三维传感器极大似然配准算法

基于测量噪声的影响,提出一种精确极大似然法(EML)。配准估计是通过求最大似然函数获得的。说明了EML准则包含两类部分可分变量(实际目标位置和传感器配准误差),提供了两步递归优化算法,并通过计算机仿真证明了极大似然算法用于多传感器配准处理的估计精度高,适用的范围广,解决了最小二乘配准算法中存在的局限性;当多个传感器相距较远时,该算法明显优于传统的最小二乘配准算法。     

基于高斯似然估计因子分析的点云配准算法

为解决三维点云数据在白噪声、数据不对应的情况下的配准问题,提出基于高斯似然估计因子分析的点云配准算法。采用因子分析法对点云数据进行表示,利用极大似然估计的方法求得因子载荷矩阵,从而完成对带噪声点云的配准。仿真实验表明,与CDP算法和Go-ICP算法相比,该算法不会陷入局部最小值,在快速精确配准和稳定性方面具有良好的鲁棒性。     

基于极大似然估计的AUV水下地形匹配定位方法

针对自主式水下机器人(AUV)长时间水下作业时精确定位的需求,以多波束测深仪作为水下地形测量手段,利用极大似然法则对地形特征进行相关性分析,提出了一种基于极大似然估计的水下地形匹配定位方法.针对平坦地形区域似然函数出现的伪波峰的影响,引入费希尔判据准则对其进行约束,有效地剔除了伪峰值点,增强了对地形平坦区域地形特征的识别率.基于某电子海图数据和多波束测深仪海上试验数据的仿真结果,验证了该方法的有效性和实用性.     

基于传感器网络的水下声音源定位方法研究

提出一种分层结构的自组织无线传感器网络(WSN)用于水下声音源的定位研究,可以广泛应用于军事、民用监控等场景;在修正的声音源衰减模型基础上,提出一种改进的非线性最小二乘算法以及极大似然算法用于水下声音源定位;仿真试验对比研究了两种算法在不同的传感器节点以及背景噪声情况下对预估定位误差的影响;试验结果表明了这种分层结构的WSN用于水下声音源定位是可行的,同时验证了最小二乘算法以及极大似然两种算法定位的有效性。     

异类传感器融合跟踪系统配准偏差的在线补偿

针对多传感器融合跟踪系统的时变配准偏差补偿问题,提出了一种配准偏差的在线估计和补偿算法.该算法首先依据多传感器提供的测量和跟踪信息,建立配准偏差的动态模型,然后利用极小化似然函数结合卡尔曼滤波方法在线估计系统偏差,利用估计的配准偏差,补偿和修正跟踪器的测量信息,实现多传感器的融合跟踪.最后针对异类传感器(雷达、红外)组成的多传感器跟踪系统,给出了应用该方法的仿真结果.     

基于SURF算法的水下图像实时配准方法

为实现水下图像拼接实时性和鲁棒性的要求,提出一种基于SURF算法的水下图像配准方法.首先针对水下图像进行预处理;然后采用SURF算法获取参考图像和配准图像的特征点,采用kD树方法找出潜在的配准点对,再结合RANSAC和最小二乘法求出图像之间的映射关系,在取出外点的同时迭代计算出最终的精确解,并使用双线性插值方法对待配准图像进行重采样,得到配准后的图像;最后使用加权平均算法进行图像融合,完成水下图像拼接.实验结果显示,该方法明显地改善了水下图像质量;与基于SIFT算法的图像配准方法相比,两者准确度相当,但其特征点提取速度快10倍左右,总的配准速度快5倍左右,极大地提高了实时性,并具有相当的鲁棒性.     

基于极大似然估计的工业机器人腕部6维力传感器在线标定

针对工业机器人实时监测腕部工具工作受力情况的需求,提出了基于极大似然估计的在线标定算法.首先,在机器人末端工具的活动负载部分安装6维力传感器,并实时采集力与力矩数据以及机器人工具运动轨迹.然后,考虑到不同运行速度下运动振动的干扰,根据系统力学关系求解工具重心坐标、机器人安装倾角、力传感器零点以及负载重力.最后,在10 mm/s～1000 mm/s不同速度条件下进行实验,分析求解结果的一致性,并与最小二乘法进行对比.对比结果显示基于极大似然估计可以把工具重心平均标准差从0.67 mm降到0.23 mm,力零点标准差从0.73 N降到0.27 N,力矩零点标准差从0.29 N·m降到0.05 N·m.实验结果表明极大似然估计能有效抵抗机器人高速运动引起的干扰,可以应用于机器人高速运动情况下的实时在线零点标定.     

基于无线传感器网络的机器人定位跟踪研究

针对基于无线传感器网络的机器人定位提出了一种分段极大似然质心算法。将质心法引入极大似然估计算法中,通过计算已预测结果的质心提高目标位置的预测精度。考虑到WSN系统的超声定位实时性较差,采用扩展卡尔曼滤波算法将WSN系统改进定位算法与机器人航位推算进行融合以跟踪机器人位姿,从而提高了定位精度和系统动态性能。仿真结果表明：在不同锚节点个数和不同测距误差条件下,分段极大似然质心算法均能取得良好的定位效果;采用扩展卡尔曼滤波算法的数据融合,进一步提高了机器人轨迹跟踪的精度。     

水下光声图像空间配准算法研究综述

水下光声图像配准是水下设备实现信息融合的关键技术。在简述了水下光声图像配准的概念及实例的基础上,分析了目前水下光声图像重建与复原的相关算法,详细综述了水下异源图像基于区域和特征的配准算法研究进展,重点论述了基于图像域和形状特征相似度的两个准确度较高的研究方向的发展现状,并根据其他领域的异源图像配准的研究热点,从增加成像模型的结构性约束、引入相位一致性和生成对抗网络等算法提高配准精度,展望了水下声光图像配准研究的发展趋势。     

基于极大似然准则和最大期望算法的自适应UKF 算法

针对噪声先验统计特性未知情况下的非线性系统状态估计问题,提出了基于极大似然准则和 最大期望算法的自适应无迹卡尔曼滤波(Unscented Kalman filter, UKF) 算法.利用极大似然准则构造含有噪声统计特性的对数似然函数,通 过最大期望算法将噪声估计问题转化为对数似然函数数学期望极大化问题,最终得到带次优递 推噪声统计估计器的自适应UKF算法.仿真分析表明,与传统UKF算法相比,提出的自适应UKF算法 有效克服了传统UKF算法在系统噪声统计特性未知情况下滤波精度下降的问题,并实现了系统噪 声统计特性的在线估计.