基于对偶四元数的单目视觉/惯性组合导航算法

提出一种适用于结构化道路的单目视觉/惯性组合导航定位算法.针对点特征匹配和连续多帧追踪受车速和相机视野制约的不足,提取道路上车道线的直线特征,引入对偶四元数描述直线特征.在基于对偶四元数的相对位姿估计算法的基础上,推导了图像特征增量与相机位姿增量的表达式.通过配准和时间同步,用惯导系统和相机分别解算的载体速度之差作为组合导航的观测量,建立kalman滤波修正组合导航系统的误差,包括相机测速标度因数误差.车载实验结果表明在结构化道路上算法是有效的.     

基于DSP的弹载视频图像实时消旋系统实现

提出了一种基于高速DSP芯片的电子消旋方法,利用旋转算法对每一场图像的亮度、色度分量进行反向旋转处理,再使用线性差值法对像素进行重新采样输出,从而实现旋转彩色视频图像的实时消旋.     

基于相位相关的快速亚像素全局运动估计

为了实现亚像素级图像快速全局运动估计,提出了一种基于相位相关的快速亚像素全局运动估计方法。首先对待计算的两幅图像进行下采样并计算整像素级的全局运动矢量,然后选取两幅图像重叠的部分进行插值,再计算亚像素级的全局运动矢量。最后,将整像素级和亚像素级的计算结果进行加权计算,得出亚像素级的全局运动位移。实验结果表明,文中算法对噪声影响、光照变化和局部遮挡具有较好的鲁棒性,同时能够有效地提高运动估计的精确性和计算效率。     

基于特殊矩阵的同时定位与地图构建

同时定位与地图构建是机器人在未知环境中自主导航的一个重要研究内容。为了提高全协方差SLAM算法的计算和存储效率,通过对系统状态向量进行重构和选择适当的观测向量,系统模型和系统协方差矩阵可以表示成特殊形式的矩阵。基于这两个矩阵的特性,提出了一个改进的SLAM方法,对机器人的位置和方向进行间接地估计,同时降低了SLAM算法的时间复杂度和空间复杂度。实验表明改进算法是一致的和收敛的。     

基于深度学习及UKF的机器人SLAM

针对室内机器人定位中精度不高、稳定性差的问题,提出融合深度学习和无迹卡尔曼滤波(Unscented Kalman Filter,UKF)的机器人同时定位与地图构建方法(Simultaneous Localization and Mapping,SLAM)。首先利用深度相机获取彩色图和深度图,再利用单发多框探测器(Single Shot MultiBox Detector,SSD)进行路标检测,获取路标坐标,最后将路标信息加入到UKF-SLAM中。实验结果表明,该方法提高了SLAM的精度,可用于室内机器人同时定位与地图构建。     

图像配准及其在目标精确定位中的应用

随着卫星和无人机等空天侦察平台的发展和广泛应用,图像成为精确定位目标的一个重要信息源,而其中一个重要途径就是战术图像与参考卫星图像的配准.由于成像设备、时间和光照条件的差异,战术图像和卫星图像在亮度上存在很大的不同.为解决这些问题,提出了一种基于部分Hausdorff距离的图像配准算法.试验表明,该算法对于噪声、光照变化和局部场景变化具有较强的鲁棒性.     

使用等效偏移角稀疏测量的面阵相机序贯图像几何校正

天基光学相机实际在轨对地观测成像的畸变需通过几何校正抑制。目前主流面阵相机对地观测获得的小尺寸、高帧频序贯图像很难满足传统几何校正方法逐帧解算对单帧图像控制点数量与空域分布的要求且计算量巨大。针对这一问题,提出一种使用等效偏移角稀疏测量的面阵相机序贯观测图像几何校正方法,将逐帧校正参数解算问题转化为时域稀疏测量条件下等效偏移角信号恢复问题,利用等效偏移角信号时频信息可有效降低对单帧图像控制点数量和空域分布要求。通过高分四号卫星面阵相机在轨实测图像数据验证了所提方法的可行性且其能大大降低序贯图像几何校正处理的计算量。     

针对旋转和平移的一种电子稳像算法

提出了一种新的基于Fourier-Mellin的电子稳像算法,用于消除由于推扫平台系统姿态不稳所造成的图像抖动。采用Fourier-Mellin算法和相位相关算法求取待稳定图像帧与参考图像帧之间的旋转角度和缩放及平移参数,并通过校正一组抖动的图像帧来验证所提出的算法。实验结果表明算法很好地估计并补偿了旋转和平移运动,能够满足一般要求。     

用多任务雷达和光学传感器进行目标跟踪的异步数据融合

本文研究了融合来自两个不同传感器的异步数据的技术,其中一个传感器以比另一个传感器高的速率提供数据。目的是:当用另一个传感器观察时,同时获得高数据率传感器数据的最小二乘法估计。先前研究的同步数据融合算法被用来融合时间一致的数据以更新目标状态估计。考虑了融合来自光学传感器和雷达数据的情况,其中,光学传感器以高速率提供周期性数据而雷达以低数据速率提供拟周期数据。通过提供类似于由际准序次数据处理方法所得的结果的仿真,证明了利用这种数据融合方法的跟踪滤波器的性能,这种标准的序次数据处理方法需要更多的有效计算。     

球面全景空间缝合及漫游算法研究

提出了基于图像映射实现球面全景空间缝合及实时浏览的算法。首先,对两幅或多幅鱼眼图像使用扫描线逼近算法分别提取轮廓,再采用基于亮度差的图像缝合算法对其球面投影进行球面缝合,使用球面坐标定位校正算法校正图像并拼接成平面全景图,通过建立球面浏览视窗与平面全景图之间的像素映射关系,显示球面全景空间不同视角场景信息。实验结果表明,该算法较好地实现了鱼眼图像的无缝拼接以及球面全景连续360°的实时浏览。     

树状小波与多尺度估计理论的图像融合技术

针对红外和可见光图像的特点及相互融合的应用,提出一种基于树状小波多尺度估计理论的红外与可见光图像融合算法.首先对源图像进行树状小波多尺度分解,依据子图像的信息量得到塔式结构子图像;然后基于不同子图像对应层上的对应像素,根据EM算法估计模型参数,采用SAGE迭代算法优化估计参数得到融合子图像;最后根据小波逆变换获得融合图像.实验结果表明:该融合算法能够更好地综合利用红外图像较好的目标指示特性与可见光图像较清晰的场景信息;性能评估显示:该算法得到的融合图像互信息较文献[5,6]分别提高了49.60%和24.90%,均方根误差分别减小了66.40%和56.00%.     

凹障碍超宽带SAR图像特征分析

野外环境下的凹障碍感知一直是地面无人作战平台环境感知面临的难题,长期以来常规传感器,例如立体视觉、红外相机和激光雷达,都没有取得好的效果。超宽带合成孔径雷达作为一种全天时、全天候的高分辨率雷达,在目标感知方面得到了广泛的运用。基于超宽带合成孔径雷达感知凹障碍是一种有效的感知手段,阐述了凹障碍的雷达成像几何,利用MATLAB模拟仿真合成孔径雷达数据获得了凹障碍图像,分析得出了凹障碍在雷达图像表现出由阴影区和光亮区紧密相连的特征,并通过实测数据成像获得的凹障碍图像结果,对凹障碍雷达图像特征进行了进一步的验证。     

用多维数据互联的有效多传感器融合

本文介绍多目标跟踪的用多维数据互联的多传感器融合算法的发展。这项工作是受大规模监视问题的推动,在这种监视问题中,来自具有不同采样间隔(电子扫描阵(ESA)雷达)的异步传感器观察值用于集中式融合。用多维分配的多传感器融合的综合,对于由分配算法处理的S个表,除了“传感器宽度”外,还要使“时间层次”最大化。在有S个传感器的情况下,将来自最近到达的S-1个帧的量测值与已经建立的航迹互联的标准方法可能有零时间层次。对于S维数据互联(S≥3),所介绍的新技术保证最大效率,即对于没有损失融合重叠传感器的每一个传感器,保证最大时间层次(S-1)。使用滑窗(长度为S)技术,在每一个量测帧之后更新估计。对于使用具有多维分配数据互联的多传感器融合,该算法提供多目标跟踪的自动航迹形成、保持和结束的系统方法。对于一个大规模空对地目标跟踪问题,介绍了使用模拟数据的估计结果。     

基于DCT的帧内视频编码器的缓存控制技术

提出一种基于ＤＣＴ的帧内视频编码器的缓存控制技术。它根据视频图像各种子块的比例及其相应的Ｒ－Ｑ曲线确定量化因子，通过再编码，调整子块Ｒ－Ｑ曲线的拟合参数使其自适应视频图像的场景变化。同时本文提出了一个简单有效的图像子块分类方法，分类结果基本上与根据编码子块所需比特数分类子块的结果相一致。此法用于缓存控制的额外计算量小，并能扩展应用于Ｈ．２６１、ＭＰＥＧ等视频编码标准中。模拟结果表明，此法在视频序列的场景发生变化时，再编码次数少，输出码率恒定。     

基于单应轨迹的视频实时稳像算法

针对视频稳像中实时任务的需求特点,提出一种基于单应轨迹的视频稳像算法。估计序列图像帧间的单应变换,并将该变换作用于图像窗口的4个角点,从而对每帧图像产生4个短的单应轨迹以代表视频短时间内的运动。利用关联卡尔曼滤波器以一种连续方式对不同帧的单应轨迹进行平滑。对图像合成采用包括性和相似约束以提高结果视频的可观性质量。该算法以在线方式工作,消除了缓存输入图像帧导致的延迟,具备不依赖于复杂的3D重建和长距离特征跟踪的优点,并有效避免了单应模型表达视频运动模型的误差积累问题。实验表明该算法能够有效对包含2D和较复杂3D场景的视频进行稳像,并且能够达到实时处理速度。     

基于FPGA的数字复接系统的同步技术研究

针对数据大容量通信时常因同步问题而面临失败的问题,分析了数字复接系统工作原理,探究了收发端高精度时钟基准同步方法在时钟校正的应用,以及位同步和帧同步的典型同步技术,并利用FPGA仿真验证了数据复接过程。数据通信依赖于收发端同步技术的建立,认为将收发端时钟同步、位同步、帧同步应用在复接系统的不同部分,能够共同作用以实现收发端数据传输的同步。卫星双向时间比对法能够有效校准收发端的高精度时钟,校准精度优于0.5 ns;数字锁相法能够自动将收发端时钟校准到同频同相的状态,有效实现位同步;在每个数据帧当中加入帧同步信号可以使收发端自动判断每一帧的数据传输状态。FPGA技术为数据仿真提供良好平台,利用其完成了过零信号的提取和数据帧同步的复接的仿真,达到预期效果。     

基于神经网络集成的传感器故障诊断研究

针对诊断传感器偏置故障及漂移故障的难点问题,提出了一种基于神经网络集成的传感器故障诊断方法。该方法将传感器输出看做时间序列,通过加噪声生成抖动数据,建立多组神经网络,以获得神经网络集成预测器输出。通过将预测器输出与传感器实际输出相比较获取残差序列,获得基于残差序列的传感器偏置故障和漂移故障的辨识策略,实现传感器故障在线诊断。应用结果表明该方法可以提高神经网络的运算精度,从而快速准确地检测和分离传感器故障,辨识传感器故障类型以及故障发生的时间。     

基于ORB的多机器人SLAM地图融合算法

针对传统基于地图融合的多机器人同时定位与地图构建(Simultaneous Localization And Mapping,SLAM)算法实时性和准确性不高的问题,提出了基于ORB(Oriented FAST and Rotated BRIEF)的地图融合算法。首先提取栅格地图的ORB特征并找到最优的匹配点;然后计算地图最优匹配点集的单应矩阵,找到点集之间的最优仿射变换参数;最后,通过点对之间的偏仿射变换矩阵得到地图融合的转换关系,完成子地图的融合。搭建了基于树莓派的多机器人平台,通过将算法应用到实际多机器人系统,验证了算法的有效性、实时性和鲁棒性。     

一种基于时变噪声统计的异步多速率传感器信息融合算法

以异步多速率传感器信息融合理论和同步单速率传感器时变噪声统计理论为基础,提出了一种适用于时变线性系统的异步多速率传感器时变噪声统计系统的信息融合算法.通过原理分析和数学推导,将异步多速率传感器动态系统建模为同步同速率系统.进而利用噪声统计估值器和相应的自适应Kalman滤波方法进行状态估计,利用联邦分布式数据融合方法进行信息融合,获得基于所有现测信息的最优估计.理论分析和仿真结果均表明,该算法的融合效果优于任一单传感器Kalman滤波的效果.     

基于回归算法的OFDM系统帧同步和信道估计研究

提出了一种基于回归方法的联合帧同步和信道估计方案.该方案通过添加在OFDM帧格式中的伪噪声码可以得到帧定时和信道冲击响应,由估计到的信道信息,使频域单抽头均衡器完成信号补偿.仿真结果表明:在瑞利信道下,该方案的帧头丢失率要比滑动平均方案和Beek方案低,并且信噪比大于-10 dB时,帧定时的精确度更高.采用该信道估计方案的均方误差要比LS方案和MMSE方案小.最后比较了采用该方案和传统方案的误码性能.