基于深度约束的水下稠密立体匹配

  目的  针对水下双目图像特征点稀疏、极线约束模型失效等难题,提出一种基于自适应深度约束的水下图像特征匹配(ADC-UFM)算法。  方法  结合FAST算子与SIFT描述子,提高图像匹配精度;提出基于水下折射因子的特征匹配约束模型（MCM）,有效剔除误匹配点;提出自适应阈值选取（ATC）方法,最大限度地保留复杂水下环境下的图像特征信息。  结果  实验结果显示,ADC-UFM算法优于现有的SIFT,SURF和UCC-SIFT等典型方法,匹配准确率可达85.2%,满足实时匹配需求。  结论  研究成果可为基于双目视觉系统的水下三维重建提供关键技术支撑。     

置信检验自适应联邦卡尔曼滤波及其水下机器人组合导航应用

[目的]为解决载体受到扰动时组合导航精度下降的问题,提出一种基于置信检验自适应联邦卡尔曼滤波(CC-AFKF)框架.[方法]首先,将电子罗盘(EC)、全球定位系统(GPS)与惯性导航系统(INS)相结合;其次,构建置信检验模型,有效滤除INS/GPS和INS/EC子系统中低置信度的量测值,保证量测值的准确性;最后,提出...     

GPS/INS松耦合组合导航的自适应卡尔曼滤波算法研究

  目的  为解决载体受到扰动时组合导航精度下降的问题,提出一种基于置信检验自适应联邦卡尔曼滤波（CC-AFKF）框架。  方法  首先,将电子罗盘（EC）、全球定位系统（GPS）与惯性导航系统（INS）相结合;其次,构建置信检验模型,有效滤除INS/GPS和INS/EC子系统中低置信度的量测值,保证量测值的准确性;最后,提出INS/GPS和INS/EC系统自适应调节因子策略,有效调整更新过程中系统噪声协方差。  结果  通过对具备INS/GPS/EC组合导航系统的水下机器人开展大量相关试验,结果表明,CC-AFKF算法相较于典型的卡尔曼滤波（KF）和联邦卡尔曼滤波（FKF）算法在位置和速度的融合精度上均能至少提高29%。  结论  研究成果可为松耦合组合导航系统的研究提供相应的方向和思路。