基于视觉信息的航天器位姿估计迭代算法

基于视觉信息的空间目标相对位姿估计问题是未来空间操作的关键所在,正交迭代算法是一种具有实时性好且全局收敛特点的单目位姿估计算法.为了有效利用多个摄像机荻取的数据,进一步提高位姿估计算法的综合性能,提出了一种双目正交迭代融合算法,取两个摄像机获取的所有特征点的目标空间共线性误差平方和作为误差函数,推导得到使两个摄像机总的...     

航天器自主规划系统分析与设计

首先提出了一种包括规划与调度、执行以及执行监控与故障诊断的航天器自主控制系统。在此基础上,重点针对航天器分系统众多、组成复杂、知识表示困难的特点,提出了基于分层结构的航天器自主规划与调度系统的设计方法。该方法能够有效地表示和管理航天器的相关知识,并能根据给定的高级任务目标,结合自身状态进行推理,搜索出合理的指令序列,当发生故障或其他紧急情况时,能够进行重规划。     

探测器交会小天体的UPF自主导航方案

采用基于目标天体信息的光学导航方案实现探测器交会小天体,利用导航相机提高了定轨精度和星历精度。在此基础上,针对深空导航的轨道确定过程中可能存在的初始估计信息误差较大、状态及量测误差不服从高斯分布等问题,将UPF(Unscented Particle Filter)引入到导航方案中。该方案利用UPF在处理非线性非高斯问题上的优势,克服了EKF、UKF、PF等传统滤波方案对非线性非高斯状态模型、量测模型的近似处理所带来的影响。数值仿真表明了该方案的可行性。     

基于注意力和长短时记忆网络的视觉里程计

近年来通过利用视觉信息估计相机的位姿,实现对无人车的定位成为研究热点,视觉里程计是其中的重要组成部分.传统的视觉里程计需要复杂的流程如特征提取、特征匹配、后端优化,难以求解出最优情况.因此,提出融合注意力和长短时记忆网络的视觉里程计,通过注意力机制增强的卷积网络从帧间变化中提取运动特征,然后使用长短时记忆网络进行时序建模,输入RGB图片序列,模型端到端地输出位姿.在公开的无人驾驶KITTI数据集上完成实验,并与其他算法进行对比.结果表明,该方法在位姿估计上的误差低于其他单目算法,定性分析显示该算法具有较好的泛化能力.     

基于月貌匹配的视觉导航方法

针对月面探测器在接近、下降、着陆阶段所要完成的精确导航任务,提出了一种基于月貌匹配的月面探测器的视觉导航方法.月面探测器下降过程中,与探测器固联的CCD相机所拍摄的月面图像相对于图像数据库存在较大的旋转和缩放.采用Scale Invariant Feature Transform(SIFT)算法提取月貌特征并在图像数据库中进行匹配,克服了存在较大的旋转和缩放的图像的匹配问题.最后,利用月貌匹配点的地理信息,通过2D/3D位姿估计方法,估计出探测器在地理坐标系下绝对的位置和姿态.仿真结果表明该方法有效,可以应用在月面探测器在接近、下降、着陆段的导航任务中.     

基于自监督循环卷积神经网络的位姿估计方法

针对基于监督学习的视觉里程计需要数据集提供真实的位姿数据,但实际上符合条件的样本数量又较少的问题,提出了一种基于自监督循环卷积神经网络的位姿估计方法.该方法以图像序列为输入,首先通过卷积神经网络提取与运动相关的特征,然后使用卷积长短期记忆网络进行时序建模,建立多帧之间的运动约束,最后输出六自由度的位姿.该模型使用了一种基于对极几何的损失函数以自监督学习方式优化网络参数.将模型在KITTI数据集上进行实验,并与其他4种算法进行对比.结果表明,该方法在位姿估计准确性上优于其他单目算法,并且具有不错的泛化能力.     

双目立体视觉的无人机位姿估计算法及验证

针对无人飞行器在未知复杂环境下的导航问题,提出了一种基于双目立体视觉的无人飞行器位置和姿态估计算法。用双目摄像机采集立体图像序列,对图像进行立体校正后使用Harris算法提取特征角点,用NCC算法获取匹配特征点,导出摄像机坐标系下的特征点坐标,得到三维立体特征信息,使用RANSAC算法与L-M迭代算法得到无人飞行器姿态和位置估计值。实验结果表明,基于双目立体视觉的位姿估计算法能适应未知环境变化,计算结果与实际位姿量相比误差小,能满足无人飞行器导航要求,可为无人飞行器的导航实现提供一套新途径。     

多运动视觉里程计的方法与技术

多运动视觉里程计(multi-motion visual odometry,MVO)是在动态场景中估计动态物体位姿变化的算法,对于移动机器人和自动驾驶汽车等自主化设备(autonomous things,AuT)的研发具有重要的理论意义和较大的实用价值.综述机器人领域多运动视觉里程计的发展过程及最新研究进展,根据特征点...     

移动机器人在未知环境下的同步定位与地图重建方法

近年来通过利用视觉信息估计相机的位姿,实现对无人车的定位成为研究热点,视觉里程计是其中的重要组成部分.传统的视觉里程计需要复杂的流程如特征提取、特征匹配、后端优化,难以求解出最优情况.因此,提出融合注意力和长短时记忆网络的视觉里程计,通过注意力机制增强的卷积网络从帧间变化中提取运动特征,然后使用长短时记忆网络进行时序建模,输入RGB图片序列,模型端到端地输出位姿.在公开的无人驾驶KITTI数据集上完成实验,并与其他算法进行对比.结果表明,该方法在位姿估计上的误差低于其他单目算法,定性分析显示该算法具有较好的泛化能力.

     

融合轨道动力学的小行星探测器自主视觉定位

针对小行星探测器高精度自主视觉定位问题,提出了一种融合轨道动力学的深空探测器自主视觉定位方法,能修正视觉视觉定位与地图构建算法(simultaneous localization and mapping, SLAM)的定位误差。该方法通过融合轨道动力学的轨道改进技术,能够在缺乏表面先验信息、无人工手动标记的场景下,实现探测器的高精度视觉导航,并建立小行星表面稠密三维模型。首先,基于视觉同时定位和建图方法(VSLAM)提取小行星表面特征,通过因子图优化算法估计探测器位姿,设计回环检测提高定位精度;其次,重构行星表面三维模型,实现基于多面体法的行星不规则引力场建模;最后,提出了一种基于轨道动力学的伪相对运动轨道优化算法,将其作为物理约束修正视觉定位累积误差,分析反演视觉初始定轨误差在轨道动力学中的传播过程,实现修正视觉定位累积误差,改善初始定位结果。仿真实验结果表明,融合轨道动力学可以有效提升小行星探测视觉定位的精度,从而实现高精度导航,为深空探测技术的未来发展提供参考借鉴。     

基于深度学习和机器视觉的多源数据感知技术研究

机械臂位姿误差容易导致运行轨迹偏离,影响机械臂定位效果.为此,将机器视觉技术与深度学习算法有机结合,形成一种高性能的多源数据感知方法,以采集高精度的机械臂位姿数据.首先,基于视觉成像原理,设计多摄像机机械臂位姿数据采集方案布局,以获取视觉图像坐标与机械臂位姿的关系;其次,以卷积神经网络为核心,构建具有5层卷积层、4层最大池化层以及3层全连接层的深度学习模型,用以融合多摄像机采集的机械臂多源图像数据;再次,运用批量梯度下降法,优化模型的卷积核W和偏置参数b,以深度刻画图像特征;最后,结合机械臂位姿模型,得到精准的运行位姿数据.经测试检验,用本文方法感知机械臂的仰俯角、偏航角、翻滚角的最大误差值均小于0.6°,数据感知度较高,可以为机械臂工作路线的规划、机械臂行为的精准控制提供准确的数据基础.     

基于视觉信息的微型无人直升机位姿估计

采用基于视觉信息的姿态估计方法对微小型无人直升机位姿估计进行了研究.在分析视觉信息与直升机运动关系的基础上,可以看出,稳定解算航拍图像序列之间的单应矩阵是整个方法的关键.而解算单应矩阵需得到序列图像之间的特征匹配点.为了获得稳定的、抗噪性强的同平面特征匹配点,方法采用了基于尺度不变特征变换(SIFT)算法和基于随机抽样一致性(RANSAC)算法的匹配策略.在一套真实的微型无人直升机系统上的实验证明,通过该方法得到的位姿信息可以达到无人直升机自主飞行所需的精度要求.     

面向深度相机位姿优化的帧间点云数据配准算法

TOF相机能够同时采集灰度图像和深度图像从而优化相机位姿的估计值. 应用图结构调整框架优化多帧数据采集时的相机位姿,采用帧间配准决定优化的精度和效率. 从2帧图像上提取并匹配尺度不变特征点对,二维特征点被扩展到三维空间后,利用与特征点的空间位置关系将2帧三维点云配准;逐步应用提出的算法配准参与位姿优化的多帧点云中的任意2帧点云;最后将有效配准的点云帧对作为输入数据,采用图结构算法优化位姿. 实验结果表明,提出的帧间配准算法使得位姿估计值精度显著提高,同时保证了估计效率.     

航天器自主姿态控制的正规矩阵设计方法

为满足航天器自主系统的在轨重设计及对重设计结果进行评估的要求,研究了姿态动力学自然特性以及基于结构特性的姿态控制设计方法。证明了挠性航天器姿态动力学传递函数矩阵的正规性,并对惯量矩阵的对角优势性进行了分析。将这两个特性应用于姿态控制设计,分别得到了乘性摄动和逆加摄动不确定性描述下的鲁棒稳定条件。给出了姿态控制的正规矩阵设计方法,而且设计结果的鲁棒性容易检验,适合在自主航天器中应用。对这两种鲁棒稳定条件的比较表明,逆加摄动下的结果可以更好地兼顾各回路的性能要求。     

浅析深海自主机器人(AUV)的自主导航问题研究——变学习率在线优化算法

深海自主机器人(AUV)作为水下探测的主要工具,在海底地形地貌探测、海洋工程建设、海洋资源开发、海洋科学探索以及维护国家海洋权益等诸多方面发挥极其重要的作用。然而,目前水下高精度自主导航定位仍是我国的技术薄弱环节,与发达国家相比还存在较大差距。在深海复杂环境下,由于海底地形多变,平坦区域与剧烈变化区域并存,而且恶劣环境随处可见,使得AUV的精确自主导航定位存在诸多困难,严重阻碍了AUV的广泛应用,成为亟待解决的问题。因此,采用新思路、运用新方法研究复杂海洋环境下AUV同时定位与地图创建方法,对于实现AUV在复杂海洋环境下的自主探测,提高自主能力具有重要的意义。本文将重点研究AUV同时定位与地图创建方法,解决未知环境下AUV自主导航问题。     

基于视觉引导的机器人自主爬楼

采用了一系列方法从机器人视觉图像中提取出可供电机调速的信号.先对视觉图像关键部位进行图像分割;随后用灰度直方图中谷底信号作阈值,区分出台阶水平面与竖直面;再用形态学方法消除小斑点;然后采用选取中间值的方法得到台阶斜率;最后用提取出的台阶棱线斜率来控制机器人左右轮的速度,达到调整移动机器人姿态的目的.该方法具有重复性好、实时性强、易使用的特点.     

基于RGB-D视觉里程计估计算法的研究

研究了基于ORB的特征点法和半稠密直接法在视觉特征丰富以及视觉特征缺乏环境当中的实时性、精确性和鲁棒性。实验结果表明,基于ORB的特征点法在视觉特征丰富的环境中比半稠密直接法的实时性和精确性好,而在视觉特征缺乏的环境中,半稠密直接法的鲁棒性更好。     

基于改进蚁群算法的无人机三维航路规划

研究了一种基于改进蚁群算法的无人机三维航路规划方法,以保证在敌方防御区域内以最小的被发现概率以及可接受的航程到达目标点。首先对无人机三维航路规划模型进行分析,在此基础上采用蚁群算法对三维航路进行优化。将最短路径的信息反馈到系统中作为搜索的指导信号,并改进节点选择方法,以提高应用蚁群算法搜索无人机三维航路的效率。最后将所研究的方法应用于无人机的三维航路规划,仿真结果表明本文方法是有效的。     

基于"日-地-月"信息的卫星自主导航技术研究

研究了基于“日－地－月”信息的卫星自主导航技术，针对日朋可见弧段，提出了利用日地月测量信息及星上存储的日朋星历表自主确定卫星轨道的算法，针对星蚀阶段，给出了合适的轨道预报算法，并用数学仿真验证了这种自主导航技术的可行性。