基于 RANSAC 的视觉里程计优化方法研究

针对图像特征产生误匹配影响基础矩阵计算,导致同步定位与地图构建(SLAM)视觉里程计估计精度差的问题,提出一种基于随机抽样一致(RANSAC)的视觉里程计优化方法。该方法首先通过最小距离阈值法对初始匹配集粗滤除,再采用RANSAC计算图像间相对变换关系,若符合变换关系为内点,内点数最多的迭代结果为正确匹配结果;然后计算图像间单应变换并利用其计算基础矩阵,采用对极几何约束确定内点,得到具有最多内点的基础矩阵;最后采用TUM数据集从特征匹配与基础矩阵计算两方面进行优化算法效果验证。结果表明,该算法可提高运行效率且有效去除误匹配特征点,使匹配正确率提高7.7%,基础矩阵估计算法在提高基础矩阵计算精度的同时,内点率也提高了3%,算法为提高视觉里程计精度估计精度提供了理论基础。     

抗野值自适应卫星/微惯性组合导航方法

针对在复杂城市环境下卫星导航系统(GNSS)定位定速存在野值,导致GNSS/微惯性(MEMS-INS)组合导航状态参数滤波估计精度恶化,甚至滤波发散的问题,提出了一种抗野值自适应GNSS/MEMS-INS组合导航算法,以提高组合导航精度和可靠性。该算法利用Allan方差分析建立较为精确的MEMS器件噪声模型,有效降低模型异常和状态扰动的影响。同时利用新息序列构造观测异常检验统计量,并根据该统计量构造自适应新息加权因子调节滤波增益矩阵,削弱观测野值对状态估计的不良影响。实验结果表明,该算法能够有效地控制GNSS定位定速异常的影响,具有较强的实时性和容错性。相比于传统算法,车载定位、定速和定姿精度分别提升35.78%、60.19%和82.41%,验证了本文算法的有效性和实用性。     

点接触弹流润滑问题的高效直接算法

在复合直接迭代法的基础上,运用分块迭代的思想将方程组降维,通过研究弹性变形影响因子对弹性变形的影响,将压力迭代矩阵由满元阵变为稀疏的带状阵,提出一种新的求解点接触弹流问题的高效直接迭代算法.与复合直接迭代法相比,该算法大大减少了计算量,计算效率至少提高20倍,并且可适用重载工况.将新算法计算结果与Hamrock-Dowson公式计算结果进行比较,并讨论迭代矩阵半带宽与收敛速度、载荷范围、计算精度以及数值稳定性的关系.结果表明,当压力迭代矩阵密度为满阵的22％～25％时,新算法具有最高的计算精度.     

基于割线特征相关的点云配准算法

针对传统的点云配准算法存在计算量大、效率低的问题，提出了一种基于割线特征相关的点云配准算法。首先建立点云的割线特征模型构建割线特征向量，然后对两点云的割线特征向量进行相关性分析，依据相关性分析结果求解两点云的空间变换矩阵，对待配准点云进行空间变换，最后不断迭代以上步骤直到达到迭代条件时完成点云配准。仿真实验表明：与传统算法ICP和3D-NDT相比，点云配准算法的速度提升90%以上，而配准精度评价指标RMSE降低了20%以上，即该算法效率更快、精度更高。     

移动机器人自适应抗差无迹粒子滤波定位算法

针对机器人定位过程中传感器感知信息存在野值,加剧粒子退化,导致机器人状态参数滤波值失真,甚至出现定位失败的问题,提出一种机器人自适应抗差无迹粒子滤波定位算法。在重要性采样阶段利用无迹卡尔曼滤波产生优选的建议分布函数,降低系统估计误差,同时有效提升系统的抗噪声能力。同时利用抗差估计原理构造抗差方差分量统计量,并由该统计量引入的自适应因子调节增益矩阵,减弱野值对滤波的影响。实验结果表明,当观测数据中存在野值时,该算法能够有效地控制观测异常误差的影响,定位精度得到了很大提高,并在不同系统噪声和观测噪声方差下,具有较强的鲁棒性和实时性。     

热连轧轧辊压扁半径显式算法研究

为了提高热连轧机组轧辊压扁半径的计算精度,提出了一种关于轧辊压扁半径的显式算法。与传统的Hitchcock计算方法相比,该算法省略了迭代运算,并且能够在热连轧过程中提高轧辊压扁半径自动控制模型的计算精度,同时提升轧辊压扁半径控制系统的响应速度。以500 mm带钢9机架热连轧轧制过程为例,计算轧辊压扁半径,计算精度最大可提高2.14%。     

基于任意声矢量传感器阵列的角度和频率估计算法

提出了一种基于任意声矢量传感器阵列下联合角度和频率估计新方法.将矢量传感器阵输出的信号进行建模分析表明此信号具有平行因子四线性模型特征.利用四线性分解的唯一性条件,从分解得到的矩阵中联合估计出声源的参数.该算法首先应用平行因子四线性分解算法估计出频率矩阵和方位矩阵,然后根据频率矩阵和方位矩阵的结构特点及最小二乘方法进行声源参数的计算.该方法与传统算法相比,无需多维谱峰搜索及参数配对,并具有更高的估计精度,在工程上有一定的应用价值.计算机仿真和实验结果验证了该方法的有效性.     

基于反问题的正则化波束形成改进算法

基于反问题的正则化波束形成技术能以较高的计算效率得到稳健的声源识别结果。然而由于其正则化解中的正则化矩阵取决于低效的传统波束形成方法,使得基于反问题的正则化波束形成的声源识别结果精准度较低。为了在低信噪比环境下进一步提升其声源识别性能,基于Tikhonov正则化一般形式解提出一种双重迭代优化算法。该算法基于延时求和波束形成算法与互谱运算构造出新的正则化矩阵,并结合迭代方法对新正则化矩阵和波束输出进行优化,最终以较少的迭代步数经两次迭代运算有效提高了声源识别精度和稳定性。最后,通过数值仿真和实验算例,进一步验证了双重迭代优化算法的可行性和有效性。     

基于对偶四元数的机器人手眼标定算法研究

针对机器人手眼视觉系统中的手眼标定问题,对机械手末端执行器与摄像机之间的手眼转换关系进行了研究。对手眼标定问题中求解齐次矩阵的方法进行了归纳,建立了完整的基于运动位姿的视觉模型;利用改进对偶四元数方法分别求解了手眼齐次变换矩阵中的旋转矩阵和平移向量;为保证获得的平移向量是最优解,在求解平移向量过程中引入了无穷范数最小化,通过迭代求取了局部最优解的值;基于所考虑的求解最优,利用Matlab对平移向量算法进行了仿真研究,并将该算法标定结果与线性解耦估计算法和传统对偶四元数算法进行了比较。研究结果表明:该算法在标定精度、对噪声的鲁棒性、对运动位姿个数的敏感性和稳定性方面均优于其他两种算法,能满足手眼标定的精度要求。     

基于GPU的混合精度平方根共轭梯度算法

针对当前基于GPU的数值算法具有双精度数据性能低下的缺陷.提出了一种适于GPU统一计算架构Fermi-CUDA的混合精度平方根共轭梯度算法用以求解稀疏线性方程组.该算法采用单精度内迭代与双精度外迭代结合的方法,以充分利用GPU体系结构下单精度高性能和双精度高精度的优点.整个算法的计算部分完全在GPU端进行,减少了CPU和GPU之间的数据通信.实现了基于GPU的平方根共轭梯度法、Jacobi迭代法和Gauss-Seidel迭代法,分析它们作为内迭代算子对算法收敛性的影响.实验表明,该算法获得了与全双精度数据处理等同的计算精度,比GPU全双精度在浮点性能上提升近一倍,相对于CPU全双精度串行算法,最大加速比达到70以上.     

An extreme learning machine combined with Landweber iteration algorithm for the inverse problem of electrical capacitance tomography

The image reconstruction of the electrical capacitance tomography (ECT) is an ill-posed and sparse problem. In order to increase the accuracy and speed of the image reconstruction, this paper proposes a new reconstruction algorithm which is based on the extreme learning machine (ELM) with the Landweber iteration method. Firstly, a nonlinear mapping model is established between the pixel gray-scale values and the interelectrode capacitances by using the ELM which has a good learning ability and high speed. Secondly, the Landweber iteration method, which has a good performance in convergence and stability, is applied to calculate the output weight matrix of ELM. Finally, a convergence and stable mapping model of ELM with the Landweber iteration algorithm (L-ELM) for ECT image reconstruction is trained on Matlab platform. Both simulation and measurement tests are carried out to evaluate and analyze the proposed method. Experimental results indicate that the proposed algorithm has good generalization ability and high image reconstruction quality which are better than those of conventional ELM algorithm.     

电容层析成像图像重建中的迭代算法

电容层析成像技术中图像重建算法的准确与快速是其在工业实际中得以应用的关键。Landweber方法是一种简单、灵活的迭代算法，具有很好的正则化特性，它的投影变体能够提供非负的图像重建。Landweber算法实际应用的困难是其收敛速度太低。本文采用预处理方法来加快Landweber迭代方法的收敛速度，即通过较少的迭代次数，获得适当的重建结果。仿真实验表明，同经典的快速算法共轭梯度迭代方法相比，预处理Landweber迭代方法具有更好的重建图像质量。     

基于梯度的鲁棒多尺度微运动测量算法

将鲁棒估计方法与多尺度方法相结合,给出了一种基于梯度的鲁棒分层估计多尺度运动估计算法。在该算法中,多尺度金字塔的不同尺度层采用不同的梯度滤波器来估计运动。在金字塔的每一层都使用鲁棒估计,这能够较好地解决估计中由于运动不连续和图像亮度变化引起的界外值问题,从而进一步提高运动估计精度。实验模拟表明提出的算法在测量MEMS噪声图像运动时不但估计精度高,而且执行速度快。     

基于稳健回归分析的转子系统不平衡量识别

不平衡是造成转子系统振动过大、影响其安全运行的重要因素。传统的最小二乘算法(least squares,简称LS)在不平衡量识别过程中存在对外界干扰或异常值敏感的问题,改进的加权最小二乘算法(weighted least squares,简称WLS)虽然能够降低异常值的影响,但需要经验积累并对振动数据进行深入分析。提出一种基于稳健回归分析的转子系统不平衡量识别方法,通过构建优化的目标函数自动消除异常值的影响,得到正常状态下转子系统不平衡量的最佳估值。实验结果表明,该方法能够有效消除外界干扰和异常值的影响,准确识别出转子系统不平衡量。     

一种基于Viterbi法的改进瞬时转速估计算法

针对无转速计的瞬时转速估计问题及现有方法在抗噪、抗临近阶次和实时性方面的不足,基于Viterbi算法提出了一种改进型瞬时频率估计(instantaneous frequency estimation,简称IFE)方法,并将其应用于变转速工况下滚动轴承的瞬时转速估计。将隐马尔科夫模型中的Viterbi算法引入转频估计,分析了某一时频平面中代价函数的计算次数;根据欧几里得距离函数的性质,提出了代价函数迭代循环停止的新型判定准则。该准则的优点在于可以快速搜索时频平面,寻找到最优的局部路径,提高了IFE精度和计算速度。通过仿真信号和实验数据对该算法进行验证。结果表明:改进后算法效率明显提高,和基于峰值搜索IFE方法相比,改进的Viterbi-IFE方法具有较高的精度和稳定性。     

基于四阶累积量的测深侧扫声纳波达方向估计方法研究

针对高频测深侧扫声纳工作时会受到高斯色噪声影响的问题,提出基于四阶累积量及幅相误差自校正的波达方向估计方法。首先,计算声纳回波信号的四阶累积量,得到协方差矩阵;其次,采用加权平均算法对协方差矩阵进行降维处理,得到构造矩阵;再次,通过恢复构造矩阵的Toeplitz特性完成幅相校正,并增加相位线性拟合算法进一步提升校正效果;最后,采用求根多重信号分类(Root-MUSIC)算法求解得到波达方向估计。仿真结果表明,本文算法的角度估计均方误差相对于基于自校正的Root-MUSIC算法有约0.07°的提升,改善了四阶累积量算法在阵元幅相误差条件下估计精度下降的问题。海试数据分析表明,本文算法的相对测深精度相对于基于自校正Root-MUSIC算法有约0.03%～0.08%的提升,且在水平距离90 m范围内的满足0.75%的测深精度标准。仿真和海试数据均证明了本文算法在高斯色噪声及阵元幅相误差条件下的DOA估计性能优于传统算法。