

为提高室内定位的精确性与合理性,该文提出使用粒子滤波融合WiFi指纹定位和行人航位推算,应用室内地图对定位结果进行匹配与矫正。地图匹配中,首先通过室内地图约束粒子的不恰当转移来解决粒子的穿墙问题,然后采用基于回退的穿墙矫正算法对行走轨迹中的穿墙现象进行矫正。仿真实验中,经过粒子滤波融合后估计的行走轨迹更加接近真实轨迹,优于WiFi指纹算法和行人航位推算算法估计的轨迹,而经过地图匹配与矫正后,定位精度和合理性得到进一步提高。     

一种基于类投影的地图匹配算法

首先介绍了基于投影的地图匹配算法的定位原理；其次，指出了直接投影算法存在的不足；最后，对直接投影算法进行了改进，设计并实现了一种基于类投影的地图匹配算法。从实验结果来看，该算法基本上实现了在1：10000的GIS(电子地图)环境下的车辆定位功能。     

三维重建中线段匹配方法的研究

针对传统基于特征点匹配的重建模型容易存在空洞现象的问题,提出一种基于直线提取算法的线段匹配方法。首先使用无人机设备获取校园建筑图片集,保证拍摄过程中相邻图片存在重叠部分,通过筛选分数最高的相似性评分得到相邻图片集合并只在相邻图片间进行匹配。接着利用直线提取算法提取图片中直线段,然后根据极线约束关系进行二维线段匹配最终生成三维线段模型。二维线段匹配阈值τ、相邻图片个数M、在相邻图像中与特定二维线段相匹配的线段个数K是其中3个重要参数,对4组不同的图片集进行参数评估,实验结果表明当二维线段阈值τ低于0.5,相邻图片个数M为10,在相邻图像中与特定二维线段相匹配的线段个数K为10时三维重建速率与模型精度可接受度最高。     

路面路标高精度地图构建与多尺度车辆定位

为提高智能车定位精度,提出一种利用路面标志构建高精度地图的方法,并在制作的地图基础上提出多尺度车辆定位算法.以路面路标为核心构建高精度视觉地图,地图中每个路标均包含路标视觉特征、几何结构信息,以及其在参考坐标系的精确的位置关系.在定位过程中,首先通过GPS粗匹配计算车辆位置在地图中的位置范围;然后匹配地图中的视觉特征实现路标级定位;最后通过地图中的路标的几何结构信息与参考位置关系实现车辆位置的精确计算,从而实现基于路面路标高精度地图的车辆多尺度定位.针对某大学校园约3.4 km的道路路面标志(包括路面直行箭头、右转箭头、井盖等)进行高精度地图构建,并以之为基础实现车辆定位.定位实验结果表明:算法平均定位误差为12.5 cm,最大定位误差为23.3 cm.定位采取先制图后定位以及多尺度匹配的策略为高精度智能车定位建议了一种新的方法.     

三维点云极化地图表征模型与智能车定位方法

为提高智能车定位精度提出一种基于三维点云极化地图表征模型的定位方法。该模型以点云极化图为节点,利用高精度GPS(Global Positioning System)和欧拉角实现该节点的全局位置表征;从极化图中提取点云的二维与三维特征,实现该节点的多尺度特征表征;通过一系列极化节点实现道路场景的数值描绘与虚拟重构。定位过程中,通过对实时获取的三维激光点云进行极化表征并与地图节点进行多尺度特征匹配实现智能车的地图定位。具体而言,首先根据待定位智能车GPS信号的稳定情况选用GPS匹配或者拓扑定位筛选地图节点并获取定位候选集,完成初定位;其次运用点云二维特征匹配结果从定位候选集中检测距离待定位智能车最近的地图节点,完成节点级定位;最后利用点云三维特征匹配结果与最近地图节点的全局位置计算智能车位姿,完成度量级定位。实验在两种典型场景下进行,节点定位准确率98.7%,平均定位误差21.4 cm,最大定位误差42.9 cm。结果表明,本文算法满足智能车高精度定位需求,且鲁棒性强、成本低、计算过程简单。     

基于分层模糊控制的地图匹配算法

地图匹配能够将车辆定位信息与路网电子地图相结合,是车辆导航系统中重要的定位技术．为克服地图匹配过程中当前定位点信息不足的缺点,充分利用车辆定位的历史轨迹信息,引入了Freehet距离来定义两曲线间的距离,并且提出了基于分层模糊控制的地图匹配算法,简化了规则而且提高了运算效率,最后推导出可信度作为地图匹配效果的评价指标．这种算法不仅能够在出现匹配错误时为使用者提供警告信息,而且还提供了一种能迅速从错误中调整恢复的方法．试验结果证明了该算法的有效性．     

复杂路网改进的投影地图匹配算法研究

针对传统的投影地图匹配算法在城市复杂路网背景下进行地图匹配时出现的空匹配、错误匹配和匹配准确率降低等问题,提出了一种改进的自适应投影地图匹配算法。利用网格索引算法,对地图进行网格划分,减少了初始匹配时间。引入车辆高程和方向角信息,针对不同道路类型可自适应调整其权重参数。通过常州市出租车车辆行驶数据进行实验验证,结果表明：与现有的匹配算法相比,改进的自适应投影地图匹配算法匹配精度提高了２％,单点匹配时间缩短了１．５ｍｓ,实现了城市复杂路网下的精准地图匹配。     

基于分层模糊控制的地图匹配算法

地图匹配能够将车辆定位信息与路网电子地图相结合,是车辆导航系统中重要的定位技术.为克服地图匹配过程中当前定位点信息不足的缺点,充分利用车辆定位的历史轨迹信息,引入了Fréchet距离来定义两曲线间的距离,并且提出了基于分层模糊控制的地图匹配算法,简化了规则而且提高了运算效率,最后推导出可信度P作为地图匹配效果的评价指标.这种算法不仅能够在出现匹配错误时为使用者提供警告信息,而且还提供了一种能迅速从错误中调整恢复的方法.试验结果表明了该算法的有效性.     

基于点线特征的快速视觉SLAM方法

为了提高RGB-D相机同时定位与地图构建（SLAM）系统在弱纹理场景下的定位精度和鲁棒性,提出快速的基于点线特征的SLAM方法. 在非关键帧的追踪过程中,基于描述子进行点特征匹配,基于几何约束进行线特征匹配;当插入新的关键帧时,计算线特征描述子以完成关键帧间的线特征匹配,并利用线特征三角化算法生成地图线. 通过降低线特征匹配过程运算量来提高SLAM系统的实时性. 此外,利用线特征的深度测量信息构造虚拟右目线段,并提出新的线特征重投影误差计算方法. 在公开数据集上的实验结果表明,与ORB-SLAM2等主流方法相比,所提算法提高了RGB-D SLAM系统在弱纹理场景下的定位精度;与传统点线特征结合的SLAM方法相比,所提算法的时间效率提高了约20%.     

基于运动预测的改进ORB-SLAM算法

针对不同运动场景下以固定的点特征提取与匹配策略的ORB-SLAM算法存在系统跟踪定位误差较大的问题,考虑相机自身运动对视觉SLAM系统的影响,提出基于运动预测的改进ORB-SLAM算法.该方法利用上一帧的点特征利用率和匀速运动模型,预测出相邻2帧之间的共视范围,实时动态调整不同运动状态下的点特征提取阈值,在保证系统稳定性的情况下,提高系统的准确性.提出基于运动预测的点特征匹配优化策略,基于匀速运动模型快速确定出共视范围内的有效待匹配点,结合图像金字塔缩小匹配搜索范围,减少大量的无效匹配过程.在TUM数据集上进行对比实验,结果表明,提出的算法不仅实时性好,而且提高了系统的精度.     

一种基于斜率差和方位角的矢量数据匹配算法

矢量空间数据同名特征点搜索和同名特征点匹配是对多时相、多尺度地理实体要素进行变化检测的关键技术。结合矢量空间数据的坐标特征和方位角,提出一种同名地理实体要素特征点搜索与匹配算法。该算法采用分步取点的思想,分别提取曲线X、Y方向上的极值点为初始特征点,利用各极值点斜率差的绝对值作为约束条件删除冗余极值点。在上述提取结果中,两个相邻特征点通常存在较大变形,需添加部分合理特征点。综合利用特征点坐标方位角和距离进行同名特征点相似度匹配,分别利用线实体和面实体进行试验验证。结果表明:本研究算法能够适用于线实体和面实体特征点的提取与匹配,并具有良好的精度和可行性。     

由粗到细的渐进式特征点定位算法

为了解决描述口形轮廓的特征点定位问题,提出了一种特征点定位算法,通过建立口形灰度图像与口形特征点矢量之间的线性映射关系,实现了特征点的初始定位.在此基础上利用局部纹理模型,对特征点位置进行了准确调整.该算法克服了单纯基于局部纹理模型可能陷入搜索过程中局部收敛的缺点.并提出了适合描述唇部特征的局部纹理模型,提高了特征点标定的准确性.     

基于特征匹配的三维点云粗配准方法

针对无初值情况下点云配准精度不高以及配准效率低下的问题,提出一种基于特征匹配的三维点云粗配准方法。首先,利用点云局部法向量的变化描述其特征,加入特征保留权值筛选突出特征信息,提高配准效率;然后,根据保留的特征信息建立特征直方图,通过比较特征直方图描述的信息获取初始匹配的点对;最后,将刚性不变约束与随机抽样一致性算法结合筛选正确的匹配点对,再利用四元素法得到旋转矩阵和平移向量。实验结果表明,提出的算法与其他粗配准算法相比具有较高的精度和效率,为后续的点云精配准工作提供了良好的初值。     

Adaptive key SURF feature extraction and application in unmanned vehicle dynamic object recognition

A new method based on adaptive Hessian matrix threshold of finding key SRUF( speeded up robust features) features is proposed and is applied to an unmanned vehicle for its dynamic object recognition and guided navigation. First,the object recognition algorithm based on SURF feature matching for unmanned vehicle guided navigation is introduced. Then,the standard local invariant feature extraction algorithm SRUF is analyzed,the Hessian Metrix is especially discussed,and a method of adaptive Hessian threshold is proposed which is based on correct matching point pairs threshold feedback under a close loop frame. At last,different dynamic object recognition experiments under different weather light conditions are discussed. The experimental result shows that the key SURF feature abstract algorithm and the dynamic object recognition method can be used for unmanned vehicle systems.     

一种由粗到细的渐进式特征点定位算法

为了解决描述口形轮廓的特征点定位问题,提出了一种特征点定位算法,通过建立口形灰度图像与口形特征点矢量之间的线性映射关系,实现了特征点的初始定位.在此基础上利用局部纹理模型,实现了对特征点位置的进一步准确调整.该算法克服了单纯基于局部纹理模型可能陷入搜索过程中局部收敛的缺点并提出了适合描述唇部特征的局部纹理模型,提高了特征点标定的准确性.     

基于线性细节特征的掌纹信息表达与识别

提出了一种基于掌纹线性细节特征进行身份鉴别的新方法，对掌纹图像进行二值化和骨骼化处理后。从中提取掌纹主线和皱褶的线性细节特征，包括直线段、曲线段和分又等，通过定义特征向量采表达掌纹信息，在此基础上使用掌纹细节特征向量的匹配算法实现了身份鉴别．采用该方法在香港理工大学的掌纹数据库中进行一对一测试，准确率达到97．5％．     

基于双特征融合的动态图像分析算法

为解决汽车碰撞实验过程进行测量和记录数据困难的问题,提出一种能从汽车碰撞动态图像中检测、识别和追踪标志目标的算法。该算法采用二值图像同或相关法分离出目标和背景;在找出感兴趣区域后提取相邻帧目标的坐标和纹理进行特征匹配;给出了对匹配量化值进行加权平均融合的策略,并由等错误率最小准则确定融合的最佳权系数;在融合量化值定义为相似度的基础上,通过决策阈值对相邻帧目标问的最大相似度组合进行识别;从而进一步提出了用同构映射原则来判断相邻帧目标的最佳配对。实验结果表明,该算法对相邻帧目标的配对准确率比传统单特征法提高5％,能更有效的对目标进行追踪。     

基于特征点匹配的拼接算法研究与实现

针对图像问因具有旋转及光线强度差异等现象而导致的拼接效果不佳及拼接速度慢的问题,提出一种基于特征点的配准算法。该算法首先利用相位相关法确定图像重叠区域,然后采用改进Harris角点检测算法检测角点,再根据相似测度NCC（NormalizedCrossCorrelation）方法提取出匹配特征点对,最后用渐进渐出的方法实现拼接图像的融合。实验证明,该算法比传统算法在角点数目上减少了四分之一,有效地去除了拼接产生的鬼影现象。能有效地提高图像拼接的速度和精度。