基于高斯金字塔的视觉里程计算法研究

针对视觉里程计常用角点提取算法因角点分布不均匀而导致运动信息偏差较大的问题,提出一种基于高斯金字塔的角点提取算法。该算法在角点提取过程中先采用高斯金字塔算法对图片进行尺度压缩,纹理丰富区域压缩纹理,纹理稀疏区域聚集纹理,得到小尺度顶图;然后采用Shi-Tomasi算法提取小尺度顶图角点特征以实现角点粗定位,最后将粗定位信息映射回细节丰富的原图进行角点精准定位,得到图片特征信息。最后,利用金字塔LK光流法追踪角点,根据相机对极几何约束模型恢复运动信息。论文采用KITTI数据集,与原Shi-Tomasi算法、Harris算法、Fast算法进行了对比实验,结果表明本算法可有效改善角点分布均匀性,提高视觉里程计运动信息恢复的精度。     

基于深度学习的四轴无人机飞行姿态估计方法

为解决传统无人机姿态估计过程中出现的精度低、实时性差、容易被干扰、模型复杂、计算量大、处理时间长等问题,研究基于深度学习的四轴无人机飞行姿态估计方法.结合多传感器数据融合技术,使用MARG传感器和光流传感器采集无人机飞行姿态数据,经小波阈值去噪算法和最大—最小标准化算法对采集到的数据进行去噪及归一化预处理后,基于GRU神经网络构建一个新的姿态估计模型.将预处理后传感器的数据输入模型中进行融合,通过模型训练输出重力矢量和地磁矢量,经无人机姿态角转换获取无人机飞行姿态.实验结果表明：基于深度学习的四轴无人机飞行姿态估算结果与实际值接近,且误差小、速度快,同时利用GRU神经网络可以融合多种传感器的数据,无需建立复杂的数学模型,即可实现无人机飞行姿态的高精度测量.     

未标定图像序列的隐式曲面重建方法

为了提高未标定图像序列三维重建得到的几何模型的质量,提出特征点检测算法,以得到更多的匹配点.其主要思想是在首帧图像指定密集的网格,在网格点附近确定最容易跟踪的特征点,利用迭代方法得到子像素精度的特征点坐标,然后用稀疏特征集的金字塔Lucas-Kanade光流跟踪算法跟踪这些特征点,再用自标定算法,重建出相对均匀和稠密的三维点云,最后利用基于径向基函数(RBF)的隐式曲面重建算法,生成目标的表面模型. 多个图像序列的重建结果表明,本方法对纹理丰富的场景能够获得较好的重建结果.     

基于遥感图像信息特征的单调递增SSDA算法

图像配准就是将不同时间、不同传感器或不同条件下对同一景物获取的两幅或多幅图像,进行比较找到该组图像中的共有景物,或是根据已知模式到另一幅图中寻找相应的模式。利用遥感图像进行目标监测需要进行图像配准处理。匹配算法如何达到高精度、高匹配正确率和实时性成为人们追求的目标。文章在传统匹配算法的基础上,提出两点改进:一是通过PCA-圆形SIFT算法提取图像特征角点,降低维数,优化计算;二是利用图像角点作为单调递增阈值序列SSDA算法匹配的基本像素点,利用遥感图像信息特征降低匹配计算量。最后进行实验仿真,结果表明,改进后的算法使得配准速度进一步提高,能够满足遥感图像配准实时性的要求。     

一种基于稀疏表达和光流的目标跟踪方法

提出一种将稀疏表达技术融入到传统光流算法的目标跟踪方法.首先使用FAST和Harris算法在视频序列的每一帧中为光流算法采集运动目标的特征点,之后光流算法基于后向跟踪-形心配准的方法对跟踪目标完成粗略定位.在当前帧的粗略定位处应用仿射变换产生N个候选区域.最后应用稀疏表达技术判断出与原始目标匹配率最高的仿射变换区域做为最终目标跟踪区域.实验结果表明,该算法既能较好地适应目标的外观变化,又具有较强的抗遮挡能力,鲁棒性强.     

基于改进蚁群算法的山区无人机路径规划方法

对无人机在山区执行应急物资运输任务时的飞行路径规划问题进行研究.基于对无人机的性能分析与比选,探讨了路径规划的约束条件,提出了一种考虑路径安全度的改进蚁群算法.首先,基于高海拔山峰的位置构造泰森多边形,获取无人机在山区避障飞行条件下的路径可行解;其次,为避开山峰密集区域,建立路径安全度约束,缩小可行解范围;进而,利用蚁群算法搜索最短路径;最后,消除路径中不必要的障碍点以进一步缩短距离,并综合考虑无人机性能参数对拐角进行平滑处理,获得最终可用于实际飞行的最优安全路径.算例分析表明,改进的蚁群算法较传统算法收敛速度更快,且生成的路径更短.     

一种基于特征点的跟踪算法

设计了一种基于特征点的图像跟踪算法．采用卡尔曼滤波器跟踪运动目标，并针对跟踪过程中的旋转及遮挡问题，提出相应策略：根据特征光流计算得到目标的旋转角度，适时地更新特征点的匹配模板，解决了旋转问题；当有局部遮挡发生时，通过模板与图像的匹配相关系数判断出被遮挡的特征点，并把这部分特征点加以滤出，而只有未遮挡特征点的跟踪结果送到卡尔曼滤波器，从而有效解决了局部遮挡问题．试验结果表明，这种跟踪算法具有跟踪精度高、鲁棒性强的特点．     

受电弓故障的车载图像识别技术

针对列车在途中因受电弓发生故障而影响运行安全的问题，提出了一种受电弓故障的车载图像识别技术，以实时检测受电弓降弓、变形与毁坏，碳滑板异常磨耗与缺口，弓角变形与缺失故障；基于更快速的区域卷积神经网络(Faster R-CNN)目标检测框架设计了弓头图像定位目标检测模型，利用残差网络代替原有卷积网络，利用特征金字塔多尺度预测结构构建了候选区域推荐网络，以精准、快速地进行弓头定位和状态检侧；基于掩码区域卷积神经网络(Mask R-CNN)实例分割框架设计了弓头图像分割模型，并针对性地重新设计了检测头的网络结构与特征图尺寸，以适应受电弓的细长弯曲特征，从而准确、快速分割弓头图像；为了在分割后的二值图中更快速地识别与定位故障，根据受电弓结构尺寸和图像分割模型输出的位置坐标，制定了弓角与碳滑板故障的快速模板匹配策略，并在此基础上编制了详细的故障检测算法与程序。研究结果表明：在相应的数据集上，弓头图像定位目标检测模型的平均检测精度为0.944,平均每帧检测时间为0.029 s,弓头图像分割模型的平均分割精度为0.967,平均每帧检测时间为0.031 s,模板匹配的检测精度为0.985,平均每帧检测时...     

多层感知器自监督在线修正的道路识别算法

为解决自主移动机器人非结构化道路识别检测准确性、鲁棒性及实时性的问题，提出一种基于感兴趣区域(Region of Interest，ROI)与多层感知器(Multi-Layer Perceptron，MLP)为核心的自监督在线修正算法.首先，通过ROI算法规定被处理图像的有效计算区域；其次，利用多层感知器对样本数据进行训练，将感兴趣区域按相应特征实现分类处理，并对分类区域进行形态学处理及特征提取处理，筛选出有效的行驶区域；最后，通过自监督在线修正算法替换错误处理结果，进一步保障道路分类识别的准确性.实验结果表明，改进算法能准确地识别出环境中的道路区域，具有良好的实时性与可靠性.     

动态环境下的移动机器人避障策略研究

近年来针对传统人工势场法(artificialpotentialfield,APF)易陷入局部最小值问题所提出的优化算法依然存在适用性不高、计算效率低等问题,基于部分优化算法的不足,笔者创新性地引入了基于采样的快速扩展随机树算法(rapidlyexploringrandomtree,RRT)在静态已知地图上预先选取数个临时目标点,避免移动机器人在使用人工势场法时陷入局部最小值区域并在动态障碍物环境中进行实时路径规划的避障策略.结果表明:该方法简单易实现,同时结合了RRT算法概率性完备、收敛性良好与APF算法计算小、实时性高等优点,能够适应动态环境变化,满足移动机器人动态避障的要求.     

智能电动车弯曲道路场景中的避障路径规划

为研究智能电动车在弯曲道路场景下进行避障规划的有效性, 提出了一种将笛卡尔坐标系转换为曲线坐标系的方法, 利用5次贝塞尔曲线对弯曲道路场景中的车道线进行逼近得到参考路径, 通过对参考路径进行弧长参数化, 以弧长为横坐标, 横向偏移为纵坐标的方法建立曲线坐标系, 根据车辆和子目标点在曲线坐标系中的位置关系, 采用3次多项式实时生成候选路径, 利用序列二次规划算法对候选路径进行优化; 为验证所提算法的有效性, 以某智能电动车为平台, 利用单目相机、64线激光雷达、工控机等设备搭建试验车, 通过Apollo平台对车辆在弯曲道路场景中的避障算法进行在线仿真, 在园区实车试验中对避障算法进行了GPS位置误差和航向角累计误差分析。研究结果表明: 在曲线坐标系中进行车辆弯曲道路场景下的避障路径规划, 能有效地描述规划路径曲率半径、车辆中心位置偏移车道线距离等信息, 容易确定自身车辆的可行驶区域、前方障碍物位置信息, 从而生成最优路径; 在园区场景的避障过程中, GPS位置误差发生在初始点、转弯点以及避障点, 最大误差为0.15 m, 航向角累计误差为12°, 突然增大的弯道位置误差主要由车辆姿态瞬时改变及障碍物匹配过程引起, 但是误差都能够很好地控制在一定范围之内, 利用曲线坐标系解决弯曲道路场景中的避障路径规划是可行的。      

基于形态分析的无人机视频车辆自动识别算法

为从广域的视角准确全面地采集连续交通流信息,针对悬停无人机视频提出了基于形态分析的车辆自动识别方法。首先,人工勾画视频帧图像的感兴趣区域,并进行灰度化处理;其次,基于感兴趣区域的Canny边缘检测结果生成亚像素级骨架图像,并对图像骨架进行分解和重构处理;然后,综合应用形态学运算(膨胀、腐蚀、填充、闭运算)和连通域形态特征(面积、矩形度、等效椭圆长轴与短轴)识别车辆目标;最后,对548帧无人机视频图像分别进行算法检测和人工识别,并计算车辆识别的正检率、重检率、漏检率和错检率。结果表明:该算法具有较高的正检率(均值95.02%),较低的重检率(均值2.20%)、漏检率(均值2.77%)和错检率(均值8.24%);同时,正检率、重检率、漏检率和错检率标准差分别为2.09%、1.67%、1.67%和2.56%,表明算法性能指标值离散程度较小、稳定性较高。     

自由飞行中冲突解脱的线性规划法

为了避免可能的冲突，任何两架飞行器之间的距离不能小于给定的安全距离，采用线性规划的方法研究了同一空间中自由飞行的几架飞机之间的冲突解脱问题。提出了两种不同的解脱方案：第一，只允许速度变化；第二，只允许航向角变化。考虑到旅客在旅途中的舒适程度，选取的目标函数要使上述改变量最小。针对两种方案分别列出了线性限制公式，从而找出最优的解脱办法，实例验证了该方法的可行性。     

径向基函数在图像修复中的应用

提出了径向基函数的图像修复算法．由用户手工标记出要修复的区域，算法自动计算修复区域的轮廓并沿法向扩张，确定合适的径向基函数重构区域，并将该区域内图像上的每个点的像素值看成高度场中该点的高度值，这样一张图像就张成了以像素值为高度的三维曲面，从而将图像修复问题转化为三维散乱数据点的曲面重建问题．该算法能正确，稳定地处理各种破损区域。     

接触网几何参数的提取与分析

针对接触网几何参数高速、动态测量的实际需要,提出一种利用改进的Harris角点检测算法对接触网的几何参数进行提取,并计算提取图像中的角点的曲率及梯度.在分析检测结果与接触网几何参数检测的特殊性后,绘制出导高变化曲线和动态拉出值曲线.利用导高的变化曲线对受流参数硬点进行分析.结果表明,该方法可以成功对该段线路内接触网的受流参数硬点进行判别.     

一种基于预处理的边界检测算法

分析了常用的轮廓跟踪算法，并指出了其缺点．针对不同连通区域的图像，提出了一种基于预处理的边界检测算法．该方法可直接从原始图像中提取边界，而不需要进行边界强度计算和阈值分类．该算法用统一的方法处理单连通域、复连通域和不连通域的各种复杂情况，避免陷入复连通域和不连通域关系的先深分析或先广分析，将其化难为易，并且其运算量小，准确率高．     

基于序列图像运动分割的车辆边界轮廓提取算法

为了准确获得图像感兴趣区中运动车辆的形状特征,提出了一种新的车辆边界轮廓提取算法.利用连续3帧图像,对包含同一运动车辆的图像感兴趣区进行光流场分割,以获取目标运动区域,通过平移运动区域的左、右边界获得正确的车辆区域及其封闭边界轮廓,通过放大运动矢量计算公式的阈值来提高其运行效率.试验结果表明:该算法可从具有复杂自然场景的图像序列中检测出完整的运动车辆边界轮廓,检测正确率在95%以上.     

基于DTW的车辆轴温监测方法

为了处理车辆轴温可能出现的跳变、缺失、噪声等异常数据,有效降低误报率,提出了基于动态时间规整算法的车辆轴温状态监测方法,将轴温历史监测数据和历史统计数据进行指数平滑预处理,在训练阶段将数据反复迭代得到不同轴温模式的参考样本,计算了实时轴温和参考样本各数据帧之间的欧氏距离,得到帧匹配距离矩阵,运用动态规划和回溯的思想,求出累积距离矩阵和动态规整路径,将动态规整距离作为2个时间序列相似度的量化指标,找出最小动态规整距离对应的轴温模式,从而得到状态监测结果。仿真结果表明:在MATLAB仿真中,输入1 000个时长为50~300min的轴温测试样本,其最大响应时间小于0.4s,共出现29次错误匹配,误报率低于3%。通过对测试样本和参考样本的各数据帧进行指数平滑处理,有效消除车辆轴温出现跳变的干扰,虽然跳变值和跳变点数量不同,但相对动态规整距离无变化,对状态监测结果无影响。可见,车辆轴温状态监测方法能够满足车辆轴温状态监测的实时性和准确度要求,减少了误报率。     

基于图像变形的全景平滑漫游算法研究

针对目前全景漫游系统在切换视点时产生跳跃感的问题,提出了一种基于图像变形的平滑漫游算法.首先采用SIFT特征提取方法对过渡图像进行特征提取,同时采用图像区域划分的方法对特征点进行筛选,建立特征点集的映射关系;然后,构造特征点集的Delaunay三角剖分,在三角剖分的基础上,计算对应三角形区域的仿射变换参数;最后,对图像进行插值和生成中间过渡图像.实验表明该方法实现了特征点集的自动对应,提高了全景漫游系统的交互性和沉浸感,算法实用、高效,对于有诸多不确定性因素的过渡图像有较好的自适应性.     

有自由面渗流分析的改进节点虚流量全域迭代法

对节点虚流量法进行了改进,严格扣除过渡区中虚流量贡献,使虚流流量的处理在理论上更严密,关键的溢出点位置计算更精细.提出在全部渗流区域的迭代算法,避免了以往算法在迭代过程抛弃虚单元、计算域网格发生变化的做法,从而使算法编程更简单,使用范围更广.算例验证了该算法的正确性和实用性.