基于紧耦合的视觉惯性定位方法

惯性测量单元(IMU)受自身温度、零偏、振动等因素干扰,积分时位姿容易发散,并且机器人快速移动时,单目视觉定位精度较差,为此研究了一种基于紧耦合的视觉惯性即时定位与地图构建(SLAM)方法.首先研究了视觉里程计(VO)定位问题,为减少特征点的误匹配,采用基于快速特征点提取和描述的算法(ORB)特征点的提取方法.然后构建...     

基于预积分的IMU/ODO外参估计

里程计通常被用于辅助车载GNSS/INS组合导航系统,以解决当遇到高楼、密林、隧道等信号干扰和遮蔽严重情景时导致精度下降的问题,而里程计辅助需要获取准确的里程计杆臂和安装角。鉴于此,本文提出了一种基于预积分的IMU/ODO外参估计算法,使用由里程计观测和GNSS/INS组合导航解算得到的一段时间内的里程增量差异构建代价函数,通过非线性优化器进行标定参数求解。仿真与实际测试均表明了本文标定方法的有效性,里程计观测在经过标定外参补偿后,可为车载GNSS/INS组合导航系统提供厘米级的精度辅助。     

基于精化预积分的因子图GNSS/INS松组合定位

针对扩展卡尔曼滤波假设的马尔可夫性无法追溯历史信息,并且只进行一阶泰勒展开无法获得最优状态估计的问题,引入基于精化预积分的因子图(FGO)算法。首先在预积分的理论基础上参照高精度捷联惯导力学编排方程,加入地球自转实现精化预积分,其次设计IMU精化预积分因子、GNSS PPP因子,构建GNSS/INS松组合因子图框架,最后利用非线性优化理论进行状态估计,获取滑动窗口内的全局最优解,并与EKF算法进行对比分析。实测实验结果表明,基于精化预积分的FGO松组合时,三维位置的均方根误差均在0.1 m以下;与EKF相比,使用FGO算法时三组实验数据松组合的定位精度在北方向、东方向、地方向分别提升了53.03%、52.35%、64.59%,60.14%、22.62%、50.06%,22.2%、40%、67.16%;对于导航级惯性导航系统,基于图优化算法的松组合GNSS中断60 s时,最大误差均在4.7 m以内。     

基于结构光和单CCD相机的物体表面三维测量

非接触式物体表面三维自动测量是计算机视觉领域的中心任务之一 ,围绕这个问题 ,提出了一种利用结构光 ,单 CCD相机和双定向技术实现物体表面三维自动测量的新方法。采用该方法 ,无需测定相机和结构光光截面之间的相对位置 ,在单目序列影像上就可测量出物体表面的三维坐标。     

用双矩阵法和积分方程模型估算地表的亮度温度

提出了一种估计覆盖植被的地表亮度温度模型。模型中的植被看作是不同大小和朝向的离散散射体如叶、茎、杆构成。植被层内的体散射以及植被与地表之间的多次散射采用了双矩阵法(M atrix Doub ling)计算,地表辐射采用了积分方程模型(Integral Equation M ethod)。较高频率上的模拟结果显示植被的辐射是主要的,植被对地表辐射的衰减作用较明显。模拟的亮度温度跟SGP99机载C波段以及AMSR-E的X和Ku波段实测数据相比接近一致。     

基于噪声随机模型的加权观测融合方法

信息融合技术中,在各局部传感器的有色观测噪声为一阶AR模型的情况下,可以利用观测扩增方法消除有色噪声的影响,得到最优加权观测融合方程,从而实现状态的最优滤波解.对于有色观测噪声为MA或ARMA模型的情况,观测扩增方法不再适用.提出了基于有色观测噪声随机模型级数展开的方法,求解出各局部传感器有色观测噪声的方差,并利用该方差对加权观测融合滤波器进行了构造.通过计算实例证明,该方法不仅适用于观测噪声为AR模型,同时适用于噪声MA或ARMA模型.     

基于噪声随机模型的加权观测融合方法

信息融合技术中,在各局部传感器的有色观测噪声为一阶AR模型的情况下,可以利用观测扩增方法消除有色噪声的影响,得到最优加权观测融合方程,从而实现状态的最优滤波解。对于有色观测噪声为MA或ARMA模型的情况,观测扩增方法不再适用。提出了基于有色观测噪声随机模型级数展开的方法,求解出各局部传感器有色观测噪声的方差,并利用该方差对加权观测融合滤波器进行了构造。通过计算实例证明,该方法不仅适用于观测噪声为AR模型,同时适用于噪声MA或ARMA模型。     

基于几何模型的惯性辅助PPP周跳修复与快速重新收敛

在复杂观测环境下,GNSS信号容易发生周跳和失锁现象,导致精密单点定位技术（PPP）模糊度重新初始化,影响定位精度及可靠性。本文基于PPP／SINS紧组合,提出了利用短时间内惯导递推的高精度位置信息辅助PPP周跳修复的几何模型。该模型采用原始观测值建立历元间差分方程,将周跳作为参数进行估计,而惯导提供的高精度位置作为带权的虚拟观测值参与平差解算,在固定周跳整数值后修复相位观测值,从而保持高精度的连续定位。以车载和机载两组数据分析了该方法的有效性,结果表明,引入惯性辅助能够显著加快PPP定位的重新收敛,实现周跳的准确修复。      

基于Romberg积分的线路中线测设统一坐标模型算法实现

介绍利用Romberg积分进行线路中线坐标计算的统一模型和算法流程。基于支持J2ME的手机,用程序实现Romberg积分计算线路中线上任意一点坐标的计算软件,并结合某铁路工程项目曲线坐标计算进行验算,说明软件的计算精度及有效性。     

基于打印机和视觉模型的阶调误差扩散算法的研究

提出了一种基于打印机模型和视觉模型的阶调误差扩散算法。这种基于模型的半色调方法是利用打印机的特征和人类的视觉特性使打印图像的质量达到最佳。为了保证根据阶调不同获得最优矩阵,使用基于人眼视觉模型的误差算法对半色调结果进行评价。     

单目视觉Tukey权因子模型室内位置测量

面向室内导航和定位的需求,本文提出了一种基于编码图形和单目视觉传感器相结合的室内移动载体位置测量方法。首先,优化设计了一系列用于移动载体空间位置计算的编码影像,利用轮廓匹配、矩计算和映射匹配相结合的方式实现空编图形的识别与定位。其次,针对编码图形中心像方坐标观测值提取残差,构建了基于单位权和Tukey权因子模型的空间后方交会方法,基于两种权重因子分别计算了移动载体的观测值残差权重,分析了不同残差的观测值对结果的影响程度。然后,构建了4组实验环境,从不同角度获取了观测影像,并进行了数据处理与分析。最后,通过实验验证,表明基于2种权因子模型的方法均能够实现载体位置的计算,但基于Tukey权因子方法具有更高的精度,平面精度提高了29.76%—49.42%,高程精度提高了29.17%—74.07%。本文方法能够为室内空间移动载体提供高精度的导航和定位测量服务。     

基于抗差LM的视觉惯性里程计与伪卫星混合高精度室内定位

视觉惯性里程计（VIO）和伪卫星已经广泛应用于室内环境定位中,但在实际应用中,二者各自都有明显的缺陷。视觉里程计依赖于实际场景,在景深变化明显和光照不均匀的环境下会产生粗差,而且误差会不可避免地随着时间累积,但是在相邻帧间能保证相对高精度的位姿测量。由于受到室内多径的影响,伪卫星室内定位的精度和可靠性很难保证。为增加室内定位的可靠性和稳定性,基于抗差LM非线性优化理论,本文主要研究利用视觉惯性里程计的相邻帧间高精度位姿测量和伪卫星融合的室内高精度定位技术。该算法不仅可以抵抗粗差,而且可以减弱不同传感器间权重设置不合理带来的影响。最后使用在室内环境下搭建的高精度动态捕捉设备对组合定位方法进行实验验证。试验结果表明,该方法不依赖回环即可消除视觉惯性里程计的累积误差,有效提高室内定位精度及可靠性。利用改进的LM算法融合后场景1和场景2,相对于VIO单独定位精度分别提高了59.0%和77.5%。     

基于 Markov 理论的加权非等距GM（1，1）预测优化模型

背景值的构造方法是影响加权非等距GM(1,1)预测模型的精度和适应性的关键因素。文中通过等分函数法构造新的背景值对传统的加权非等距GM(1,1)模型进行优化,优化后的模型使其同时适应于高增长指数序列和低增长指数序列,提高传统模型的预测精度和适应性能力。但是优化后的模型依然易受建模数据随机扰动影响。马尔科夫(Markov)模型具有削弱建模数据的随机扰动性的优势。基于此,将优化的加权非等距GM(1,1)模型和Markov理论有机结合,构建优化的加权非等距Markov-GM(1,1)预测模型。最后,结合秀山湖二期工程的变形实测数据,运用新陈代谢的计算模式进行预测验证。结果表明:优化的加权非等距Markov-GM(1,1)预测模型的拟合和预测精度都优于传统的加权非等距GM(1,1)预测模型,新的预测模型的适用性更强,具有实际的参考价值。     

一种基于权重相似性模型的不动产数据整合方法

为完成不动产权籍调查项目成果与不动产登记信息系统的对接,实现权籍调查成果数据的整合,综合考虑数据的海量性、多源性、异构性等特征,本文提出利用欧氏距离和相似度系数建立描述数据样本间近似程度的归一化综合指标即相似离度,根据计算出的相似性测度最大值确定关联目标,从而实现地块的落宗匹配.通过应用试验评价及算法效益分析,本文方法...     

多视觉变量与单目视觉线索组合的三维地质模型增强可视化分析

可视化与可视化分析能有效提升枯燥、抽象数据的认知能力。然而,受地表环境要素遮挡、三维地质模型的不规则几何特征等要素影响,地下局部空间视觉表征中断,难以高效感知和交互分析地质要素及要素间的空间、属性特征。因此,本文提出了一种多种视觉变量和单目视觉线索组合的三维地质模型特征信息的增强可视化分析方法,实现了三维地质模型关键信息的增强表达与定量分析,并选择重大铁路某大桥和某隧道两个区域地质单元进行了案例试验分析。结果表明,与现有三维网格类标尺可视化分析方法相比,本文方法的精度和效率分别提升了13.63%、29.32%;根据参与者的调查统计分析,可视化效果与交互体验也有较大提升,证明本文方法可以更高效地感知和分析复杂三维地质模型场景中的关键特征信息。     

应用粒子群算法的遥感信息与水稻生长模型同化技术

在研究遥感信息和水稻生长模型的同化过程中, 最小化遥感反演与生长模型(RiceGrow)输出的水稻生长 信息差值绝对值时引入了一种新的优化算法-粒子群算法(PSO), 并对比了其与模拟退火算法(SA)的优缺点; 探讨 了叶面积指数(LAI)和叶片氮积累量(LNA)分别作为同化参数时的同化效果。结果表明, PSO 无论是从同化效率还是 反演精度上都要好于SA, 粒子群优化算法是一种可靠的遥感与模型同化算法; LAI 和LNA 作为外部同化参数时各 有优势, LAI 作为同化参数可获得较准确的播期及播种量, 而LNA 作为同化参数可获得更为准确的施氮量信息。但 是LAI 作为外部同化参数时的反演结果总体要优于利用LNA 作为同化参数时的反演结果。利用试验资料对该技术 进行了测试和检验, 结果显示反演的模型初始参数的平均值与真实值的相对误差(RE)均小于2.5%, 均方根误差 (RMSE)为0.7—2.2, 产量模拟值与实测值之间的相对误差为5%左右, 模拟与实测相关指标值吻合度较高, 该同化 技术具有较好的适用性。从而为生长模型从单点扩展到区域尺度应用奠定了基础。     

贴近度的诱导有序加权平均算子最优组合模型

针对由路基沉降观测数据建立的各种沉降预测模型各有优缺点的问题,该文提出了将基于贴近度的诱导有序加权平均算子最优组合模型应用于路基沉降变形预测分析中的方法。该文将贴近度与诱导有序加权平均算子进行结合,建立基于贴近度的诱导有序加权平均算子最优组合预测模型,并用于沉降预测分析。对各模型的预测精度进行比较分析,结果显示:该组合模型效果优于单项模型的预测精度,预测相对误差小,最大误差5%;其各项误差指标也低于参与组合的各单项预测方法。     

基于钻孔数据的地层三维可视化改进算法

地层可视化是三维GIS在地学中的一个重要应用。针对矿山特性,在综合前人研究成果的基础上,给出了一种由工程钻孔数据构建三维地层模型的方法,同时改进了构建地层的三角格网生成算法,提高了三角格网的生成速度,并通过一个建模实例展示了该方法的实际建模效果。