一种空间直角坐标转换至大地坐标的简捷算法研究

空间直角坐标系与大地坐标系之间的相互转换是大地测量中的常规计算, 经常采用迭代的计算方式忽略了纬度与大地高之间的相关性。而采用同一坐标系中由空间直角坐标计算纬度及大地高的推导算法, 将纬度与大地高绑定参与迭代计算, 编写了相应的计算程序。该算法经过了实例验证, 公式推导简单, 便于记忆、理解和程序编写, 为空间直角坐标转换至大地坐标提供了新的思路与借鉴。     

一种新的针对中国古建筑室内三维激光扫描数据的配准方法

针对中国古建筑结构复杂、室内占建筑激光扫描数据量大、视点多、不易采用现有的配准方法等问题，提出基于古建筑按中轴线对称等几何结构特征的古建筑室内激光扫描数据配准方法，同时首次提出广义同名点的概念。建立测站坐标系、建筑坐标系和测站辅助坐标系，井详细介绍从测站直角坐标系转换测站辅助坐标系的方法，同时给出具体的坐标转换关系式。该配准方法分两步进行：第一步，将各视点扫描数据从测站直角坐标系转换到各自的测站辅助坐标系；第二步，选定一测站辅助坐标系为参考坐标系，之后利用广义同名点求得辅助坐标系之间的三维平移向量，最终实现配准。该方法不需初始位姿，计算量小，不易受噪声影响，实验结果验证了这种配准方法的快速、高效性。     

一种多传感器配准与目标跟踪算法研究

传统的多传感器误差配准技术多基于球极投影,没有考虑地球地形的影响,当传感器之间距离较远时将失去实际意义,无法对目标进行有效的跟踪;而现有的跟踪方法大多没有考虑传感器系统误差对跟踪精度的影响。基于地心坐标系,提出了一种Unscented卡尔曼配准与目标跟踪算法,充分考虑地球形状的影响,在跟踪目标的同时实现传感器配准。首先给出传感器数据配准几何坐标转换算法,详细推导了误差配准算法;接着建立目标的动态方程,将目标运动模型和传感器配准误差模型组合在同一个状态方程中,然后利用UKF进行估计。最后的Monte-Carlo仿真结果表明,该方法能同时有效地估计目标运动状态和传感器配准误差,为远距离的传感器配准与目标跟踪提供了一种新的解决方法,具有较大的工程应用价值。     

基于高程和地物光谱约束的多光谱图像预处理算法

分视场滤光片型多光谱相机在利用拼接和配准生成多光谱图像时,受云、水等特殊地物的影响,利用现有方法生成的结果图像上容易出现条带噪声和错配现象。提出了一种三维信息约束下的尺度不变特征转换(SIFT)图像配准和地物光谱特性约束下的多光谱图像预处理算法,该算法利用三维信息约束的SIFT算子提高配准精度,同时在地物光谱特性约束下选取有效的辐射校正点提高图像拼接时各条带图像灰度的校正精度。实验结果表明,利用该方法对分视场多光谱相机数据进行预处理时,即使图像上存在云、水等特殊区域的地物,结果图像仍能保持高精度配准且无条带噪声。     

空中多运动平台多传感器目标跟踪

为提高空中多运动平台的协同探测能力,构建了一种多运动平台多传感器系统,提出了一种相应的目标跟踪方法.该方法将不同运动平台上的传感器对目标的观测转换到地心直角坐标系中进行融合跟踪,针对平台的运动和传感器的视域有限的特点,设计了序贯融合滤波算法.理论分析和仿真结果表明该方法既可以提高目标的跟踪精度,也可以扩大平台的感知范围,从而提升平台的探测能力.     

一种基于ECEF坐标转换的多雷达误差配算法

提出一种有效的多雷达系统误差配准算法,该算法采用ECEF（Earth-Centered Earth-Fixed)坐标系作为过渡坐标系,将分散配置的各雷达站的量测数据实时转换到主站（设主站雷达无系统偏差）,利用各站同主站之间的量测差值,设计一扩展卡尔曼滤波器,实时估计出各站相对主站之间的系统偏差,从而对网各雷达进行配准,计算机仿真结果证明了该算法的正确性和有效性。     

改进TrICP算法的多源点云配准研究

针对建筑物多源点云数据配准时出现配准精度低和效率不高的问题,提出一种基于主成分分析(PCA)的改进修剪迭代最近点(TrICP)多源数据配准方法。首先采用PCA算法对点云计算主轴方向,并基于方向反向问题创建校正矩阵进行校正,从而得到两组点云的初始良好位姿转换,完成点云的粗配准步骤;然后针对修剪迭代最近点中搜索点对和迭代次数问题,采用赋权的改进修剪迭代最近点算法完成两种点云数据的精配准。实验数据结果表明,改进的配准算法可以有效地减少多源点云数据迭代次数,提高配准精度并且保证了点云的完整性,相较于其他三种对比算法,精度分别提高56.75%、39.60%、28.08%,有效提升了配准的效率。     

多传感器误差配准研究

多传感器组网信息融合时,需要对组网中各传感器系统误差进行估计和补偿,以消除各传感器系统误差对融合性能的影响。研究了雷达组网系统误差配准模型,并对最小二乘算法 (LS)、广义最小二乘算法(GLS)、递推最小二乘算法(RLS)、修正 EX 算法等误差配准算法进行对比分析,同时给出了扩维配准模型用于解决多传感器组网配准问题,针对实际工程应用中算法收敛情况难以判断的问题,提出了一种误差配准收敛性判定的方法。根据仿真结果对误差配准算法性能进行分析,同时验证了扩维配准和收敛性判定方法的有效性,支撑配准系统应用。     

基于控制点的多光谱图像自动配准研究

针对同类传感器多光谱图像的配准,提出了一种快速有效的图像自动配准方法。该方法采用Forstner算子分别从参考图像和配准图像提取控制点,再利用基于灰度相关的算法匹配同名像点,然后利用同名像点求解仿射变换参数,实现多光谱图像的配准。通过液晶光谱相机成像实验对该方法进行验证,结果证明了该方法处理速度快,配准精度高。     

传感器定姿偏差的空间配准算法研究

在多传感器数据融合系统中,来自多个传感器的数据通常需要变换到相同的公共参考系中进行融合,由于传感器校准误差、姿态误差、位置误差和定时误差等引起的数据转换误差,可能对系统带来灾难性后果.文中提出了一个基于卡尔曼滤波在线空间配准算法,用来解决多传感器多目标跟踪过程中对传感器定姿偏差的空间配准问题.     

基于极大似然的联合多传感器配准与融合

传感器配准和多源融合是多传感器多目标跟踪系统中面临的两个重要问题。多传感器融合的精度一定程度上与传感器固有系统误差相关,为提高融合精度,需要进行多传感器配准。在多传感器多目标跟踪场景下,文中根据传感器量测噪声特性,通过公式推导实现了一种基于极大似然的联合多传感器配准与融合算法。该算法可同时在采样时刻间对传感器系统偏差和目标融合位置进行估计,并对传感器系统误差进行时间递推。仿真结果表明,文中算法具有较高的估计精度,可同时解决多传感器的配准与融合问题。     

一种基于ECEF坐标转换的多雷达误差配准算法

提出一种有效的多雷达系统误差配准算法,该算法采用ＥＣＥＦ（Ｅａｒｔｈ－Ｃｅｎｔｅｒｅｄ Ｅａｒｔｈ－Ｆｉｘｅｄ）坐标系作为过渡坐标系,将分散配置的各雷达站的量测数据实时转换到主站（设主站雷达无系统偏差）,利用各站同主站之间的量测差值,设计一扩展卡尔曼滤波器,实时估计出各站相对主站之间的系统偏差,从而对网中各雷达进行配准,计算机仿真结果证明了该算法的正确性和有效性。     

基于多镜头多传感器系统的图像合成

图像配准是图像合成的关键步骤,该文用两个具有平行光轴结构的多镜头多传感器系统进行图像采集,利用H矩阵与插值算法相结合,快速地完成了两张图像的配准工作,实现了对一个平面上的图像信息的合成,具有提高公共区域信噪比的功能;并在此基础上,提出了一种针对无穷远平面的图像配准方法,有利于进行立体图像的快速配准以及深度图像的求取。     

基于互信息和多智能体优化的合成孔径雷达图像配准

提出了一种基于互信息的多智能体优化方法,并将其用于合成孔径雷达(Synthetic Aperture Radar,SAR)图像的配准.采用归一化互信息作为度量准则,直接利用图像的灰度数据进行配准,没有假设图像间灰度值的线性关系,不需要对图像做分割、特征提取等预处理,并利用多智能体优化算法寻找最佳匹配参数,以得到最优的配准结果.实验表明,该算法在SAR图像配准方面有更好的普适性和更高的配准精度.     

多光谱遥感卫星图像的精确配准方法研究

针对一组多光谱遥感图像中,各谱段图像之间配准不一致的问题,本文提出了一种基于特征点的快速自动配准方法。在图像信息熵的基础上,利用环形移动窗口,自动快速寻找感兴趣区域, 并利用尺度不变特征转换（SIFT）算法提取特征。为提高精度,文中对特征初匹配方法作了改进,并用余弦定理和空间距离约束条件剔除误匹配点,之后提取最稳定的特征点对计算变换参数,完成配准。最后根据配准前后图像的互信息和特征点的均方根误差（RMSE）来衡量配准的程度。通过对大量中巴地球资源卫星拍摄的多光谱图像进行实验,该方法能达到亚像素级配准精度,并能快速对各谱段图像进行配准。      

结合NARF特征的改进型3D-NDT多视点云配准

提出了一种精确有效的多视图配准算法。首先,使用NARF算法对每幅点云进行关键点检测,并以NARF关键点为原点建立局部坐标系,估算FPFH描述符;其后使用基于RANSAC的对应估计和对应关系去除算法剔除错误对应关系,确定三维特征匹配点对,并求解出变换矩阵,完成初始配准。然后,使用3D-NDT算法体素化点云,并使用概率分布函数对点云精细配准。最后,使用逐步匹配法对一系列点云进行配准,使其全部配准到统一坐标系中。实验结果证明,该算法能精确的对由KinectV2.0获取的同一场景不同角度的多幅点云图像进行配准,且其配准精度较高。      

多传感器数据融合中的配准技术

配准是多传感器数据融合中的一个重要环节。文中介绍了图像配准的一般方法，配准技术在数据融合的应用，并着重介绍了基于点特征的红外／可见光图像自动配准算法。     

改进多图谱配准的三维医学图像分割算法

为提高海马体分割精度与时间效率，在多图谱分割(Multi-Atlas Segmentation, MAS)脑部图像的配准阶段提出可变形配准网络EDUNet。针对浮动图像与固定图像，进行数据预处理，使其受到外界的影响最小，在配准阶段，用ANTs代替传统“粗”配准，利用卷积神经网络(Convolutional Newral Nerwork, CNN)改进“精”配准，对配准场进行估计，并引入注意力机制及空洞卷积模块。注意力机制用于自动学习和优化注意力特征，加强特征表达能力；空洞卷积扩大感受野，获取多尺度信息；配准中使用端到端网络，减少配准时间、提高配准效率。算法在OASIS数据集与LBPA40数据集进行了验证，配准精度可达0.786 3,使用基于局部二元模式的特征提取方法进行标签融合后，最终分割精度较其他方法提升3%～10%,验证了算法的有效性和准确性。     

大地直角坐标系到GPS坐标系的直接转换法研究

本文从大地坐标系和GPS坐标系的定义入手,通过严格的几何关系,推导出了从大地直角坐标系到GPS坐标系转换的直接算法,将问题归结为求解一个一元四次方程。接着给出了求解一元四次方程的费拉里算法,并通过MATLAB符号函数库对算法进行了仿真。仿真结果表明了该算法的可行性,并有效解决了迭代算法的不确定性和运算量大的问题。     

基于流形聚类的非球类目标多站三维点云配准方法

非球类物体形状结构复杂，利用点云直接进行配准易出现误匹配现象。针对该问题，引入流形上的测地距离结合物体的实际几何形状，将三维点云配准问题转换为聚类问题，提出一种基于流形聚类的多站点云配准方法。首先，将经粗配准后的三维点云划分为若干个聚类；然后，以测地距离作为聚类划分的依据更新聚类中心，同时更新刚性变换，再循环迭代此过程以获得最终配准结果；最后，由于在配准过程中计算测地距离矩阵时易产生计算消耗，引入热梯度法将点集在空间中的遍历过程转换为泊松方程的求解过程以提升效率，完成多站点云配准。在斯坦福大学公共数据集中的Bunny、Dragon等点云数据上的实验结果表明，所提方法可有效将非球类物体的配准精度整体提升20%～30%。