航天器交会对接位姿视觉测量迭代算法

针对航天器交会对接过程中利用单目视觉进行相对位姿参数确定问题,利利用由目标航天器上4个非共面设置的特征光标点和追踪航天器上单个CCD相机组成的交会对接航天器单目视觉测量系统,推导了交会对接航天器间相对位姿参数测量的迭代算法,将相对位姿参数求解问题转化为非线性优化问题,在目标航天器像平面空间内推导优化目标函数,利用Levenberg-Marquardt算法求解该非线性优化问题,并选择一解析算法以快速求解迭代初值,仿真结果表明算法的有效性和可靠性,能够满足交会对接航天器测量精度要求。     

基于四元数和航天器姿轨信息的相对位姿确定算法

航天器间的相对位姿确定是航天器编队飞行、交会与对接、捕获与维护等重大航天任务的关键技术.基于图像信息的相对位姿确定是目前国内外研究的热点,是解决航天器相对位姿确定问题的有效方法.文中在航天器姿态动力学、机器视觉理论基础上,提出基于四元数和航天器姿轨信息的相对位姿确定算法.在定姿方面,该算法采用了四元数法,与传统的Hall算法相比,降低了雅可比矩阵的阶数,从而减小了计算量;另外,在基于四元数算法的最小二乘估计中,该算法充分利用了航天器姿轨信息作为初始值,减少了计算的迭代次数,提高了算法的效率.     

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。     

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.     

非合作航天器相对位姿的鲁棒视觉确定方法

以非合作航天器的相对状态确定为研究背景,针对无法在目标航天器上安装测量光标的问题,提出利用目标航天器自然特征的单目视觉测量方案.并针对仅利用非合作航天器自然特征而导致的粗大误差增大等问题,提出了基于Randomized RANdom SAmple Consensus(R-RANSAC)的相对位姿单目视觉确定鲁棒算法,该算法首先采用R-RANSAC剔除粗大误差,然后利用基于特征点的相对位姿确定迭代算法消除其他类型的误差影响,以进一步提高算法确定精度.与航天器交会对接视觉系统不同,该系统无需在目标航天器上安装测量光标,而是充分利用目标航天器的自身结构特征,因此更适用于非合作航天器间的相对状态测量.最后对本文算法进行了数学仿真,结果表明该算法的有效性和可靠性.     

基于循环神经网络的双目视觉物体6D位姿估计

针对当前物体6D位姿估计任务准确率较低的问题,提出双目数据集制作方法及物体6D位姿估计网络Binocular-RNN.将YCB-Video Dataset中已有图像作为双目相机左摄像头捕获内容,利用Open GL将YCB-Video Dataset中相应三维物体模型进行导入,输入各物体相关参数,由虚拟双目相机右摄像头捕获合成图片.利用单目预测网络分别对双目数据集中左、右图像的几何特征进行提取.经过循环神经网络对几何特征进行融合,并预测物体6D位姿.以模型点平均距离(ADD)、平均最近点距离(ADDS)、平移误差和角度误差作为评价指标,对Binocular-RNN与其他位姿估计方法进行对比.结果表明,在利用单一物体对网络进行训练时,Binocular-RNN的ADD或ADDS指标得分分别为PoseCNN、GDR-Net的2.66、1.15倍.利用基于物理的实时渲染（Real+PBR）方式训练的Binocular-RNN的性能超过基于深度神经网络的迭代6D姿态匹配的方法 (DeepIM).     

融合全局位姿信息的视觉惯性SLAM算法

为了解决纯视觉SLAM算法无法在弱纹理、特征点缺失等场景中维持良好的鲁棒性,提出一种视觉传感器与惯性器件紧耦合的策略.即在视觉信息缺失的情况下,可通过惯性器件提供位置和姿态信息,避免误差的大量累积.在SLAM算法后端优化中,将全局位姿信息与视觉重投影误差、惯性元件残差和边缘化误差一起进行非线性优化,增加后端的约束条件....     

一种基于直线特征的单目视觉位姿测量方法

提出了一种基于直线特征的单目视觉位姿测量方法SoftNewton。构造了新颖的目标直线与图像直线匹配评价函数,避免检测图像中直线的端点,最终通过软决策技术确定直线特征匹配关系,并采用高斯牛顿迭代算法基于全透视成像模型解算目标位姿。和POSIT算法相比,高斯牛顿迭代算法保持了旋转矩阵的正交性,提高位姿解算精度。仿真图像实验中,在干扰直线和噪声存在的情况下算法经过29次迭代解算得到正确的直线特征匹配矩阵,姿态误差小于0.2°,位移误差小于0.5 mm。仿真图像和实际图像实验结果均表明SoftNew-ton具有较高解算精度和较强的鲁棒性。     

基于机器视觉的机器人装配位姿在线校正算法

为了解决柔性夹具夹取异形零件过程中工件与夹具相对位置具有不确定性的难题,提出基于机器视觉的机器人装配位姿在线校正算法. 通过图像预处理及零件表面特征提取,建立工件位姿向量. 通过系统建模、误差分析及函数拟合,将工件位姿校正量分解为原始位姿差、旋转引入位姿差及残余位姿差三部分,将三部分位姿差进行线性组合作为零件位姿误差补偿量反馈给机器人,以引导机器人完成装配. 为了验证算法的有效性,以涡旋式汽车空调压缩机动盘装配为例,设计机器人手眼装配系统进行实验. 实验结果表明,该系统能够保证校正后的零件位姿与目标位姿角度偏差和x及y方向位置偏差分别小于0.6°和0.6 mm,平均装配时间小于20 s,实验过程中装配成功率达到99.67%.     

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.     

一种基于目标特征的航天器间相对姿态测量方法

提出了一种基于目标特征的航天器间相对位置和相对姿态单目视觉测量方法。该方法利用目标特征点在物体坐标系中的空间坐标及其在像平面上成像点的图像坐标,根据透视成像理论,采用针孔模型解算出目标航天器与图像传感器的相对状态。提出了一种新的目标靶特征点构型设计方法,该方法适用于较大偏转姿态角的应用环境。仿真结果表明:新的特征点构型适应性好,能提高测量方法精度。该测量方法可直接用于航天器编队飞行及空间站交会对接过程中的相对姿态测量。     

传递对准中一种新的姿态匹配算法

根据Kain J E和Cloutier J R定义的量测失准角,设计了一种新的姿态匹配量测方程。通过与传统传递对准方程比较,推导出了这种姿态匹配量测方程。由推导出的量测方程,指出平台失准角、量测失准角和实际失准角三者之间的关系。该量测方程使传递对准姿态量测方程形式简单,计算量减少。最后,采用"速度 姿态"匹配方法进行仿真,仿真结果表明:该方法与其它姿态角量测方法比较,在降低计算量的同时,仍然具有相同的估计精度。     

一种新的SINS/星敏感器组合导航姿态匹配算法

对SINS/星敏感器组合导航算法进行了研究。基于量测失准角的概念,提出了一种新的SINS/星敏感器组合导航姿态匹配算法,分析了SINS和星敏感器的输出,详细推导了组合导航系统量测的构造过程。与传统姿态匹配方法相比,该算法计算量小且噪声信号的物理意义更加明确。通过仿真验证,结果表明该算法是有效的,既能使姿态误差得到显著收敛,又能准确估计陀螺常值漂移和星敏感器安装误差。     

基于粒子滤波和优化TVAR模型的时频分析算法

传统的卡尔曼滤波(KF)或时变参数自回归(TVAR)模型对非高斯和强非平稳信号处理无能为力,其算法往往跟踪不上频率的变化。粒子滤波能够处理非线性/非平稳问题,并与TVAR模型结合可获得较好的时频跟踪性能。然而,巨大的计算量是粒子滤波的主要问题。由于粒子滤波通常依赖于大量的粒子数目,尤其是估计量维数较高时,会产生较大的计算负荷。文章提出了一种基于优化TVAR模型结合粒子滤波的时频分析算法,实现了对非平稳、非高斯信号时频谱的准确估计,通过优化的TVAR模型跨过时变参数而直接以频率为估计量,并动态检测频率成分个数,降低估计量维数,从而比传统方法减低了一半以上的计算复杂度。通过仿真信号实验证明,文中算法时频分析精准度明显优于传统算法,并较大幅度地改善了计算性能。     

基于后验信息修正的自适应交互多模型跟踪算法

针对目标运动状态变化较大甚至发生突变时,传统交互式多模型算法跟踪精度和稳定性会显著下降的问题,提出了一种在线辨识马尔可夫概率转移矩阵参数的基于后验信息修正的自适应交互多模型跟踪算法,该方法在滤波的过程中,根据不匹配模型误差压缩率的变化自适应调整先验的马尔可夫转移概率矩阵的参数,切换过程中较多地压缩不匹配模型的信息,放大匹配模型的信息,大大提高了系统的收敛速度.通过对仿真结果分析表明,论文提出的算法具有可靠、计算简便、快速等特点,模型滤波精度较高,具有一定的理论价值和实用价值.     

面向分布式实时系统的新型可信任务调度算法

目前许多面向关键领域的应用对实时系统提出了可信要求,研究可信的实时调度算法成为当前的研究热点。文章分析了当前公开文献中各种实时调度算法的缺陷,针对现有算法的不足,提出了一种适用于分布式实时系统的启发式可信调度算法,该算法以提高系统的可靠性和安全性为目标,一方面采用改进的主动副本复制技术,在多个处理机上有效分配实时周期任务,并支持对硬件失效和软件瞬时失效的处理,另一方面利用处理机对每个运行之前的任务进行安全性检查,有效防止了非法任务进入并破坏系统。仿真实验的结果表明,文中提出的算法DTSA相对于其它算法而言,在仅增加较少硬件成本的前提下,能够有效提高运行任务的可靠性和安全性。     

差额轮循的平滑输出算法研究

分组调度的基本方法有2种:基于优先级的方法和基于轮循的方法。一般的轮循算法对所有队列进行轮循调度,但是由于分组长度不固定,带宽公平性受到很大限制。而差额轮循算法(DRR)通过为每个队列分配带宽配额并且维护一个计数器的方法,解决了带宽分配的公平性问题,缺陷是不能以较为平滑的方式调度输出。文章通过在节点处加入基于网络演算的流量整形器,弥补了这一缺陷,从而使信息流更加平滑的输出,提高了网络服务质量。     

动能拦截弹姿控发动机组合点火算法研究

为了提高拦截弹的拦截精度,通常要在弹体上引入侧喷直接力姿控系统。对于由小型固体脉冲式发动机阵列构成的该系统,必须解决多发动机组合点火问题。根据组合点火问题的特点,将动能拦截弹姿控发动机组合点火算法问题转化为用0-1规划模型处理的数学问题。鉴于常规的求解0-1规划问题算法的复杂度均比较大,无法满足高超声速动能拦截弹对响应时间的要求。而贪心算法具有时间复杂度小、求解结果比较合理等特点,故采用了贪心算法对该问题进行了快速近似求解。仿真实例结果表明由贪心算法实现的点火策略计算时间稳定在1-0 5S数量级上,且所得到的解与理论值相比误差不超过3.7%,完全满足高超声速动能拦截弹的要求。     

基于NSCT和遗传算法的SAR图像和多光谱图像融合

合成孔径雷达(SAR)图像与多光谱图像成像机理和光谱特性差异较大,一般的融合方法很难取得满意的融合结果。文章提出了一种基于Nonsuosampled Contourlet transform(NSCT)和遗传算法的融合算法,首先将经过预处理后的图像进行NSCT分解,低频系数采取区域信息熵最大的准则融合;高频子带计算区域相关性,对相关性在不同阈值范围内的系数进行融合,阈值的选取采用遗传算法进行搜索;最后对融合系数进行NSCT逆变换,得到融合结果。仿真结果表明该算法显著优于基于像素点和基于区域的融合方法。     

航天器姿轨耦合自适应同步控制

航天器动力学模型的精确建立,对于成功完成空间任务来说必不可少,而单独考虑轨道或姿态的模型无法满足任务高精度要求,因此从相对轨道动力学方程和修正罗德里格斯参数(MRP)表示的姿态运动学方程出发,建立了航天器六自由度的相对耦合动力学方程。为了给出姿轨运动的基准,分别设计了航天器理想姿态和椭圆加指数接近轨道。针对航天器参数不确定问题设计了自适应同步控制律,并通过Lyapunov直接法证明闭环系统的全局渐近稳定性。从仿真结果可以看出,自适应同步控制算法能使轨道和姿态误差逐步趋于零。