面向空间监视应用的空间目标数据库的建立

阐述了面向空间监视应用的空间目标数据库的建立技术与方法,并给出了它在空间监视的目标分类、识别应用中的样例。     

煤矿移动机器人LiDAR/IMU紧耦合SLAM方法

煤矿井下机器人同步定位与地图构建(SLAM)是当前研究热点,但针对提高激光SLAM在井下复杂条件下精度、鲁棒性的研究仍然不足;传统激光SLAM方法在井下复杂环境下存在累计误差迅速增大、旋转过程鲁棒性差、特征关联错误率高等问题;现有激光-惯性融合的定位建图紧耦合融合机制仍需进一步提高对煤矿井下复杂环境的适应能力。针对上述问题,提出了一种煤矿机器人LiDAR(激光雷达)/IMU(惯性测量单元)紧耦合SLAM方法(LI-SLAM方法)。首先利用IMU观测信息预测点云运动状态并进行有效补偿,减少由于剧烈振动、快速旋转等恶劣运动工况导致的点云畸变;然后提取雷达点云的边线与平面特征,基于点-线和点-面扫描匹配构建激光相对位姿约束,并在向量空间与流形空间解析推导了约束的残差、雅可比矩阵、协方差矩阵构建过程;最后通过构建雷达相对位姿约束因子、IMU预积分约束因子、回环检测约束因子,基于因子图优化方法完成LiDAR/IMU紧耦合,实现井下复杂环境下煤矿移动机器人的定位与地图构建。为了验证LI-SLAM方法在颠簸路面、复杂场景的精度与鲁棒性,基于煤矿轮式移动机器人平台,在野外、地下车库环境下进行了试验,在...     

LiDAR/IMU紧耦合的实时定位方法

本文以实现移动小型智能化系统的实时自主定位为目标, 针对激光里程计误差累计大, 旋转估计不稳定, 以及观测信息利用不充分等问题, 提出一种LiDAR/IMU紧耦合的实时定位方法 — Inertial-LOAM. 数据预处理部分, 对IMU数据预积分, 降低优化变量维度, 并为点云畸变校正提供参考. 提出一种基于角度图像的快速点云分割方法, 筛选结构性显著的点作为特征点, 降低点云规模, 保证激光里程计的效率; 针对地图构建部分存在的地图匹配点搜索效率低和离散点云地图的不完整性问题, 提出传感器中心的多尺度地图模型, 利用环形容器保持地图点恒定, 并结合多尺度格网保证地图模型中点的均匀分布. 数据融合部分, 提出LiDAR/IMU紧耦合的优化方法, 将IMU和LiDAR构成的预积分因子、配准因子、闭环因子插入全局因子图中, 采用基于贝叶斯树的因子图优化算法对变量节点进行增量式优化估计, 实现数据融合. 最后, 采用实测数据评估Inertial-LOAM的性能并与LeGO-LOAM, LOAM和Cartographer对比. 结果表明, Inertial-LOAM在不明显增加运算负担的前提下大幅降低连续配准误差造成的误差累计, 具有良好的实时性; 在结构性特征明显的室内环境, 定位精度达厘米级, 与对比方法持平; 在开阔的室外环境, 定位精度达分米级, 而对比方法均存在不同程度的漂移.     

基于最优化方法的地下圆柱目标定位与识别

地下管道、空洞等圆柱形目标的定位和识别是探地雷达走向实用的一个亟待解决的问题.提出了一种在频域运用最大似然估计进行圆柱目标定位和识别的方法.在一阶Born近似下建立了各孔径点处回波信号和目标的位置参数和电磁参数之间的关系,将目标的未知参数估计问题归结为全局搜索-目标函数极值的最优化问题.通过对仿真数据和实测数据的处理,结果显示该方法可以精确估计出目标的位置参数和电磁参数,有效地进行圆柱目标的定位和识别.     

基于移动机器人的室内火灾预警点探测与定位的方法研究

火灾探测技术已成为对火灾进行预防的重要手段之一,目前常用的固定式火灾探测装置不能自主的探测和定位到火警点,对火灾发生初期的预防和灭火有一定的局限性。论文针对该问题,在分析火灾探测技术的基础上,提出一种多位姿仿人鼻的火灾探测装置,并制备出样机,同时尝试将其与可移动机器人结合来实现对室内火警点的探测和定位。基于不同的烟雾情况制定出不同的探测准则,根据该准则进行路径轨迹仿真,经过仿真结果可以看到移动机器人最终定位到火警点的位置。可移动的火灾探测装置在探测和定位到火警点的过程中,若所在空间中由拐角或家具死角导致烟雾扩散有聚集死角的情况存在,会对探测和定位过程造成很大的影响,仿真实验中的移动机器人在探测和定位火警点中的轨迹可以看出死角的存在虽然影响了对火警点的探测,但最终还是能够探测和定位到火警点,其路径轨迹表现出很好的一致性和连续性。     

基于三层空间模型的地下目标成像

由于电磁波在穿越不同介质时会出现折射现象,因此在机载条件下对地下目标成像时,电磁波信号从机载雷达到达地下目标的整个路径不是直线而是折线,此时再利用常规的自由空间中合成孔径成像方法已经不能对目标进行良好成像.基于电磁波的传播规律和地层有耗媒质的特性,文章提出了电磁波传输的三层空间模型,并将其应用到机载条件下的地下目标成像,通过仿真比较,可以明显看出,使用三层空间模型后对地下目标成像效果的改善,验证了三空间模型适用于机载条件下对分层土壤中的地下目标成像.     

面向智能空间的位置感知方法研究

位置感知是智能空间中的重要技术.在分析了现有基于移动自组网的位置感知方法后,提出了一种基于多维定标(multidimensional scaling,简称MDS)的新的位置感知方法——SSOLA(smart space oriented locationawareness method),可以对智能空间中的无线通信节点进行精确定位,获得节点之间的相对位置(坐标);当有极少数位置已知的锚节点(2 维定标存在3 个以上锚节点,3 维定标存在4 个以上锚节点)时,可以得到全网所有节点的绝对位置(坐标).SSOLA 算法的设计思想是:以MDS 分析为核心,采用Euclidean 测距方法计算节点间距离矩阵,采用1 跳和2 跳局部图相结合的自适应选择机制构建局部图,各节点独立计算局部图,最终合成全局位置图.此外,SSOLA 还可以与OLSR 路由算法相融合,从整体上减轻了SSOLA 算法的执行开销,提高了定位效率.仿真实验结果表明,SSOLA 具有对锚节点依赖小、定位精度高、可扩展性好、执行速度快等优点,对原始测量误差也有较强的鲁棒性,可以应用于战术互联网、智能战场等大规模无线通信环境中.     

基于Mask RCNN的目标识别与空间定位

在机械臂的自主抓取系统研究中,为了自动获取目标物体的空间位置,采用Kinect深度传感器采集RGB图像,利用改进的深度学习算法Mask RCNN对RGB图像上的目标进行识别与分割,并通过Kinect深度传感器模型,将二维图像坐标转换成三维空间坐标,对目标物体进行三维建模,达到空间定位的目的。通过大量数据训练的Mask RCNN算法,可以同时识别多种特征差异很大的目标物体,具有广泛的应用空间。经过实验表明,获得的目标物体的三维空间坐标较为准确,且受环境影响较小,对机械臂抓取系统的研究具有较为重要的意义。     

面向室内环境的RFID定位方法分析与仿真

通过分析2种经典室内无线射频识别定位方法LANDMARC和VIRE,提出一种基于虚拟参考标签空间的定位方法。在定位区域中构建虚拟参考标签空间、实体参考标签和读写器结合的定位空间,并在采用K近邻方法进行定位坐标的计算中,引入Q-function计算每个邻居的权值,减小正态随机变量标准差带来的阴影效应。实验结果表明,该方法具有灵活的设备部署方式以及较高的定位精度。     

一种QPSO的地下浅层震源定位方法

在一些传统的震源定位算法中,震源优化时对初始震源解的要求比较高,依赖性较大,且搜索范围具有一定的局限性,很难在群波混叠严重,频谱成分复杂的大区域范围内进行震源定位寻优.针对这一问题,提出了基于量子粒子群(QPSO)算法的地下浅层震源定位方法,并通过仿真实现了该算法,评估了该算法与传统算法的优劣.实验结果表明:在–100 m×100 m×–40 m范围内,基于QPSO的浅层单目标震源定位算法的定位精度明显高于传统的基于粒子群的震源定位算法,定位精度可达0.324 m,具有重要的实际应用价值.     

稠密子图发现的视频语义挖掘方法

目前基于内容的视频语义挖掘方法并未考虑到视频的多模态特性,不能够实现对于目前海量涌现视频的自动分析处理任务。针对此问题,提出了基于稠密子图发现的视频语义挖掘方法。该方法对待处理的视频进行中文连续语音识别、视频目标识别和视频文字识别,对于识别结果进行中文分词和词性标注,保留名词和动词作为图模型的顶点,顶点之间的边权重设置为两个顶点所代表的词语的中文语义距离,根据稠密子图发现算法挖掘视频的语义信息。实验结果表明这种方法是有效的。     

基于多视角距离图象的三维物体建模及其在识别中的应用

模型的表示和构建是基于距离图象三维物体识别技术中的关键模块之一.针对已有方法存在的若干问题,提出一个新的综合多个视角距离图象的三维物体模型表示策略和增量式的模型习得算法,并将该模型表示用于三维物体识别中.实验结果验证了算法的有效性.     

形状的全尺度可视化表示与识别

目的视觉目标的形状特征表示和识别是图像领域中的重要问题。在实际应用中,视角、形变、遮挡和噪声等干扰因素造成识别精度较低,且大数据场景需要算法具有较高的学习效率。针对这些问题,本文提出一种全尺度可视化形状表示方法。方法在尺度空间的所有尺度上对形状轮廓提取形状的不变量特征,获得形状的全尺度特征。将获得的全部特征紧凑地表示为单幅彩色图像,得到形状特征的可视化表示。将表示形状特征的彩色图像输入双路卷积网络模型,完成形状分类和检索任务。结果通过对原始形状加入旋转、遮挡和噪声等不同干扰的定性实验,验证了本文方法具有旋转和缩放不变性,以及对铰接变换、遮挡和噪声等干扰的鲁棒性。在通用数据集上进行形状分类和形状检索的定量实验,所得准确率在不同数据集上均超过对比算法。在MPEG-7数据集上精度达到99.57%,对比算法的最好结果为98.84%。在铰接和射影变换数据集上皆达到100%的识别精度,而对比算法的最好结果分别为89.75%和95%。结论本文提出的全尺度可视化形状表示方法,通过一幅彩色图像紧凑地表达了全部形状信息。通过卷积模型既学习了轮廓点间的形状特征关系,又学习了不同尺度间的形状特征关系。本文方法...     

三维物体的形态图表达方法

三维物体的表达方法是计算机视觉中的关键问题之一,现有的各种三维物体表达方法虽然在各自的识别中得到应用,但都存在各自的局限性,用形态图表达三维物体是一种以视点为中心的表达方法,由于它列举了一个物体所有可能的“定性”形象,即它可使用最少的二维投影线图（特征视图）来表达一个完整的三维物体,因此使三维物体识别转化为2D与2D的匹配,该文首先定义了二维线图拓扑结构等价的判别准则,然后给出了构造透明物体形态图的方法,最后根据拓扑结构等价准则来得到不透明物体的形态图和特征图,并用圆锥与圆柱相交的实例进行了验证。     

融合李群理论与特征子空间基的图像目标跟踪

针对复杂背景下目标跟踪窗口易受噪声干扰从而产生形变与漂移的问题,本文利用群空间中仿射群组受扰动后的形不变属性,将系统状态变量映射到李群空间进行处理,同时采用增量主元分析法(IPCA)算法实时学习并更新目标特征子空间数据.所提方法在利用粒子滤波算法采样粒子时,通过引入测量向量以提高权值计算的准确性.在基于Car11等4个测试集的实验中,结果优于IVT跟踪器,本文跟踪器窗口在噪声干扰下不会产生形变,跟踪成功率达到96%,结果优于IVT跟踪器.对比Kwon跟踪器,本文跟踪方法显著降低了算法复杂度,平均执行时间有效地控制在0.32s/帧.     

一种广义霍夫变换的改进

本文提出了基于广义霍夫变换(GHT)的一种改进。通过将参考点设在形状边界上,新方法与传统方法比较,霍夫变换可以减少内存的需要。与此同时,用于寻找峰值的速度也大大提高了。从理论上说,改进后的算法对内存的需要是一个基于形状描述复杂度的函数。越是精确和高级的形状和特征描述,意味着更大的内存空间减少。最后,将改进的GHT用于物体形状识别,取得一些实验性效果。     

基于超图模型的图像目标识别

基于类属超图模型给出简单图像和复杂图像目标的识别方法。通过提取简单图像的稳健尺度不变特征变换特征,得到其对应的属性图,采用RSOM聚类树的思想和K近邻方法快速实现对简单图像的目标识别。复杂图像存在较大的背景干扰和遮挡的影响,通过滑动窗方法在待识别图像中定位待识别目标区域,并将该区域从待识别图像中分出,然后采用与简单图像识别方法类似的方法完成目标识别,减少背景干扰和遮挡的影响。仿真实验表明,2种图像目标识别方法是有效的。     

多相机环境下基于颜色不变量和熵图的目标识别

不同相机环境下的光照条件差异是影响目标识别的一个重要因素.依据光照模型推导出与环境光照无关的颜色不变量,并将其作为目标识别的特征,利用熵图估计出的特征向量的HP相似度作为相似性评价标准进行目标识别.实验结果表明,该方法对于不同相机间环境光照条件的变化具有很好的抵抗能力,目标识别率较高.     

Using natural class hierarchies in multi-class visual classification

We address the problem of computationally efficient visual classification of objects, and propose a system for solving multi-class problems in domains that have inherent hierarchic structure, such as subclass-superclass-relationships based on visual similarity. Class relationships are used at runtime to select the computationally simplest feature space that allows classification at high level of confidence for each example view. Classification accuracies can then be further improved using rank-order voting over multiple views. Our experimental results show that our system compares favorably to previously published results using a demanding benchmark. The results support the hypothesis that class hierarchies based on visual similarities are feasible and useful in controlling the accuracy vs. speed tradeoffs in classification.