基于虚拟控制点的卫星平台颤振探测方法研究

卫星平台颤振是高分辨率卫星在轨运行普遍存在的复杂现象,是影响其几何定位和测图精度的关键因素之一,针对此问题提出了基于虚拟控制点的卫星姿态颤振探测方法.首先,基于大量虚拟控制点生成有理函数模型,然后利用该模型将虚拟控制点反投影至影像像方,计算反投影像点和虚拟像点的像方残差,从而计算得到卫星姿态的变化.利用资源三号卫星线阵影像进行实验,该方法能够成功探测出其存在0. 65 Hz姿态颤振现象,并与卫星姿态数据变化相一致,验证了方法的可行性和正确性.根据姿态颤振探测结果,采用正弦函数和样条函数补偿严格成像模型和有理函数模型因颤振引起的非线性误差,通过颤振补偿,颤振补偿后的下视传感器相对定位精度为0.9像素,绝对定位精度在平面上提升1.4 m,高程提升2m.     

有砟轨道线路精测网控制法误差研究

对有砟轨道精测网线形控制中存在的误差进行研究,分析精测网线形控制引起测站坐标轨道不平顺指标的误差大小,其误差产生来源主要包括两个方面:三维平差误差、点位变化误差.计算不同位置、不同数量的CPⅢ点发生变化时本测站、相邻测站平面坐标、高程误差,以及轨道平顺性指标受到的影响.结果表明:测站坐标误差随着CPⅢ点坐标变化量增大而...     

基于稳定点加权的GBSAR大气扰动校正方法

为解决地基合成孔径雷达变形监测中大气扰动对监测精度的影响问题,基于方位向大气扰动的相关特性,提出了一种基于稳定点加权的地基合成孔径雷达大气扰动校正新方法.该方法基于稳定像元推算大气扰动因子,利用大气扰动因子长度去除受扰动剧烈的影像,根据像元间距离加权获取非稳定像元大气扰动因子,从而校正非稳定点大气扰动,推算出变形信息.隔河岩大坝IBIS-L变形监测实验结果表明:雷达视线向大气扰动对变形的影响最大达75 mm;通过新方法校正后,大气扰动明显减小,变形监测精度提高到1 mm,且变形趋势与同期大坝垂线监测结果一致.     

基于UKF的数字轨道地图的三维线路生成方法

针对基于卫星导航系统的列车定位对数字轨道地图的实际需求, 提出了一种基于无迹卡尔曼滤波的线路估计方法, 生成线路的三维数字轨道地图; 对于铁路线路的3种平面线形(直线、缓和曲线和圆曲线), 采用以里程为参数的菲涅尔(Fresnel)积分模型统一建模; 对于纵断面的直线和曲线, 采用二次曲线模型建模; 用无迹卡尔曼滤波对模型的状态(里程、三维坐标)和参数(方位角、曲率、曲率变化率、坡度、坡度变化率)进行联合估计; 将归一化新息平方和估计距离误差作为线路分段的判断条件, 最终用分段点和几何参数完成三维线路的生成; 采用仿真的平面线路数据对比了离散点法、三次多项式法和本文Fresnel法, 利用青藏线14.7 km的实测数据进一步对Fresnel法进行了验证。仿真结果表明: 在相同的误差要求下, 3种方法的平面距离误差均值都在0.024 m以内, 但Fresnel法采用了最少的分段点, 数据约简率高达99.76%; Fresnel法的最大累积里程误差最小, 由0.964 m降低为0.060 m, 减少了93.77%;Fresnel法比三次多项式法的方位角和曲率估计精度都高, 更加接近真值; 实际数据测试结果表明Fresnel法分别采用22个和20个分段点及参数即可完成线路的平面曲线和纵断面曲线生成, 平面和纵断面曲线距离误差均值都在0.03 m以内, 累积里程误差最大只有0.078 m, 位置精度和几何精度都较高。      

柱状构筑物垂直度非接触检测方法及其精度分析

针对无明显特征点的柱状构筑物垂直度测量困难的问题,提出了一种全站仪非接触投影法.利用非接触的方法切准待测目标的外轮廓,测量其水平方向角和竖直角,依据测角度推算水平偏移量和倾斜率,并根据最小二乘原理分析了其测量精度.分析结果表明:仪器至立柱距离小于40 m,至所测断面中心的水平角小于1°时,水平偏移量中误差优于±2 mm,同时,竖直角在5~45°范围时,倾斜率测量中误差优于±0.4‰,完全满足检测精度要求.     

单轮荷载对轮轨系统变形及应力影响范围分析

根据结构动力学原理和有限元理论,建立了轮轨系统三维非线性有限元模型,用接触单元模拟轮轨实际的接触行为,计算了在不同行车速度下系统的振动特性沿轨道长度方向的变化规律.计算结果表明:系统的振动在距离轮轨接触中心点2.1m的范围内很快衰减,在2.1m之外其值变化很小;并且当速度达到350km·h-1时,系统的振动将会加剧,同时根据系统的振动情况和边界条件对计算结果的影响,建议钢轨计算长度取4.8~6m.     

全站仪RDM法与3D量测法量测隧道变形精度对比

根据测量学原理和误差传播定律,分析了全站仪自由设站对边量测(RDM)法和三维坐标(3D)量测法,建立了2种量测法的隧道变形精度分析模型,利用中误差评价隧道变形量测精度,推导了2种方法量测隧道变形的中误差计算公式,并以某三车道公路隧道为例,对2种方法的量测精度进行了对比和验证;RDM法通过三角高程测量原理和三角余弦定理得出任意点之间的水平距离、高差和斜距,根据任意测点之间的三角几何关系得到隧道变形;3D量测法从任意观测点观测若干已知点的方向和距离,通过坐标变换计算各测点坐标,根据各测点坐标得到隧道变形。分析结果表明:采用RDM法和3D量测法量测隧道拱顶下沉的精度评价公式相同,而量测隧道水平收敛的精度评价公式不同,RDM法的精度优于3D量测法,且随着全站仪到量测断面距离的增加,差值逐渐增大,当距离为100 m时,两者精度差值已增大至0.43 mm;在三车道公路隧道中,当距离为40~60m时,2种方法量测隧道水平收敛的精度均为最高,RDM法可达0.61~0.68mm,3D量测法可达0.78~0.84mm;RDM法和3D量测法量测的隧道拱顶下沉曲线平滑、圆顺,拟合度都大于0.95,而在量测隧道净空收敛方面,RDM法的曲线拟合度大于0.9,3D量测法的曲线拟合度小于0.9,因此,RDM法量测精度优于3D量测法。     

基于在线有向无环图的船舶轨迹压缩算法

为了解决船舶轨迹数据的压缩问题, 提出了一种船舶轨迹在线压缩算法; 使用多次滑动推算船位判断方法清洗船舶轨迹, 使用在线有向无环图在干净轨迹上建立压缩路径树并输出采样点; 为了提高轨迹队列和路径树在内存中的查询速度, 使用哈希表对其进行管理; 为了验证提出算法的效果, 比较了真实船舶自动识别系统数据与方向保留算法、道格拉斯-普克算法的压缩时间和误差, 采用可视化方法分析了原始轨迹、清洗轨迹和压缩轨迹。试验结果表明: 在压缩时间方面, 方向保留算法和道格拉斯-普克算法的压缩时间分别约为提出算法的1.1、1.3倍, 说明提出的算法比其他2种算法的处理时间更短; 提出的算法在压缩过程中保留了时间信息, 平均同步欧氏距离误差在任何压缩率下都能保持在10 m以下, 最大同步欧氏距离误差在压缩率为1%时仅有127 m, 而其他2种算法的平均同步欧氏距离误差和最大同步欧氏距离误差不受控制, 会随机变化; 在垂直距离误差方面, 提出的算法与道格拉斯-普克算法在压缩率不小于5%的条件下, 都能保证垂直距离误差小于20 m, 而方向保留算法的垂直距离误差会随机变化; 在显示效果方面, 提出的算法能有效清除轨迹噪声点, 压缩轨迹能够较好地代表原始轨迹的宏观交通流情况。可见, 提出的算法能更高效地保留原始轨迹的形状和时间信息。      

基于时空聚类算法的轨迹停驻点识别研究

利用手机等智能移动终端获取个体出行GPS轨迹数据,提出了一种新的时空聚类算法AT-DBSCAN识别轨迹中的停驻点.该方法以固定长度的滑窗搜索核心点,以时空邻近条件定义簇间距离,以簇密度大小规定合并次序.提出了出行次数一致性、出行起止时刻误差、停驻点时长误差、停驻点中心偏移距离4个算法验证指标,弥补了传统查全率、查准率等忽略停驻点时空信息准确性的不足.结果表明,识别的停驻点有98%的位置误差在30m以内,100%的时长误差在5min以内,98%的出行起止时刻误差在5min以内.此外,算法对于室内活动、定位飘移、路径重合程度高等复杂轨迹具有较好的泛化能力.     

基于计算机视觉的自动矫正数控系统

基于机器视觉技术,利用OpenCV计算机视觉开源库作为开发函数库,以工业相机和三轴雕刻机作为实验平台,为数控系统进行视觉矫正系统开发.首先对装夹后PCB板采集Mark点,直线检测完成后,利用角点检测对Mark点进行定位.通过霍夫变换得到世界坐标系下的直线方程,以此求取当前待加工PCB板的装夹位置和姿态.最后通过图像坐标和机械坐标的变换关系对加工位置信息进行纠偏处理.针对数控系统PCB板加工中出现的装夹误差问题,设计并开发了基于机器视觉技术的数控系统视觉矫正系统.通过实验和具体误差数据证明了本系统达到了PCB板的加工精度要求.     

多视点标定图像的交替迭代度量重建方法

提出了一种针对相机内部参数已标定的多视点图像交替迭代度量重建方法.该方法以目标空间中重建的3D点到匹配特征点的反投影线间的距离作为重建误差的测度,使误差函数形式上更简洁且具有明确的几何意义.重建过程通过对相机外部参数中的旋转矩阵、平移量和3D重建点交替迭代完成,其中平移量和3D点一起估计,避免了它们与旋转矩阵中的元素间的尺度差异引起的数值偏差.利用合成数据和真实图像的计算分析均表明本文方法有较高的重建精度,具有实用性.     

Vehicle Ego-Localization Based on Streetscape Image Database Under Blind Area of Global Positioning System

Vehicle positioning is critical for inter-vehicle communication, navigation, vehicle monitoring and tracking. They are regarded as the core technology ensuring safety in everyday-driving. This paper proposes an enhanced vehicle ego-localization method based on streetscape image database. It is most useful in the global positioning system(GPS) blind area. Firstly, a database is built by collecting streetscape images, extracting dominant color feature and detecting speeded up robust feature(SURF) points. Secondly, an image that the vehicle shoots at one point is analyzed to find a matching image in the database by dynamic programming(DP)matching. According to the image similarity, several images with higher probabilities are selected to realize coarse positioning. Finally, different weights are set to the coordinates of the shooting location with the maximum similarity and its 8 neighborhoods according to the number of matching points, and then interpolating calculation is applied to complete accurate positioning. Experimental results show that the accuracy of this study is less than 1.5 m and its running time is about 3.6 s. These are basically in line with the practical need. The described system has an advantage of low cost, high reliability and strong resistance to signal interference, so it has a better practical value as compared with visual odometry(VO) and radio frequency identification(RFID) based approach for vehicle positioning in the case of GPS not working.     

基于GNSS移动基线的列车完整性监测

为满足下一代列控系统(NGTC)采用车载设备实现列车完整性监测，尽量减少地面设备的要求，本文提出基于全球卫星导航系统(GNSS)移动基线的列车完整性监测方法.列车头部和尾部分别安装列首、列尾天线，通过星间及两天线的站间载波相位差分消除传播路径和钟差等误差的影响；实时解算移动基线长度，并将其与参考车长比较，实现列车的完整性监测.为评估所提算法性能，在京沈高铁进行实验.实验结果显示，基于移动基线的最大车长误差在0.5 m以内，相较于单点定位的最大1.3 m误差有明显提升.     

激光雷达距离成像精度改进方法

成像激光雷达是一种有源成像系统,使用脉冲激光发射器和面阵接收器产生3D距离图像,具有广范围精度和宽范围门等特性。文中通过静态弥散宽度对图像模糊的影响分析,提出了时间分辨信号分布模型和改进范围精度分析方法。通过激光雷达测距系统试验分析表明,利用该模型得到的最佳静态弥散宽度对距离成像精度有显著影响,能够在白天强背景环境下对室内和室外的10 m和1700 m目标进行距离成像。在室内成像中,当静态弥散宽度为43.4μm时获得的最优测距精度为0.06 m,在室外成像中,获得了测距误差为0.25 m的分米级3D图像。该方法能够有效地提高激光雷达成像距离和成像精度,从而提高交通流测距和测速的精度。     

GPS/BDS联合解算的列车高精度实时定位方法

为了构建智能化列车运行控制体系,针对卫星导航的铁路应用,开展了列车定位优化方法的研究;利用广播星历实时特性,借助框架转换模型为系统提供实时、准确、统一的时空参考;结合误差模型校正系统中与定位相关的误差,以降低定位解算复杂度;为了进一步优化系统定位性能,提高定位精度,提出一种基于GPS/BDS多星座联合解算的非差载波相位定位方法;利用京沈高铁实际数据进行仿真,对比了单星座定位方法和多星座定位方法的信号几何分布和定位误差;为了进一步验证提出定位方法的性能,利用同一组数据,将定位结果与传统伪距单点定位结果进行对比。试验结果表明:在测试期间,GPS和BDS单星座定位方法的可见卫星平均数分别为9.2和13.4颗,几何精度因子平均数分别为2.341 7和2.272 1;GPS/BDS多星座定位方法可见卫星平均数为22.5颗,几何精度因子平均数为1.264 6,因此,多星座定位方法能够成倍增加可见卫星数,优化卫星信号几何分布,在卫星信号连续变化条件下保证精确、连续定位;在卫星信号稳定区域内,伪距单点定位和提出的定位方法在空间三维方向上的定位均方根误差分别为5.396 1、5.569 7、2.831 2和0.976 1、0.988 8、0.861 8 m,在卫星信号受限区域内,伪距单点定位和提出的定位方法在3个方向上均方根误差分别为7.245 9、7.056 3、3.756 2和1.561 2、1.603 1、1.215 5 m,因此,相比于传统伪距单点定位,提出的定位方法能够在多个场景下获得更高的定位精度。      

低可见度环境下基于同步定位与构图的无人驾驶汽车定位算法

为在大范围低可见度环境下实现无人驾驶汽车的高精度定位，基于VINS-Mono算法的系统框架，在系统的前端与后端分别增添了RFAST弱光图像增强模块与VG融合定位模块，提出了一种融合定位算法LVG_SLAM; RFAST弱光图像增强模块采用小波变换将原始输入图像的细节信息与亮度信息分离，对于包含原始图像噪声的细节信息通过统一阈值和均值滤波2种方式实现噪声抑制，并利用双边纹理滤波算法进行细节增强，在此基础上，根据多尺度Retinex算法增强图像的对比度，提高低可见度环境下角点提取的成功率，从而保证图像跟踪的稳定性，改善定位算法的鲁棒性; 基于无迹卡尔曼滤波算法，VG融合定位模块将GNSS定位信息与惯性导航测量信息进行松耦合，融合定位结果作为约束引入VI-SLAM后端，通过联合非线性优化的方式减少累积误差对算法定位精度的影响。计算结果表明:相较于VINS-Mono算法，改进的LVG_SLAM融合定位算法在EuRoC与Kitti公开数据集上表现更加出色，均方根误差分别降低了38.76%与58.39%，运动轨迹更贴近真实轨迹; 在实际夜晚道路场景下，LVG_SLAM算法将定位误差控制在一定范围内，顺利检测到闭环使得定位表现得到大幅改善，均方根误差、平均误差、最大误差、中位数误差分别降低了79.61%、82.50%、71.31%、83.77%，与VINS-Mono算法相比，在定位精度与鲁棒性方面具有明显的优势。      

基于B样条函数的改进Harris角点检测算法

针对Harris算法中存在的角点定位不精确,高斯平滑窗口大小不易选择等问题,提出了一种改进算法,利用B样条函数来代替算法中的高斯平滑函数,可避免高斯窗口的选择,并提高角点的定位精度.通过实验对改进算法的性能进行了分析,证明改进算法能够有效提高角点定位精度.     

二维激光雷达数据角点特征的提取

为增强无人车识别行驶环境中角点特征的鲁棒性, 并提高角点特征的识别速度, 基于观测点的二变量正态概率密度映射之间的相对差值, 提出了一种角点特征提取方法; 将观测数据组映射到二变量正态概率密度空间, 获得每个观测点的映射; 对映射结果进行归一化, 消除协方差引起的数值差异; 在映射数值曲线中寻找波峰与波谷的位置, 波峰对应的观测点最接近均值点, 波谷对应的观测点最接近拐点; 利用波峰和波谷的相对高度判定该组观测数据是否符合角点特征的边长要求; 用波谷对应的原始观测数据点坐标作为角点特征, 构建环境特征地图。试验结果表明: 提取方法能够处理观测点数大于63, 观测点角度分辨率大于1°的稀疏观测数据, 在大尺寸室外环境和室内环境中, 提取方法都能够稳定识别大型角点; 对小于180个点的观测数据, 最大处理时间小于5ms, 平均处理时间小于1.9ms, 提取方法减少了构建环境特征地图的时间; 提取方法依据观测数据的二变量正态概率密度提取角点特征, 对观测误差和角点特征的尺度与形状不敏感, 能够有效提高角点特征的识别鲁棒性。      

基于机载LiDAR和Mean Shift算法提取森林密度

为获取森林密度信息,利用Mean Shift算法对森林点云进行单木分割提取森林密度信息.首先,以点云三维坐标和法向量作为特征向量,利用统计分析方法选择合适带宽及阈值,采用Mean Shift算法对点云进行初始分割;其次,对分割后的点云进行分析,加入灌木、杂草等过滤条件,得到树冠点云;然后,对树冠点云再次进行Mean Shift分割,并对每类树冠点云进行统计,以稳态点为粗略位置标记计算森林密度;最后,与地面实测数据进行验证.地面数据验证结果表明,平均计算精度达到90.0%以上,可满足林业应用需求;通过与分水岭法进行对比发现, Mean Shift方法获得的精度为92.5%,比分水岭方法70.0%高出22.5%,且避免了分水岭方法导致的过分割现象.