室内动态环境下基于网格分割与双地图耦合的RGB-D SLAM算法

为解决室内动态环境下现有RGB-D SLAM（同步定位与地图创建）系统定位精度低、建图效果差的问题,提出一种基于网格分割与双地图耦合的RGB-D SLAM算法。基于单应运动补偿与双向补偿光流法,根据几何连通性与深度图像聚类结果实现网格化运动分割,同时保证算法的快速性。利用静态区域内的特征点最小化重投影误差对相机进行位置估计。结合相机位姿、RGB-D图像、网格化运动分割图像,同时构建场景的稀疏点云地图和静态八叉树地图并进行耦合,在关键帧上使用基于网格分割和八叉树地图光线遍历的方法筛选静态地图点,更新稀疏点云地图,保障定位精度。公开数据集和实际动态场景中的实验结果都表明,本文算法能够有效提升室内动态场景中的相机位姿估计精度,实现场景静态八叉树地图的实时构建和更新。此外,本文算法能够实时运行在标准CPU硬件平台上,无需GPU等额外计算资源。     

基于体模型优化的虚拟试衣算法

针对目前虚拟试衣人体模型存在的精度和时效上的问题,提出了一种基于体素八叉树的优化的体模型的高效、真实感强的虚拟试衣算法。将空间划分为若干体素,与人体表面相交的体素构成人体表面模型,且体素采用八叉树结构存储。通过Kinect采集的人物的深度图像来计算八叉树中体素的符号距离函数(SDF);使用Marching cube融合图像彩色纹理并渲染出逼真的三维人体模型;提出了碰撞检测响应算法。实验结果表明,提出的方法增强了人物模型的真实感,八叉树结构有效缩短了碰撞检测时间,具有较强的实用价值。     

点云数据在深度学习中表示方法的研究

为了实现在深度学习中能够端到端表示点云模型,提出基于八叉树和K-D树（OctKD）的点云数据表示方法。该方法将无组织的点云转换为体素空间,在体素空间对三维模型进行八叉树剖分,改进了八叉树编码方式;构建节点间的邻接关系,在GPU端并行构建八叉树;为了克服八叉树编码检索效率低的问题,采用三维K-D树索引单个三维空间点。实验结果表明该方法能够真实反映模型本身的细节特征,提高了点云模型的构造时间和检索效率。这种新的数据结构实现将点云转换为卷积神经网络可以接收的数据形式。     

不确定系统改进的鲁棒协方差交叉融合稳态Kalman预报器

针对带随机参数和噪声方差两者不确定性的线性离散多传感器系统,利用虚拟噪声补偿随机参数不确定性,原系统可转化为仅带不确定噪声方差的系统.根据极大极小鲁棒估值原理,用Lyapunov方程方法提出局部鲁棒稳态Kalman预报器及其误差方差最小上界,并利用保守的局部预报误差互协方差,提出改进的鲁棒协方差交叉（Covariance intersection,CI）融合稳态Kalman预报器及其误差方差最小上界.克服了原始CI融合方法要求假设已知局部估值及它们的保守误差方差的缺点和融合误差方差上界具有较大保守性的缺点.证明了鲁棒局部和融合预报器的鲁棒性,并证明了改进的CI融合器鲁棒精度高于原始CI融合器鲁棒精度,且高于每个局部预报器的鲁棒精度.一个仿真例子验证了所提出结果的正确性和有效性.     

带不确定方差乘性和加性噪声系统鲁棒加权 融合稳态Kalman估值器

本文研究带不确定方差乘性和加性噪声和带状态相依及噪声相依乘性噪声的多传感器系统鲁棒加权融合估计问题.通过引入虚拟噪声补偿乘性噪声的不确定性,将原系统化为带确定参数和不确定加性噪声方差的系统,进而利用Lyapunov方程方法提出在统一框架下的按对角阵加权融合极大极小鲁棒稳态Kalman估值器(预报器、滤波器和平滑器),其中基于预报器设计滤波器和平滑器,并给出每个融合器的实际估值误差方差的最小上界.证明了融合器的鲁棒精度高于每个局部估值器的鲁棒精度.应用于不间断电源(uninterruptible power system,UPS)系统鲁棒融合滤波的仿真例子说明了所提结果的正确性和有效性.     

一种地铁隧道退化环境下的地图构建方法

为解决列车在地铁长隧道退化场景下的高精度点云地图构建需求,文章提出了一种基于激光雷达和惯性测量传感器的离线地图构建方法。该方法由基于误差卡尔曼滤波器的紧耦合前端里程计和基于因子图的后端优化组成。前端里程计利用惯性计算的结果进行预测,并根据激光雷达当前帧的点到局部地图平面点云的残差约束更新滤波器。其通过帧间里程计和其他约束因子构建全局位姿图,并进行平滑优化处理来构建地图。在轨道交通隧道环境下多次实验的结果显示,地图构建的位姿没有退化,多次数据的建图轨迹误差小于0.1 m,轨迹的一致性满足列车主动防撞的精度要求,这验证了该方法的有效性。     

Kinect深度传感器误差模型研究

针对现有Kinect误差模型没有考虑像素点位置对误差的影响,通过对Kinect深度传感器分别在x、y、z方向上的误差研究,考虑像素点对误差的影响并提出新的误差函数模型.首先,通过Kinect和激光雷达获得深度方向(z)的误差;水平(x)和垂直(y)误差通过提出的三维棋盘格测量获得.结果表明,Kinect深度传感器的误差与像素点的坐标和深度值有关,分别为x、y、z方向建立了误差函数模型,同时将所提出的模型与现存的误差模型比较,分析表明所提出的误差模型能够更加精确地表征Kinect传感器的误差分布情况.     

基于部分惯性传感器信息的单目视觉同步定位与地图创建方法

传统的单目视觉同步定位与地图创建(MonoSLAM)方法很难处理累积误差问题,如何有效地利用惯性传感器输出的运动信息辅助SLAM系统抑制累积误差是MonoSLAM研究中的一项重要内容.由于惯性传感器输出的三轴方向角中横滚角和俯仰角的精度较高,而偏航角的精度相对较低,如果在SLAM系统中直接使用惯性传感器输出的偏航角信息不但无法有效地抑制该系统中的累积误差,反而会进一步增大系统误差、降低SLAM系统的稳定性.针对这种情况,提出一种基于惯性传感器横滚角和俯仰角的MonoSLAM方法.首先利用惯性传感器输出的横滚角和俯仰角进行系统标定;然后将惯性传感器自身的偏航角作为系统状态向量的一个分量,利用扩展卡尔曼滤波器实时地估计状态向量,进而实现实时鲁棒的同步定位和地图创建.实验结果表明,该方法可以有效地抑制SLAM系统运行过程中产生的累积误差,并降低惯性传感器测量误差对SLAM系统稳定性的影响.     

离散不确定系统分布式鲁棒融合滤波器设计

针对一类离散多传感器动态模型的不确定系统,将鲁棒滤波理论与数据融合技术相结合,基于参数依赖Lyapunov函数,研究该离散系统的鲁棒融合滤波器设计问题。在集中式鲁棒融合滤波器的基础上,探讨了分布式加权融合滤波器的设计方法,通过仿真实验比较了鲁棒融合滤波器的性能。结果表明,利用该分布式加权融合算法,不仅对于解决当系统模型中存在参数不确定性时的滤波问题有较好的鲁棒性能和较低的计算量,而且在多传感器系统中对于满足不同精度鲁棒融合滤波器的设计需要具有较大的灵活性。     

基于云模型不确定性推理的地图匹配算法

为了解决对于道路网密集且高程变化较大的城市道路地图匹配精度不高的问题,提出一种能够实现定性概念与定量数值之间不确定性转换的云模型地图匹配算法.通过建立云规则和进行基于云模型的不确定性推理,并且结合高程辅助方法来构筑地图匹配模型.云模型可以将定性概念的模糊性与随机性集成到一起,克服了基于模糊逻辑地图匹配算法中隶属度的确定带有主观色彩的不足.仿真试验以城市路网为例,并借助高程辅助的方法进行了分析,结果证明了该算法具有较高的匹配精度.     

基于深度图像与三维栅格离线映射的机械臂环境建模方法

为确保动态非结构化环境中人、机器人、环境3者的安全,提出一种基于深度图像与三维栅格离线映射的机械臂环境建模方法,该方法分为离线映射与在线更新两个步骤.离线映射首先将机器人工作空间划分成三维栅格,然后利用标定得到的RGB-D相机内外参数矩阵离线计算深度图像与三维栅格之间的映射关系并保存;在线更新是利用帧差法和查询离线映射表的方式更新三维栅格中的环境信息.为全面描述机器人的工作空间,进一步扩展此方法,提出多传感器信息融合以及从环境模型中滤除机械臂本体的方法.整套环境建模方法具有描述能力强、模型精度一致、可实现多传感器信息融合以及可在线更新的优点.最后,分别通过仿真实验、基于两个Kinect相机和7自由度KUKA ⅡWA机械臂的实际建模与末端避障实验,验证所提出方法的有效性.     

基于不确定度评价的Kinect深度图预处理

针对应用在机器人三维(3D)场景感知测量中,Kinect深度图的联合双边滤波(JBF)存在降低原始场景深度信息精确度的制约性问题,提出一种新的预处理算法。首先,通过构建深度图的测量和采样模型,得到深度图的蒙特卡罗不确定度评价模型;其次,依据该模型计算得到深度值估计区间,实现噪声点与非噪声点的判定及滤除;最后,利用估计区间均值完成噪声点的修复。实验结果表明,该算法在噪声滤波的同时保证了非噪声的不变性;非噪声的不变性以及基于估计均值的噪声修复使原始深度梯度具有不变性;与联合彩色深度图的双边滤波相比,预处理结果图物体边缘轮廓清晰不变且其均方误差降低了15.25%~28.79%。因此,该预处理算法达到了提高三维场景深度信息精确度的目的。     

Kinect传感器的彩色和深度相机标定

目的 针对现有的Kinect传感器中彩色相机和深度相机标定尤其是深度相机标定精度差、效率低的现状,本文在现有的基于彩色图像和视差图像标定算法的基础上,提出一种快速、精确的改进算法。方法 用张正友标定法标定彩色相机,用泰勒公式化简深度相机中用于修正视差值的空间偏移量以简化由视差与深度的几何关系构建的视差畸变模型,并以该模型完成Kinect传感器的标定。结果 通过拍摄固定于标定平板上的标定棋盘在不同姿态下的彩色图像和视差图像,完成Kinect传感器的标定,获得彩色相机和深度相机的畸变参数及两相机之间的旋转和平移矩阵,标定时间为116 s,得到彩色相机的重投影误差为0.33,深度相机的重投影误差为0.798。结论 实验结果表明,该改进方法在保证标定精度的前提下,优化了求解过程,有效提高了标定效率。     

移动机器人地图创建中的不确定传感信息处理

该文研究移动机器人自主创建地图中的不确定传感信息处理问题,基于灰色系统理论提出了一种新的对传感信息进行解释和融合的方法用于声纳信息的处理,并以此建立环境的栅格地图.声纳的传感信息存在较大的不确定性,这里引入灰数的概念来表示和处理这种不确定性,对于机器人在不同位置的测量结果,根据灰色系统理论对信息的理解方式设计融合方法,得到一个对环境的整体表示.通过仿真环境和真实机器人平台上进行的创建地图实验,表明这种方法具有良好的鲁棒性和准确度.     

Depth map inpainting via sparse distortion model

The depth map captured from a real scene by the Kinect motion sensor is always influenced by noise and other environmental factors. As a result, some depth information is missing from the map. This distortion of the depth map directly deteriorates the quality of the virtual viewpoints rendered in 3D video systems. We propose a depth map inpainting algorithm based on a sparse distortion model. First, we train the sparse distortion model using the distortion and real depth maps to obtain two learning dictionaries: one for distortion and one for real depth maps. Second, the sparse coefficients of the distortion and the real depth maps are calculated by orthogonal matching pursuit. We obtain the approximate features of the distortion from the relationship between the learning dictionary and the sparse coefficients of the distortion map. The noisy images are filtered by the joint space structure filter, and the extraction factor is obtained from the resulting image by the extraction factor judgment method. Finally, we combine the learning dictionary and sparse coefficients from the real depth map with the extraction factor to repair the distortion in the depth map. A quality evaluation method is proposed for the original real depth maps with missing pixels. The proposed method achieves better results than comparable methods in terms of depth inpainting and the subjective quality of the rendered virtual viewpoints.     

Improved occupancy grid mapping in specular environment

This paper addresses the improved method for sonar sensor modeling which reduces the specular reflection uncertainty in the occupancy grid. Such uncertainty reduction is often required in the occupancy grid mapping where the false sensory information can lead to poor performance. Here, a novel algorithm is proposed which is capable of discarding the unreliable sonar sensor information generated due to specular reflection. Further, the inconsistency estimation in sonar measurement has been evaluated and eliminated by fuzzy rules based model. To achieve the grid map with improved accuracy, the sonar information is further updated by using a Bayesian approach. In this paper the approach is experimented for the office environment and the model is used for grid mapping. The experimental results show 6.6% improvement in the global grid map and it is also found that the proposed approach is consuming nearly 16.5% less computation time as compared to the conventional approach of occupancy grid mapping for the indoor environments.     

基于VSLAM的自主移动机器人三维同时定位与地图构建

移动机器人在探索未知环境且没有外部参考系统的情况下,面临着同时定位和地图构建（SLAM）问题。针对基于特征的视觉SLAM（VSLAM）算法构建的稀疏地图不利于机器人应用的问题,提出一种基于八叉树结构的高效、紧凑的地图构建算法。首先,根据关键帧的位姿和深度数据,构建图像对应场景的点云地图;然后利用八叉树地图技术进行处理,构建出了适合于机器人应用的地图。将所提算法同RGB-D SLAM（RGB-Depth SLAM）算法、ElasticFusion算法和ORB-SLAM（Oriented FAST and Rotated BRIEF SLAM）算法通过权威数据集进行了对比实验,实验结果表明,所提算法具有较高的有效性、精度和鲁棒性。最后,搭建了自主移动机器人,将改进的VSLAM系统应用到移动机器人中,能够实时地完成自主避障和三维地图构建,解决稀疏地图无法用于避障和导航的问题。     

动态环境下基于增强分割的RGB-D SLAM方法

目前视觉SLAM（同步定位与地图创建）方法在动态环境下易出现漏剔除动态物体的问题,影响相机位姿估计精度以及地图的可用性。为此,本文提出一种基于增强分割的RGB-D SLAM方法。首先结合实例分割网络与深度图像聚类的结果,判断当前帧是否出现漏分割现象,若出现则根据多帧信息对分割结果进行修补,同时,提取当前帧的Shi-To...     

Depth analysis of kinect v2 sensor in different mediums

From the last few years, RGB-D cameras are widely used by researchers in various fields. Their reasonable cost and the ability to estimate distances at a high frame rate have made these sensors recommendable for applications in gaming accessories, robotics, computer vision, etc. In addition to color, these sensors also provide depth information. Aspects like the stability, accuracy and reliability of depth-sensing cameras like Kinect v2 must also be considered before using the device for applications like that of 3D space modelling. In this paper, an analysis of the error in the depth measurement as well as calculation of Depth Entropy given by Kinect v2 sensor in different mediums viz. air, glass and water has been done. We have validated our findings using the theories of optics. The findings from error analysis are used to make an error compensation model which can correct depth at each pixel of the image. The error analysis and error compensation model proposed herewith will help in improving the accuracy of present and future depth sensing devices.