一种基于多状态颜色一致性约束的激光-惯性-视觉里程计

基于视觉、激光等单一传感器的定位方法难以适应多样化的环境,围绕激光雷达、惯性测量单元和相机3种模态的传感器信息源,针对激光雷达(Light Detection and Ranging, LiDAR)与视觉测量没有充分关联的问题,提出了一种基于多状态颜色一致性约束的激光雷达-惯性-视觉里程计方法,以提高系统的鲁棒性和定位精度。该方法紧耦合了激光雷达-惯性里程计(LiDAR-Inertial Odometry, LIO)和视觉-惯性里程计(Visual-Inertial Odometry, VIO)两个子系统,并定义了带有颜色信息的全局地图表示形式。LIO子系统中点云经过运动补偿后,直接用于构建点到面的残差。VIO子系统利用全局地图中点的深度信息,根据滑动窗口中多个相机状态观测到同一地图点颜色的一致性,构建光度误差约束,并通过不变扩展卡尔曼滤波(Extended Kalman Filter, EKF)状态估计器进行系统状态更新。在南洋理工大学发布的公共数据集上进行了实验,所提方法在该数据集不同序列上的绝对轨迹误差平均值为0.402 m。     

基于半直接法视觉里程计的单目视觉惯性系统

针对单目视觉系统姿态估计精度不高的问题,提出了一种基于半直接法视觉里程计(SVO)的单目视觉惯性系统.系统使用误差状态卡尔曼滤波器以松耦合方式对视觉信息和惯性导航信息进行融合.视觉前端采用SVO处理图像数据,并修改了SVO的关键帧选择策略以及解决了相机前视场景中由于重定位失败导致姿态估计失败的问题.使用EuRoc数据集中的MH 01子集对所提算法进行验证.实验表明,基于SVO的单目视觉惯性系统能够有效的提高姿态估计精度.相比单目SVO算法,所提算法的位置误差减少了13.4%, 旋转角的误差减少了30%.       

视觉惯性里程计异常视觉测量的检测与处理

对于视觉惯性里程计(VIO),视觉遮挡、运动物体等复杂场景可能带来异常的视觉测量,导致系统定位精确度急剧下降。对此,提出了一种新的VIO异常视觉测量的检测和处理方法。通过选取检测指标、设置先验阈值和设计检测分类器,实现对异常视觉测量的检测与分类;提出多传感器融合策略和自适应误差加权算法,及时消除与实际运动不一致的异常视觉测量的影响;最后,将异常视觉测量检测和处理算法整合到基于关键帧的视觉惯性里程计(OKVIS)系统中,提出了视觉惯性里程计的异常检测和处理(EDS-VIO)系统框架。在复杂场景仿真数据集上的评测结果表明,EDS-VIO比OKVIS取得了更好的性能,定位误差均值从1.045 m下降到0.437 m。所提方法较好地提升了VIO在复杂场景中的定位精确度和鲁棒性。     

基于IESKF的激光惯性里程计实现方法研究

针对主流的激光里程计方案存在精度较低和计算耗时严重的问题,提出一种基于迭代误差状态卡尔曼滤波器的IMU与LiDAR紧耦合的里程计方案,将IMU预积分结果与特征点云匹配结果融合得到高精度位姿,并且使用等效卡尔曼增益公式,降低计算维度,提高系统运行效率。对比分析了主流里程计方案与本方案在位姿估计精度和时效性上的表现,结果表明,本方案在满足系统实时性的前提下,能有效提高里程计的精度。     

双目视觉与惯性测量单元相对姿态在线标定

为了对两种传感器进行更好的融合,以实现更高的组合导航定位精度,文章基于多状态约束卡尔曼滤波器,提出了一种能够在线标定双目相机与IMU相对姿态误差的方法。     

基于李群的无迹卡尔曼滤波视觉SLAM算法

视觉SLAM算法的理论框架已经十分完备,但是在实际应用中导航准确性还有待改善.基于此问题,提出了基于李群的无迹卡尔曼滤波(UKF?LG)视觉SLAM算法,优化了传统无迹卡尔曼滤波(UKF)的系统状态,把UKF的系统状态用李群表示,并构建视觉惯性紧耦合模型.在Euroc数据集下对包含该算法在内的5种滤波法进行了仿真对比,...     

基于光学成像模拟的视觉里程计方法

针对视觉同步定位与建图(SLAM)算法前端漂移误差累积问题,提出基于光学成像模拟的视觉里程计方法。该方法利用稠密三维点云数据进行目标表面泊松重建及材质物理特性关联,依据光学物理特性和光线追踪原理构建基于物理模型的成像渲染引擎(PBRT),生成不同观测条件下的目标特性仿真图像;将目标特性仿真图像与光学相机拍摄图像进行配准与运动偏差恢复,并设计扩展卡尔曼滤波器(EKF)输出位姿状态最优估计值。通过原型系统研制与实验评估表明:该方法有效克服了传统方法漂移误差累积的问题,相较传统ORB-SLAM2算法前端定位精度提升了56%,为视觉里程计的设计提供了一种新的技术思路。     

基于改进双流网络结构的视觉里程计

由于传统的视觉里程计(VO)存在实现过程繁琐、计算复杂等问题,提出了一种基于改进双流网络结构的VO.所提VO使用双流卷积神经网络结构,能够将RGB图像、深度图像同时馈入模型进行训练,并采用Inception网络结构对卷积层进行改进,减少参数数量.同时,在卷积层中加入注意力机制,提升网络对图像特征的辨识度和系统的鲁棒性....     

基于视觉里程计的单目红外视频三维重建

针对红外视频的特点,提出了一种基于直接法和稀疏法视觉里程计的单目红外视频三维重建方法。该方法首先通过对红外热像仪标定获得热像仪内参,然后构建直接法和稀疏法视觉里程计模型,视觉里程计前端执行帧管理和点管理的任务,利用滑动窗口并借助高斯-牛顿迭代对总光度误差进行优化,计算出直接法和稀疏法视觉里程计模型所依赖的所有变量,完成定位热像仪和建图的任务。通过实验证明了该方法能够实时实现对单目红外视频进行三维重建。     

基于VIO和Wi-Fi指纹技术的室内定位系统设计

针对视觉惯性里程计(Visual-Inertial Odometry,VIO)在特征高度重复的场合易产生较大误差以及Wi-Fi指纹精确度不高等问题,提出了一种基于VIO和Wi-Fi指纹技术的室内定位方法。该系统运用VIO和Wi-Fi指纹在系统层面的结合,利用Wi-Fi指纹的无漂移、成本低的特点和VIO在一定范围内的高精确度,先进行Wi-Fi指纹粗定位,后进行VIO精定位,将大面积切割成小面积从而有效提高系统室内定位精确度,降低误差。该系统能在精定位的同时进行对指纹数据库的更新。实验结果表明,该系统的定位误差小于单独使用VIO或Wi-Fi指纹的系统,平均误差达0.15 m,能够有效提高定位精度。     

基线约束辅助整周模糊度求解研究

本文对GPS领域中的整周模糊度求解的问题进行了详细的研究,利用Z变换和基线信息的约束和更新,对传统的快速整周模糊度搜索(FASF)的方法进行改进,并给出了相应的实验结果.实验结果表明,相对于传统的FASF方法,本文采用的整周模糊度解算方法能有效的缩小可能的模糊值状态集合,从而减少了解算的时间,适合于在动态的环境下实时运用.     

基于逻辑切换的改进强跟踪卡尔曼滤波器

针对线性随机系统提出了一种改进强跟踪卡尔曼滤波器(MSTKF).通过改变强跟踪滤波器的多重时变渐消因子,MSTKF在卡尔曼滤波和强跟踪滤波两种工作状态之间切换.当卡尔曼滤波不能有效跟踪突变状态时,MSTKF切换为可变弱化因子的强跟踪滤波.数值仿真实例显示了本方法的有效性.     

地面目标跟踪算法研究

本文重点研究地面运动目标跟踪中利用道路约束提高单目标状态估计精度的方法。按照在Kalman滤波过程中作用的对象,将其归结为三类,即利用道路约束进行量测预处理、模型修正、状态估计处理。首先对这三类方法的原理进行了介绍,给出各自的应用条件。然后将各种方法进行可能的组合,从状态估计精度和计算时间复杂度方面做出了分析。仿真实验将这些方法进行比较,结果表明各种利用道路约束的方法都不同程度地改善了估计性能,且合理的组合可以更有效地利用道路约束,从不同的层面共同提高估计精度。对于各种算法时间复杂度的定量分析,也便于实际应用时对算法的选择。     

一种基于道路约束的变结构多模型跟踪算法

有效使用道路信息能显著提高地面运动目标跟踪性能。针对复杂道路网运动目标跟踪,给出了一种道路约束下的滤波和建模方法。首先描述了道路网的数学模型和道路约束条件下的过程噪声修正方法,根据道路约束最大后验概率估计准则给出了一种路段切换时状态和协方差修正公式;接着提出一种根据目标当前所处路段自适应滤波模型生成的变结构多模型(VSMM)方法,有效减小道路运动目标的模型动态误差,提高跟踪性能。仿真结果证明了该算法的优越性能。     

卡尔曼滤波在被动目标跟踪系统中的应用

针对卡尔曼滤波方法在双观测站被动目标跟踪系统中的应用进行了研究。建立了双观测站被动跟踪系统的非线性滤波模型,通过扩展卡尔曼滤波方法在该非线性模型下的具体实现步骤。分析了目标通过不同角度向观测站袭来时,卡尔曼滤波算法对目标参数估计的精度,验证了扩展卡尔曼滤波方法在被动目标跟踪中的有效性。仿真结果表明,目标参数估计的精度与观测的目标方位角变化率有关,变化率越大,估计误差越小。     

Novel Simplex Unscented Transform and Filter

In this paper,a new simplex unscented transform（UT）based Schmidt orthogonal algorithm and a new filter method based on this transform are proposed.This filter has less computation consumption than UKF（unscented Kalman filter）,SUKF（simplex unscented Kalman filter）and EKF（extended Kalman filter）.Computer simulation shows that this filter has the same performance as UKF and SUKF,and according to the analysis of the computational requirements of EKF,UKF and SUKF,this filter has preferable practicality value.Finally,the appendix shows the efficiency for this UT.     

一种有源滤波器的电流检测算法

有源滤波器能够实现良好滤波效果的关键在于可以准确实时地补偿谐波电流,这一点在很大程度上主要依赖于电流检测算法。文中在滑窗迭代离散时间傅立叶变换（DFT）算法的基础上,提出了基于自适应有限脉冲响应（FIR）预测算法和滑窗迭代离散时间傅立叶变换（DFT）算法相结合的电流检测算法,进行了Matlab的仿真实验,从采样时间离散程度、电网滤波效果以及系统稳定性等方面与基于滑窗迭代的离散时间傅立叶变换（DFT）算法相比较,验证了新算法的可行性与有效性。