基于分布式二维激光测距仪的室内行人检测与跟踪

针对多台二维激光测距仪的空间标定问题进行研究,提出了基于虚拟二面体的激光测距仪标定新方法,并将不同激光测距仪采集的激光数据映射至同一参考坐标系中。在此基础上,提出了激光高斯背景模型(LGM)对激光数据进行背景建模,检测出运动目标,然后通过DBSCAN算法对同一类的点云目标进行聚类分析。最后,通过行人运动模型并结合卡尔曼滤波算法实现行人在不同激光视场下的准确跟踪。在实验中,利用真实的室内场景对本文算法进行验证,并就视场角和不同光照条件下的识别率与现有算法进行对比。实验利用不同类型的二维激光测距仪对场景中的行人目标进行检测与跟踪。实验结果表明:利用多台分布式激光测距仪可在不受光照条件的影响下实现大视角的室内场景监控,利用本文算法能够从多台激光融合的点云数据中较精确且稳定地检测并跟踪行人目标。     

透视三点问题贝叶斯解法(BP3P)及其推广

透视三点问题(Perspective-Three-Point,P3P)是计算机视觉与摄影测量学领域的经典问题,在目标定位、视觉测量、虚拟现实及目标姿态计算等方面有重要的应用.提出基于贝叶斯的P3P问题新解法(BP3P).从三控制点所确定的支撑平面出发,证明确定支撑平面是求解P3P问题的充要条件,并提出基于贝叶斯的支撑平面计算方法.利用从三控制点计算出的角度、长度比例等几何约束,通过归一化高斯函数来对其似然概率进行建模,并在高斯半球面上搜索最大似然概率求解支撑平面法向量.最后通过任意两控制点实际距离为参考计算平面的距离,确定支撑平面.对BP3P算法进行推广,能处理一般性平面几何约束,实现视觉定位.利用三组真实图像实验对算法进行验证.实验一的结果表明该算法不仅能解决P3P问题,还能对其多解现象进行分析.在实验二与实验三,算法利用一般性几何约束成功实现平面目标准确定位.     

基于点云极化表征与孪生网络的智能车定位

基于3维激光雷达(LiDAR)的智能车定位在地图存储空间与匹配效率、准确率等方面仍存在诸多问题。该文提出一种轻量级点云极化地图构建方法：采用多通道图像模型对3维点云进行编码生成点云极化图,利用孪生网络结构提取并训练点云极化指纹,结合轨迹位姿信息构建点云极化地图。还提出一种基于点云极化地图匹配的智能车定位方法：采用孪生网络对查询指纹与地图指纹进行相似度建模实现快速的地图粗匹配,采用基于2阶隐马尔可夫模型(HMM2)的地图序列精确匹配方法获取最近的地图节点,通过点云配准计算车辆位姿。使用实地数据集和公开的KITTI数据集进行测试。实验结果表明,地图匹配准确率高于96%,定位平均误差约为30 cm,并对不同类型的LiDAR传感器与不同的场景具有较好的鲁棒性。     

基于规划路径约束的机器人定位方法

路径规划是为机器人生成可行驶路径以实现循迹的过程。因此,机器人的位置应该位于或靠近规划的行驶路径。从而,路径规划可为机器人定位产生重要的约束。该文提出一种规划路径约束的位置概率图 (PI-LPM)模型,该模型通过概率来表征机器人在整个地图范围内所处的位置的可能性。其中,模型中概率密度函数是通过核密度估计 (KDE)方法从表征规划路径的所有数据点生成。在所提出的PI-LPM模型基础上,提出一种规划路径约束的机器人定位新算法 (RL-PPC)来提高机器人定位精度。在该方法中,应用粒子滤波算法来融合所提出的PI-LPM模型和已有的传感器定位方法。融合过程中,从PI-LPM模型中计算得到的概率是分配粒子权重的一个重要因素。实验中分别利用仿真数据和真实数据对所提出的模型与算法进行验证。实验结果表明,所提RL-PPC算法可有效融合PI-LPM模型与主流的定位系统(如GPS和LiDAR定位系统),并显著提高机器人定位的整体性能。     

融合WiFi、激光雷达与地图的机器人室内定位

由于室内环境受多径效应影响,单一WiFi定位效果不佳;激光雷达(LiDAR)虽然测距定位精度高,但在室内存在大量单一、重复的场景结构(如走廊)时,往往会由于无法提取有效特征进行匹配而造成大量错误定位。因此,该文提出基于卡尔曼滤波框架的WiFi、激光雷达与地图的融合定位新方法。其中,滤波器的状态定义为机器人当前与历史时刻的位置序列。滤波器的观测值由两部分组成,一部分为该文所提基于多环路分割地图下信号强度加权匹配的WiFi指纹定位结果;另一部分来自激光雷达在单一重复场景中计算出来的高精度相对定位结果(如横向定位)。利用场景地图中的先验参考位置,可将该横向定位结果转变为机器人位置的线性约束。最后,利用卡尔曼滤波器实现机器人高精度的融合定位结果。实验中,针对两种典型的单一、重复的室内场景,分别采用2维与3维激光雷达对该文算法进行验证。实验结果表明,由于激光横向定位精度可达厘米级,结合厘米级地图可以极大提高机器人定位精度。与单一WiFi定位算法相比,利用激光雷达计算出来的相对定位结果结合场景地图,平均定位误差可降低70%～80%,在满足机器人实时定位需求情况下,实现定位精度与稳定性的显著提升。     

基于能量受限的无线传感器网络路由设计

由于传感器节点能量的有限性,如何延长网络的生命周期是无线传感器网络(WSN)路由设计的主要目标.为解决LEACH协议存在簇头分配不均匀和能量消耗较大等问题,研究一种基于蚁群算法的无线传感器网络路由设计方法.主要采用节点能量来选举簇头,采用蚁群算法优化簇间路由以实现簇间通信.仿真结果表明这种方法优于LEACH算法,在降低能量消耗与延长网络生存周期等方面具有更好的性能.     

路面路标高精度地图构建与多尺度车辆定位

为提高智能车定位精度,提出一种利用路面标志构建高精度地图的方法,并在制作的地图基础上提出多尺度车辆定位算法.以路面路标为核心构建高精度视觉地图,地图中每个路标均包含路标视觉特征、几何结构信息,以及其在参考坐标系的精确的位置关系.在定位过程中,首先通过GPS粗匹配计算车辆位置在地图中的位置范围;然后匹配地图中的视觉特征实现路标级定位;最后通过地图中的路标的几何结构信息与参考位置关系实现车辆位置的精确计算,从而实现基于路面路标高精度地图的车辆多尺度定位.针对某大学校园约3.4 km的道路路面标志(包括路面直行箭头、右转箭头、井盖等)进行高精度地图构建,并以之为基础实现车辆定位.定位实验结果表明:算法平均定位误差为12.5 cm,最大定位误差为23.3 cm.定位采取先制图后定位以及多尺度匹配的策略为高精度智能车定位建议了一种新的方法.     

运动估计中的一种前处理算法

为降低视频编码中运动估计的算法复杂度,提出一种针对运动估计的前处理算法.该算法首先通过前两帧来对当前帧的矢量分布进行预测,并对大概率的运动矢量进行优先估计,使得一部分宏块的运动估计工作在前处理过程中完成,并且这些宏块的运动矢量需要的搜索点数仅为一次,因而该算法显著地提高运动估计的效率.理论分析结果表明,算法针对视频序列中的运动矢量中心偏置分布特性非常有效.把该算法分别应用于三步搜索(TSS)以及菱形搜索(DS)等算法中的实验结果表明,本算法在保持与以上算法相当的绝对误差的条件下能够大幅度降低平均搜索点数,使得运动估计的计算复杂度有了显著的降低,从而进一步降低整个视频编码的计算复杂度.     

基于逆投影差分的移动机器人障碍物快速检测

移动机器人的障碍物快速检测是其导航、避障、轨迹跟踪的关键技术。目前多数传感器存在距离盲区以及异常尺度等问题,且现有算法大多计算复杂,难以满足实时性需求。为了改善这些问题,本文提出了一种基于环视逆投影差分的移动机器人障碍物快速检测与定位新方法。该方法以水平地面为参考平面,对移动机器人上环视系统中相邻视角相机拍摄的图像进行逆投影变换,再经图像差分得到逆投影差分图,图中像素值为零的点位于参考平面,反之则位于参考平面之外,经过阈值化、滤波后即可用来区分参考平面与非参考平面目标,实现其视场公共区域内障碍物的快速检测;同时以逆投影差分图为基础,通过像素坐标系到机器人自身坐标系的转换可获得目标相对于移动机器人精准的位置信息。在实际场景中对5 m范围内不同类型、大小、距离的障碍物进行测试,平均检测精度为97.3%,平均检测耗时为46 ms/帧,平均定位误差为1.1%。实验结果表明,本文方法能快速有效地检测和定位移动机器人附近的动、静态障碍物。     

透视三点问题贝叶斯解法(BP3P)及其推广

透视三点问题（Perspective-Three-Point, P3P）是计算机视觉与摄影测量学领域的经典问题,在目标定位、视觉测量、虚拟现实及目标姿态计算等方面有重要的应用。提出基于贝叶斯的P3P问题新解法（BP3P）。从三控制点所确定的支撑平面出发,证明确定支撑平面是求解P3P问题的充要条件,并提出基于贝叶斯的支撑平面计算方法。利用从三控制点计算出的角度、长度比例等几何约束,通过归一化高斯函数来对其似然概率进行建模,并在高斯半球面上搜索最大似然概率求解支撑平面法向量。最后通过任意两控制点实际距离为参考计算平面的距离,确定支撑平面。对BP3P算法进行推广,能处理一般性平面几何约束,实现视觉定位。利用三组真实图像实验对算法进行验证。实验一的结果表明该算法不仅能解决P3P问题,还能对其多解现象进行分析。在实验二与实验三,算法利用一般性几何约束成功实现平面目标准确定位。