机械臂双目视觉系统内外参高精度标定

在空间站机械臂中,双目视觉系统作为其重要组成部分,能够引导机械臂自主完成对目标的定位和捕获。内外参标定技术是双目相机高精度获取合作目标位置、方向等运动信息进而进行三维重建的首要前提和重要保障。文中提出了一种基于光束法平差算法的双目视觉系统内外参标定技术,采用三维靶标场作为标定目标,并将高精度测角设备经纬仪作为精测基准,通过坐标转换解算分步得到相机的内、外参数。实验表明,该方法标定的相机内参重投影误差小于0.5个像元,外参测试误差为±0.19 mm,有较高的测试精度和鲁棒性,为机械臂实施视觉闭环自主捕获合作目标提供可靠依据。     

无人机视觉自主着陆仿真系统

计算机视觉导航技术具有精度高、不受电子干扰,成本低等特点,被誉为未来无人机自主着陆的必备手段之一。作为新一代着陆技术手段,视觉自主着陆技术需要进行大量的算法研究和飞行试验,因此有必要建立一个在实验室环境来验证所提方案的可行性。本文将虚拟现实、 可视化技术与计算视觉导航算法紧密结合起来,开发了一种无人机视觉自主着陆仿真验证系统, 构建场景模块,能够在复杂三维地形、不同气象条件下对无人机视觉自主着陆算法进行仿真验证, 实时计算和输出无人机着陆所需位置姿态参数。实验结果表明：该系统真实反映了无人飞行器飞行过程中的动态特性以及姿态角等的变化,并且具备良好的用户显控界面,验证了视觉自主着陆算法的可行性。     

无人机视觉导航算法

为保证无人机着陆精度和安全性,提出了一种无人机自主着陆视觉导航位姿解算方法。首先对机载相机进行标定,获取相机参数;然后综合考虑地标形状和尺寸、地标角点几何分布和角点数量对位姿估计精度的影响,设计了T型着陆地标形状和尺寸参数,将地标轮廓提取和角点检测算法相结合,得到几何分布好、数量适中的8个角点用于位姿解算,保证了位姿解算精度;为减少LK （Lucas-Kanade）光流法稳定跟踪地标的处理时间,直接将提取的这8个角点作为LK光流法检测和跟踪的输入,保证了算法实时性;最后利用三维空间到二维像平面投影关系对飞行位姿参数进行实时解算。实验结果表明:算法具有较高估计精度,算法平均周期为76.756 ms （约13帧/s）,在速度较低的着陆阶段基本满足自主着陆视觉导航的实时性要求。     

基于多标签联合定位的自主视觉着陆技术研究

旋翼无人机着陆场景较为复杂,且 GPS 信号经常被干扰,同时着陆平台非固定,通常需要采用合作标签引导无人机着陆。由于存在阴影、反光等特点,在室外环境下,单一的合作标签往往存在定位误差较大,漏识别较多的问题,严重影响无人机着陆稳定性。为解决这一问题, 本文将现有的单合作标签定位方法进行改进,在传统的单标签 pnp 定位解算的基础上,采用多个合作 Apriltag 标签进行联合定位的方法,以提升无人机定位精度和识别帧率,实现着陆过程精确的视觉导航功能。通过静态定位实验与无人机动态着陆实验,验证了该方法的有效性,提升了旋翼无人机自主着陆系统的鲁棒性。     

车载视觉里程计发展现状与趋势研究

视觉里程计技术是一种仅利用场景图像信息完成运动参数解算的导航方式,在智能车辆自主定位定向方面具有良好的发展前景。总结了车载视觉里程计系统的主要优势和技术特点,介绍了其一般架构和应用系统;分析了视觉里程计系统的相机标定、特征提取匹配和运动参数估计等关键技术的发展现状;总结了高精度视觉里程计系统和高速视觉里程计系统的实现方案;详细描述了其中涉及的主要算法,为视觉里程计研究提供了参考。     

基于视觉导航的无人机自主精准降落

针对传统导航方式精度低、误差大等问题,结合视觉导航设计了一种基于ArUco码的着陆标识。对机载相机采集的实时影像进行图像处理,利用世界坐标系与像素坐标系的映射关系建立无人机位姿估计模型,以特征点坐标解算得到当前无人机与着陆标识物之间的相对姿态估计值,设计并融合误差模型进一步提高定位精确性。通过无人机室外实际应用实验证明,设计的降落标志及新型识别算法大大提高了无人机自主降落的精准性,能更好地满足在军事无人机等高精度降落要求场合的应用。     

无人机视觉辅助着陆中的姿态和位置估算

无人机安全着陆是无人机研究的重点和难点,为了提高无人机在公路等简易机场着陆的安全性,提出了基于少量任意分布特征点估计无人机姿态和位置的计算机视觉算法。解算无人机着陆过程中相对跑道的位置和姿态是文章核心;首先利用N点算法解算出特征点在摄像机坐标系上的坐标,然后利用正交化算法求出摄像机坐标系和跑道坐标系之间的旋转矩阵和平移向量;针对特征点的成像过程容易受噪声影响的情况,引入了最小中值法,减小噪声的影响,提高算法的鲁棒性,并解算出姿态和位置;通过卡尔曼滤波方法,进一步提高位置和姿态的精度。仿真结果表明:所提算法满足无人机自主着陆的精度要求。     

无人机视觉导航中的图像处理及位姿解算

在无人机自主着陆过程中,无人机视觉导航系统利用跑道图像解算出无人机的位置姿态信息,为飞行控制系统进行自主着陆控制奠定基础。对视觉导航系统中图像处理及位置姿态解算进行了分析和研究。基于模板匹配进行跑道识别;利用Hough变换提取跑道图像特征;采用最小二乘法对检测出的跑道边缘直线进行拟合并得出其在图像坐标系中的直线方程;基于空间的坐标关系变换,利用推导出的算法对无人机位置姿态进行了解算,并利用实际图像对所用算法进行了实验验证。     

无人机地面目标实时自主视觉定位

微小型无人机携带设备受到重量限制,基于摄像机透视投影原理的坐标解算模型,重点研究基于数字高程模型的测高逼近算法,获取无人机距离地面目标之间的高度差,以满足微小型无人机机载设备实时自主定位地面目标的要求。计算机仿真实验结果,以及完成算法硬件平台移植后进行的无人机实飞测试实验结果均可以看出,采用的解算模型结合基于数字高程模型的测高逼近算法可以满足对25帧/s视频流的地面目标实时自主定位,并具有较高的精度。     

面向无人机城市空中视觉导航仿真平台实现

系统仿真是无人机飞行导航与控制程序设计的重要手段,面向城市空中交通场景视觉导航算法设计的开发需求,首先调研了针对无人机所开发的多种飞行器仿真模拟平台,确定了基于Airsim搭建所需城市空中视觉导航仿真平台的技术路线,并进一步详细介绍了该仿真平台的搭建方法,最后给出了该仿真场景的搭建结果.     

偏振光传感器在四旋翼飞行器中的应用

为了实现偏振光传感器在实际三维空间中的导航应用,设计了一种基于仿生偏振光导航传感器、微惯性测量单元（MIMU）与全球定位系统（GPS）的组合导航控制系统,并实际应用到了四旋翼导航控制之中.本文首先介绍了偏振光传感器的功能模型和测角原理.其次采用扩展卡尔曼滤波（EKF）技术设计了偏振光传感器、MIMU、GPS的信息融合算法,通过室外飞行试验对该导航系统的性能进行了测试,并与传统MIMU/GPS/电子罗盘导航系统进行了比较.结果显示：在有磁场干扰环境下,基于偏振光的导航控制系统平均位置精度较传统导航系统提高了50.4%.实验结果表明：该导航控制系统实时性好、精度较高、抗电磁干扰能力强,且误差不随时间累积,基本满足移动载体进行自主导航时的精度和可靠性要求.     

基于单目视觉对地面特征点定位方法

为了解决机器人在室内导航定位的问题,本文提出基于单目视觉对地面特征点定位的新方法.为扩大摄像头的视野,本方法采用鱼眼摄像头,然后将鱼眼摄像头安装在小车底盘下面,实时校正鱼眼摄像头拍摄的图片.通过对摄像头进行标定得到其内外参数,进一步用新方法计算出摄像头安装在小车上的姿态角,建立平面成像模型得到世界坐标系与像素坐标系的对应关系.再进行RANSAC算法对地板的特征点和特征线进行提取,然后获得相关特征信息再经过逆透视变换算法变换到物理空间上,获取真实物理信息.实验结果表明利用该方法能够更精准获得摄像头与地板边缘线的相对位置信息,并且成本也低但定位精度高.     

基于卷积神经网络的胸环靶面畸变校正算法

实弹射击是部队的基础军事训练项目。现有报靶系统中基于计算机视觉的弹孔识别定位系统由于具有快速、精确、安全、人员成本低等优点而被广泛应用到该项目中。然而,计算机视觉系统处理的图像通常受镜头加工工艺以及相机轴向与被测对象所在平面不垂直的影响,导致被测对象的图像产生畸变,最终会给弹孔坐标位置的精准定位带来误差。为了提高基于计算机视觉的自动报靶系统的报靶精度,提出一种基于卷积神经网络的畸变校正算法,只需一张胸环靶面的模板图像即可模拟出大量训练数据集。训练完成后,输入一张畸变图片就可以得到该图片的畸变参数,并利用该参数完成对图像的畸变校正。与传统校正算法的对比结果表明,该算法校正效果较好,有利于提升基于计算机视觉的自动报靶系统的报靶精度。     

基于机电传感的虚拟课堂演播室系统的研究

作为虚拟课堂演播室系统的核心技术,摄像机定位与跟踪技术是目前研究的热点。针对图形识别方式的摄像机定位跟踪系统存在着数据处理时间长、视频延时量较大等缺点,提出虚拟课堂应采用机电传感方式实现摄像机的定位与跟踪。分析摄像机镜头校准的方法,给出了机电传感跟踪流程和精度依据,并对系统主机获取运动参数方式给出设计思路。该方案具有摄像机的定位跟踪几乎没有延迟、参数精确可靠等优势,是虚拟课堂演播室较为合适的定位跟踪方式。     

基于深度相机的小型无人机室内三维地图构建

为了解决小型无人机在室内光线不足情况下的避障以及路径规划问题,设计了一种基于深度相机的无人机室内地图构建系统。文中使用Pixhawk控制板和低成本嵌入式结构光深度相机硬件平台,为避障以及路径规划目标提供室内环境信息。采用反传感器模型算法,利用深度相机和位姿传感器提供的信息来筛选处理出有效的障碍物信息,并构建室内的三维地图,其中深度相机通过激光扫描的方式来获取障碍物点云的描述信息,利用位姿传感器获取无人机的高度信息。实验结果表明,使用该系统能够快速获取室内地图,对障碍物的判断准确率比较高,且不受光线影响,可以广泛应用于无人机的室内导航,实现不依赖外部光源的室内无人机地图构建系统。     

火星探测环绕段自主光学导航算法研究（特约）

针对火星探测环绕段自主导航需求,结合初始轨道参数及光学导航相机拍摄的火星图像,提出了一种基于火星本体的高精度自主导航方法。该方法首先利用初始轨道参数得到火星在导航相机像平面下的投影图,然后将该投影图与导航相机拍摄的火星图进行匹配融合得到火星的边缘图,后利用该边缘图进行精确椭圆拟合,继而可实现器-火视线距和视线矢量的测量,在算法仿真过程中充分考虑到了工程实现中可能会遇到的图像旋转、平移及尺寸变换问题,仿真结果表明:提出的利用先验信息的图像融合测量算法较单独利用火星图像进行导航测量的方法,精度和可靠度均有较大提升,可满足火星探测环绕段的任务需求。     

深度强化学习在多传感器融合下的无人机视觉感知巡检中的应用

文中利用深度强化学习,实现了基于视觉感知的无人机全光谱自主巡检功能。在全光谱巡检系统技术部分,详细介绍了多传感器融合的数学模型和公式,并深入探讨了卷积神经网络（CNN）在目标检测中的应用,提出了一种基于特征金字塔网络（FPN）的多尺度目标识别方法。最后,进一步阐述了无人机云台相机的稳定性控制方法,包括PID控制器,并分析了如何将目标检测结果与飞行控制系统相结合,实现自动化的云台相机联动拍摄技术。通过对实验结果的分析,深入讨论了各项技术的优劣势,并提出了改进方向,为未来实现无人机自主巡检提供了参考,为实现高效、精准的工程巡检提供了新的技术路径。     

基于视觉物体识别的抗差岭估计定位算法

基于视觉物体识别的室内定位算法是一种新型的室内定位解决方案,算法通过物体检测、位置匹配、定位方程解算等步骤确定用户位置。然而,受到单目相机视域较小和物体检测算法精度较低的影响,根据检测物体测距信息而构成的定位方程存在严重的病态性,极大降低了算法的定位成功率和定位精度。因此,该文提出一种抗差岭估计定位解算算法,通过引入岭参数将无偏估计变为有偏估计,实现均方误差最小约束条件下的最优位置估计,并利用迭代选权降低了质量较差的观测量对定位精度的影响。实验结果表明,与OLS (Ordinary Least Square), LM (Levenberg-Marquardt)和RR (Ridge Regression)算法相比,该文提出的抗差岭估计定位解算算法能够有效提高基于视觉物体识别的室内定位方法的成功率和精度。     

面向AUV自主回收的单目视觉定位算法

针对自主水下航行器（AUV）自主回收过程中对回收装置的近距相对位置测量问题,提出了一种基于单目视觉的近距定位方法。该方法首先给出AUV与回收装置端面垂直时的单目定位方法,然后提出旋转定位法来解决AUV有俯仰和偏航时AUV与回收装置之间相对位置的精确计算问题,并进行了实验室试验研究,验证了该方法的有效性。