相机姿态安装误差对单目视觉定位精度的影响

现有单目视觉定位方法由于相机姿态误差而存在定位精度不高的问题,但鲜见文献对此进行定量分析.针对该问题从定性分析和定量仿真的角度研究了相机姿态角的安装误差对单目视觉定位精度的影响.在距离为211.377 m的平坦直线道路上进行了三组实验,实验结果和仿真结果吻合较好,经相机姿态安装误差校正以后,三组实验中行驶轨迹弯曲的现象得到了纠正,并获得了最大误差0.45％的测距精度.所得结论对提高单目视觉定位精度具有指导意义.     

基于雷达–扫描器/惯性导航系统的微小型无人机室内组合导航

本文提出一种基于雷达–扫描器/惯性导航系统(radar-scanner/INS)的微小型无人机室内导航方法.为提高算法的实时性,采用基于扩展卡尔曼滤波(EKF)的DC同步定位与构图技术(SLAM)实现定位和构图;在更新状态值的扫描匹配过程中提出启发性逻辑来筛选激光雷达数据,以提高算法对无人机因姿态和高度变化而引起的轮廓地图波动的抗干扰性;在特征匹配的过程中选取合理的地图轮廓特征,并利用扫描匹配的结果和特征匹配的传递性提出了精度较高的引导配对,以提高特征配对在三维环境下的准确性;最后,将DC SLAM与惯性导航系统进行基于EKF的组合滤波,给出无人机的全状态估计.通过与GPS/INS组合导航对比以及室内飞行验证,本文提出的方法能够满足无人机飞行控制对导航实时性和精度的要求.     

智能手机利用二维码路标进行定位定姿的方法研究

针对室内环境中智能手机用户的定位问题,设计了一种专门用于定位定姿的二维码路标,基于此二维码路标提出一种稳健的二维码路标检测算法。首先采用图像灰度化、直方图均衡化、二值化、边缘检测及形态学运算对采集到的图像进行预处理,然后利用轮廓检测将图像划分为不同的候选区,并对候选区进行筛选,保留二维码路标所在的候选区并提取其顶点的图像坐标,确定二维码路标在图像中的精确位置,检测到二维码路标后,根据二维码路标顶点的图像坐标与世界坐标的对应关系,采用EPnP算法解算手机相机中心的位置和姿态。实验结果表明,该方法对用户的拍摄距离、角度、手机姿态等限制较少,更符合手机用户室内定位的需求。     

基于FPGA_ARM的机载组合导航系统设计

为了降低惯性导航系统的累积误差,提高导航定位的准确性,文章采用惯性导航系统、GPS和磁航向计等构建了小型组合导航系统,以INS、GPS位置和速度的差值作为观测量,通过卡尔曼滤波器估计位置、速度和姿态等导航参数的误差量,进而获得准确的导航参数估计值;实验结果表明,该方法能够有效遏制系统累计误差,满足导航系统的精度和稳定性要求。     

基于在线建立与匹配压缩全景路标的增强型视觉里程计（英文）

研究目的:高效精确定位是移动机器人智能导航的先决条件。传统视觉定位系统,如视觉里程计(VO)和同时定位与三维重建(SLAM)算法,存在两点不足:一是由累积定位误差引起的漂移问题,二是由光照变化和移动物体导致的错误运动估计结果。创新要点:通过引入全景相机到传统双目VO系统,提出一种增强型VO,高效利用全景相机360°视场角信息。(1)在线建立路口场景压缩全景路标库;(2)机器人以任意方向重新访问路标时,对定位结果进行全局校正;(3)当双目立体VO不能提供可靠定位信息时对航向角估计结果进行校正;(4)为高效利用信息量较多的全景图像,引入压缩感知概念并提出一种自适应压缩特征。研究方法:首先,在压缩亮度特征基础上,增加压缩SURF特征提高其描述能力,通过分析特征区分度,使压缩特征可以根据具体图像特点自适应调节,最终构建自适应压缩特征(ACF,图2),该特征计算速度快(表3)、描述能力强(图6、7,表1),有效提高全景图像信息利用效率。然后,使用ACF对全景路标图像进行描述,提出一种任意方向的路标图像匹配算法,若当前全景图像与路标图像匹配成功,则对当前定位结果进行全局位姿校正(图4),抑制大范围环境中定位路径漂移问题(图10、11)。最后,介绍基于图像片匹配的航向角鲁棒估计方法,当双目视觉里程计因特征跟踪质量差而导致运动估计结果不稳定时,对局部运动估计结果进行校正,提高运动估计的精度(图9)。重要结论:提出的增强型视觉里程计系统可以准实时提供可靠定位结果,极大抑制大范围挑战性环境中传统VO漂移问题和运动估计错误问题。实验结果显示,所提算法大幅度提高传统VO的准确性和鲁棒性。     

智能车双目视觉辅助GNSS定位方法研究

具有精确、稳定的定位结果以及合理的价格是未来的智能车辆导航系统的发展趋势。为了达到这个目标,人们建立了多种组合导航模型（GNSS/DR,GNSS/INS,GNSS/MM）。尽管这些模型已在多种不同环境中成功应用,但它们仍有许多缺陷,尤其是在全球卫星导航系统（GNSS）定位精度受到威胁的区域。研究了一种通过双目视觉利用路标的地理位置信息对GNSS定位精度进行局部改良的方法。随机霍夫变换用于路标检测,SIFT算法与K均值算法将用于路标的匹配识别。双目视差计算智能车与路标之间的向量,从而建立辅助定位模型计算车辆的位置。利用实验车在一处复杂环境区域进行实时数据采集,通过计算出的双目视觉定位误差与GNSS定位误差对比分析,验证了该方法在路标可见范围内对GNSS定位结果有明显改善。     

视觉与惯导融合的煤矿移动机器人定位方法

针对现有移动机器人单目视觉定位算法在光照变化和弱光照区域表现较差、无法应用于煤矿井下光照较暗场景的问题,通过非极大值抑制处理、自适应阈值调节等对快速特征点提取和描述(ORB)算法进行改进,采用随机抽样一致性(RANSAC)算法进行特征点匹配,提高了煤矿井下弱光照区域的特征点提取和匹配效率。针对仅靠单目视觉定位无法确定机器人与物体的距离及物体大小的问题,采用对极几何法对匹配好的特征点进行视觉解算,通过惯导数据为单目视觉定位提供尺度信息;根据紧耦合原理,采用图优化方法对惯导数据和单目视觉数据进行融合优化并求解,得到机器人位姿信息。实验结果表明:(1) ORB算法虽然提取的特征点数较少,但耗时短,且特征点分布均匀,可以准确描述物体特征。(2)改进ORB算法与原ORB算法相比,虽然提取时间有了一定的增加,但提取的可用特征点数也大大增加了。(3) RANSAC算法剔除了误匹配点,提高了特征点匹配的准确性,从而提高了单目视觉定位精度。(4)改进后融合定位方法精度有了很大提升,相对误差由0.6m降低到0.4m以下,平均误差由0.20m减小到0.15m,均方根误差由0.24m减小到0.18m。     

基于联邦滤波的室内多传感器融合导航定位方法研究

针对室内多传感器融合导航定位问题,提出一种基于联邦滤波的INS/3D LASER/单目视觉融合的室内导航定位方法.该方法是通过联邦滤波将INS分别同3D LASER与单目视觉构成子滤波器,主滤波器根据最小方差准则,利用最优系数加权法融合各子滤波器的最优估计,从而获得全局最优融合结果.实验证明,该方法能有效提高室内导航定位的精度和鲁棒性,比传统的视觉里程计法或激光雷达里程表法更准确.     

基于YOLOv3和EPnP算法的多药盒姿态估计

针对机械臂药盒抓取操作中对药盒定位和姿态估计的要求,提出一种基于YOLOv3深度学习算法和EPnP算法相结合的多药盒姿态估计方法,此方法主要分为多药盒定位和姿态估计两部分;首先通过YOLOv3算法实现药盒的快速精确定位,并通过定位框分割出单个药盒;然后进行特征提取和特征匹配并估计单应矩阵;通过单应矩阵的透视矩阵变换求得药盒平面4个角点的像素坐标并作为EPnP求解所需的2D点,结合药盒先验尺寸信息在相机坐标系下构建药盒对应的3D点坐标以实现药盒姿态求解;通过结合OptiTrack系统设计了药盒姿态精度对比实验,结果表明,该算法充分发挥了YOLOv3算法兼具快速性和准确性的优势,并且具有良好的姿态估计精度,总体算法速度达到15 FPS,药盒姿态估计平均误差小于0.5°。     

基于人工路标和立体视觉的移动机器人自定位

针对室内移动机器人的自定位问题,提出一种基于人工路标和双目视觉的室内移动机器人自定位方法。首先设计了一种可扩展的彩色人工路标,并给出路标的编码方法;然后利用色彩空间变换,直线交比不变性以及自适应窗口实现路标检测与识别;最后在分析双目立体视觉模型的基础上建立起基于路标的双目立体视觉定位模型,实现移动机器人的准确定位。实验结果表明,路标对光照和视觉传感器的采集位置具有较强的鲁棒性,定位精度能够满足室内移动机器人的定位要求。     

惯导系统辅助CSS的室内定位方法

提出一种惯性导航系统INS(Inertial Navigation System)辅助线性调频扩频CSS(Chirp Spread Spectrum)的高精度室内定位方法.首先设计了基于MPU9250多轴传感器的惯性测量单元IMU(Inertial Measurement Unit),利用数字运动处理(DMP)数据库经四元数解算可求得准确稳定的航向角,由于MPU9250自带的磁力计,规避了航向角的累积误差问题.随后在分析CSS非视距定位误差基础上,提出了基于三角形三边准则的选星方法,有效降低了室内复杂环境下非视距的影响;最后利用扩展卡尔曼滤波对惯导系统与CSS定位进行融合,以输出稳定、准确的定位结果.通过在50 m×20 m的地下车库实验分析比较,结果表明:惯导与CSS单独定位的平均误差分别为0.3456 m、0.3659 m,本文组合导航方法平均误差为0.158 l m,较前两种单一的定位方式性能提高了50%以上,该方法降低了定位的成本,系统实现复杂度降低,定位精度提高.     

基于改进时间差分的视觉/惯性组合导航研究

针对全球导航卫星系统(GNSS,Global Navigation Satellite System)在军事战争、室内和水下等情况下存在因信号缺失导致的全球定位系统（GPS,Global Positioning System）无法使用和惯性导航系统(INS,Inertial Navigation System)状态误差发散过快的问题,提出了一种基于连续帧时间差分视觉辅助导航的方法。为了抑制状态误差的快速发散,提高INS在长航时工作上的性能,分析了机器视觉连续帧间差分法,并对其进行了计算上的改进,设计了一种时间差分视觉/惯性组合系统,并进行了仿真实验和分析。结果与纯INS相比,均方根误差(RMSE,Root Mean Square Error)在北向位置上减少了19.0%,在东向误差上减少了32.1%,表明该方法有效抑制了纯惯性导航速度和位置的误差发散,延长了惯性导航的可用时间。     

一种面向移动平台的无人机自主降落控制方法

准确获取无人机的位姿信息是顺利执行无人机自主导航、着陆的首要前提。由于GPS/INS导航系统的局限性和IMU惯性导航系统的误差,提出了一种基于视觉导航的方法。设计了"H"形图像的着陆标志,对机载摄像机采集的实时影像进行图像处理,利用世界坐标系到图像像素坐标系的映射关系得到基于视觉的无人机位姿估计模型,进而解算无人机当前的位姿估计值。上述方法提高了无人机的着陆安全性。仿真结果验证了算法的有效性和位态信息的精确度。     

星光折射定位辅助的惯性/星光全组合导航算法

常规的惯性/星光组合导航多基于姿态信息组合,对位置、速度修正效果较差.针对上述问题,在惯性/星光姿态组合算法基础上,通过引入基于星光折射原理后获得的天文定位信息,设计了惯性/星光姿态、位置全组合导航方案,并提出了基于地心惯性坐标系下的捷联惯性/星光全组合导航算法.仿真结果表明:由于利用星光折射间接敏感地平的方法,在系统中引入了位置相关的观测信息,可确保组合导航系统获得较高的位置、速度和姿态精度.     

路网辅助的车载INS/GPS组合导航方法

针对车载INS/GPS组合导航系统在GPS无效时精度迅速下降的问题,提出了将车辆行驶的路网约束作为虚拟传感器,采用多传感器数据融合的方式,与INS和GPS组成INS/GPS/路网组合导航系统.当GPS失效时,使用路网辅助INS.仿真结果表明,在GPS无效时间段,该方法能有效减小系统定位误差.     

基于MLP神经网络改进组合导航算法

为解决GPS信号失锁条件下,GPS/INS(inertial navigation system)组合导航系统解算精度降低甚至发散的问题,提出采用多层感知机神经网络(multilayer perceptron neural networks,MLPNN)来辅助组合导航系统.在GPS信号有效时对神经网络进行训练,在GPS...     

惯性导航系统在线标定方法研究

论文针对惯性导航系统在线标定的问题,利用GPS提供的基准速度和位置信息,采用基于卡尔曼滤波技术的“速度＋位置”匹配方法,以惯导系统与GPS的速度和位置的差值作为量测值,对加速度计和陀螺仪误差进行在线标定。仿真结果表明,经在线标定补偿后惯导系统定位误差降低了97．2％。该方法显著提高了导航精度,效率较高,具有一定的实用价值。     

An RGB-D Camera Based Visual Positioning System for Assistive Navigation by a Robotic Navigation Aid

There are about 253 million people with visual impairment worldwide. Many of them use a white cane and/or a guide dog as the mobility tool for daily travel. Despite decades of efforts, electronic navigation aid that can replace white cane is still research in progress. In this paper, we propose an RGB-D camera based visual positioning system (VPS) for real-time localization of a robotic navigation aid (RNA) in an architectural floor plan for assistive navigation. The core of the system is the combination of a new 6-DOF depth-enhanced visual-inertial odometry (DVIO) method and a particle filter localization (PFL) method. DVIO estimates RNA’s pose by using the data from an RGB-D camera and an inertial measurement unit (IMU). It extracts the floor plane from the camera’s depth data and tightly couples the floor plane, the visual features (with and without depth data), and the IMU’s inertial data in a graph optimization framework to estimate the device’s 6-DOF pose. Due to the use of the floor plane and depth data from the RGB-D camera, DVIO has a better pose estimation accuracy than the conventional VIO method. To reduce the accumulated pose error of DVIO for navigation in a large indoor space, we developed the PFL method to locate RNA in the floor plan. PFL leverages geometric information of the architectural CAD drawing of an indoor space to further reduce the error of the DVIO-estimated pose. Based on VPS, an assistive navigation system is developed for the RNA prototype to assist a visually impaired person in navigating a large indoor space. Experimental results demonstrate that: 1) DVIO method achieves better pose estimation accuracy than the state-of-the-art VIO method and performs real-time pose estimation (18 Hz pose update rate) on a UP Board computer; 2) PFL reduces the DVIO-accrued pose error by 82.5% on average and allows for accurate wayfinding (endpoint position error ≤ 45 cm) in large indoor spaces.      

Bearing-only visual SLAM for small unmanned aerial vehicles in GPS-denied environments

This paper presents a hierarchical simultaneous localization and mapping(SLAM) system for a small unmanned aerial vehicle(UAV) using the output of an inertial measurement unit(IMU) and the bearing-only observations from an onboard monocular camera.A homography based approach is used to calculate the motion of the vehicle in 6 degrees of freedom by image feature match.This visual measurement is fused with the inertial outputs by an indirect extended Kalman filter(EKF) for attitude and velocity estimation.Then,another EKF is employed to estimate the position of the vehicle and the locations of the features in the map.Both simulations and experiments are carried out to test the performance of the proposed system.The result of the comparison with the referential global positioning system/inertial navigation system(GPS/INS) navigation indicates that the proposed SLAM can provide reliable and stable state estimation for small UAVs in GPS-denied environments.