迭代插值FPFH特征点云配准算法

针对三维激光扫描点云数据的配准问题,提出了一种基于FPFH特征的迭代插值配准新方法。配准过程中考虑到点云数据获取时,受扫描仪分辨率影响,点云局部或整体密度偏小,两次测量点云数据的相同位置不存在完全相同的点,以致对应点之间存在误差。为减小误差对配准精度影响,引入迭代插值方法,增加点云整体密度。配准过程通过计算关键点处FPFH特征寻找对应相关关系求得粗配准旋转平移矩阵,再使用ICP算法进行点云的精确配准。实验结果表明,改进的配准方法简单、稳定可靠、计算速度快且计算复杂度小,对实现点云配准具有实用价值。     

车载InSAR前视三维成像技术

野外和非结构化环境下的障碍探测是无人驾驶车(UGV)环境感知的难题之一。基于高度识别障碍是一种有效的解决途径,提出了干涉合成孔径雷达(In SAR)的三维障碍物成像策略,研究了In SAR信息处理流程,分析了干涉基线和运动误差对车载In SAR高程测量精度的影响,仿真了无人车前场景存在遮挡时的In SAR高程测量,证明了In SAR用于UGV前方环境感知的可行性。     

约束总体最小二乘空间配准算法

相对于单个雷达而言,组网雷达能显著提高其融合系统的性能,但是在随机误差较大情况下,由于空间配准精度往往较低,其融合性能会显著下降.在忽略模型线性化误差的情况下,分析出这一缺点出现的原因是量测方程的系数矩阵中存在误差,进而利用系数矩阵误差存在统计相关性的特点,提出一种基于地心地固坐标系(ECEF)的约束总体最小二乘算法进...     

基于联合相似测度的SAR图像边缘点特征配准方法

针对SAR图像配准过程中几何变换影响特征匹配稳健性和适应性的问题,提出了一种在特征匹配过程中直接解算几何变换模型的边缘点特征配准方法。利用SAR图像边缘点的梯度和方向特征,基于像素迁移思想,定义了图像匹配的联合相似度——联合特征均方和(SSJF),并建立了SAR图像边缘点集相似性匹配准则;基于方向模板提出了改进的ROEWA算子;利用改进的遗传算法(GA)来进行相似度的全局优化搜索,获取配准模型参数;利用多幅SAR图像的配准试验,对本文方法的性能进行了验证。     

多旋翼无人机模型预测抗扰避障制导

多旋翼无人机的自主避障是完成复杂任务的基础,避障的效果直接影响无人机执行任务的效能。针对存在外部扰动的无人机避障问题,提出了一种基于模型预测的抗扰避障制导律设计方法。通过设计干扰观测器对系统动态中的外部干扰进行了估计,并基于李雅普诺夫函数方法设计辅助制导律用于建立稳定性约束条件。结合前两者与模型预测控制,在模型预测控制优化求解中考虑无人机与障碍物的关系,根据所设计的制导律求解水平线速度与偏航角速度指令实现无人机的避障。对所提出的避障制导律进行数值〖BHDWG8,WK10YQ,DK1*2,WK1*2D〗〖XCLQX.TIF;%129%129〗听语音 聊科研与作者互动 仿真和实物飞行验证,结果表明了所提方法的有效性。     

基于强跟踪滤波器的多雷达配准方法

在多雷达数据处理系统中,雷达本身的系统偏差是影响目标跟踪和数据融合质量的一个重要因素。提出了基于强跟踪滤波器(STF)的多雷达配准算法。该算法是利用各雷达相对主雷达的测量差值,利用强跟踪滤波器(STF)实时估计出各雷达的系统偏差(方位和距离),从而进行配准。仿真实验结果表明这种方法是有效的。     

遥感图像自动配准的串行与并行策略研究

面对数据量呈指数增长的全球遥感图像,研究快速、有效、高精度的自动图像配准算法成为遥感领域迫切需要解决的问题。综述了遥感图像自动配准算法的研究现状和关键技术,且从新的角度分类总结了已有算法的特点及适用情况,并给出了综合的解决方案;同时研究并提出了三种新的并行策略,获得了较好的实验结论。由于算法采用粗粒度的数据并行方法,因此可扩展性和可移植性较好,无论在理论上还是在实践上都能为实际的遥感应用提供有益的指导和借鉴。最后提出了有待进一步研究的问题。     

利用时间谱信息融合的空中目标分类算法

时间谱信息(目标的航迹、速度、机动性、空间坐标信息)揭示了目标空间状态随时间的变化特性,从而可利用目标的时谱简化(或缩小)待识别目标的范围。将低分辨雷达测量得到的高度、速度、加速度作为目标特征,建立典型空中目标对各特征的模糊隶属函数,进而采用改进的证据推理进行分类判决。结果表明利用时间谱信息可为雷达空中目标识别提供有效辅助手段。     

三种实时误差配准算法性能分析与比较

对雷达组网中现有的三种实时误差配准算法即扩维扩展卡尔曼滤波算法(Augmented State Extended Kalman Filter)、解耦卡尔曼滤波算法(decoupled Kalman Filter)和准确算法(Exact method)进行了介绍与分析,并通过蒙特卡罗仿真试验从算法估计的均方根误差、估计的...     

复杂环境下基于多目标粒子群的DWA路径规划算法

针对机器人在障碍物分布密集的复杂环境中运行时,动态窗口法(dynamic window approach,DWA)易出现避障失败或规划不合理的情况,提出一种基于多目标粒子群优化算法(multi-objective particle swarm optimization,MOPSO)的改进DWA规划算法。在建立多障碍物环境覆盖模型的基础上,提出一种障碍物密集度的判断方法;优化DWA算法中的子评价函数;利用改进的MOPSO算法实现DWA权重系数的动态调整,将权重系数的自适应变化问题转化为多目标优化问题;根据路径规划的要求将安全距离和速度作为优化目标,并使用改进的MOPSO算法对相应的多目标优化模型进行优化求解。仿真结果表明,该算法使机器人有效地通过障碍〖BHDWG8,WK10YQ,DK1*2,WK1*2D〗〖XCLXY.TIF;%129%129〗听语音 聊科研与作者互动 物密集区的同时兼顾了运行的安全性和速度,具有更好的路径规划效果。