【摘 要】
：
针对室内未知环境下的机器人定位导航问题,研究了一种基于单目视觉惯性里程计的机器人定位算法.该算法将采集到的视觉数据和惯性测量单元数据进行紧耦合处理,交给后端构建最小二乘问题,用于求解位姿估计得到实时的运动轨迹.在后端位姿估计方法中,引入信赖域优化算法,该算法具有强收敛性和稳定性.最后利用公开数据集与传统方法对比进行实验,评价了算法的实时性和定位精度,实验结果表明该算法具有更高的准确性和实时性.
【机 构】
：
北京航空航天大学电子信息工程学院,北京100089
【出 处】
：
第十四届全国信号和智能信息处理与应用学术会议
论文部分内容阅读
针对室内未知环境下的机器人定位导航问题,研究了一种基于单目视觉惯性里程计的机器人定位算法.该算法将采集到的视觉数据和惯性测量单元数据进行紧耦合处理,交给后端构建最小二乘问题,用于求解位姿估计得到实时的运动轨迹.在后端位姿估计方法中,引入信赖域优化算法,该算法具有强收敛性和稳定性.最后利用公开数据集与传统方法对比进行实验,评价了算法的实时性和定位精度,实验结果表明该算法具有更高的准确性和实时性.
其他文献
全球卫星导航系统反射信号(Global Navigation Satellite System Reflectometry,GNSS-R)接收机设计中,通常以直射信号信噪比(Signal-to-Noise Ratio,SNR)的高低作为相关通道分配的依据.然而,可以被接收机接收到的前向散射信号多来自于高度角较低的卫星,大部分有效的散射信号由于信噪比过低而被接收机滤除,导致反射信号接收机输出的互相关
随机漂移是影响MEMS陀螺仪精度的重要误差源,针对MEMS陀螺仪随机漂移误差的非线性、不确定性等特点,提出采用小波阈值去噪和小波域中值滤波两种方法对陀螺输出信号进行消噪处理,并对去噪前后的信号进行比较与分析,结果表明:两种去噪方法都能较大提高MEMS陀螺仪输出精度,利用小波域中值滤波后的信号较之小波阈值去噪后的信号更加平滑,改善了信号的零偏稳定性,但零偏和角度漂移略有上升.因此,开展小波阈值去噪和
逐渐诱偏式GNSS欺骗信号可控制目标逐渐偏离原定轨迹,具有更强的欺骗性.分析了此类欺骗信号生成器的构成,建立了欺骗信号控制量的生成模型,通过数值仿真对逐渐诱偏式欺骗信号特征进行了进一步的分析验证.
利用GNSS-R技术,同时从电磁波的极化特征以及反射率关系出发,建立了反射率厚度模型,根据反演出目标水域的反射率来判断区域内油膜厚度.并通过污油池实验采集的直反信号等数据,依据反射率厚度模型处理数据并进行了总结与分析.从污油池实验结果来看,利用反射率厚度模型可以判断探测区域的油膜厚度.
针对GPS无法使用,在无外部基础设施可依赖的环境下的行人室内定位的需求,提出了一种基于MEMS-IMU的捷联惯导解算算法.该算法基于IEZ(INS-EKF-ZUPT)框架,引入零速修正(Zero-Velocity Update,ZUPT)算法判定零速状态,利用扩展卡尔曼滤波(Extended Kalman Filter,EKF)进行状态误差估计,以修正惯性导航系统(Inertial Navigat
建立了通用性异构多无人机协同算法仿真平台,不仅可以对无人机模型、载荷模型、任务序列和可能发生的故障进行配置,还支持自定义协同算法.多机协同算法仿真步骤如下:首先,将战场任务进行分解、分配;然后,对多无人机进行航路规划,形成无人机飞行和任务指令;最后,在执行任务中对无人机飞行安全进行管控.实验结果表明,仿真平台能够有效地模拟多机任务分配、航路规划和安全管控的协同过程.
无人机以其体积小、操作方便、机动灵活而著称,在军事和民用领域得到了广泛的应用.在室外,无人机依靠GPS定位技术可以很好地获得定位信息.然而,在室内环境下,建筑物中的钢筋混凝土结构容易屏蔽室内卫星信号,GPS容易受到干扰,信号弱且不稳定,使其无法提供有效的实时准确的定位信息,极大地限制了无人机在室内环境下的应用.然而,最近几年,越来越多的无人机被用于室内反恐调查、室内救援等诸多室内场景,无人机室内定
小卫星体积小、重量轻、研制周期短、成本低、发射方式灵活,近年来在商业遥感和军事侦察等方面受到世界各国的普遍重视.在充分调研小卫星技术发展和应用现状的基础上,针对可实现于小卫星平台之上的在轨智能信息处理技术展开研究.对此项技术所涉及的在轨智能处理算法和专用芯片两项关键技术进行了深入分析讨论,并给出相应的解决方案.
为了更好地提高SAR图像中舰船目标的检测能力,提出了一种基于SAR图像混合滤波增强的Haar-like特征改进型CFAR检测算法.利用Refined Lee滤波、对数变换、离散小波变换和导向滤波对SAR图像进行预处理,去除SAR图像中存在的相干斑噪声.利用海陆分割屏蔽陆地区域的干扰,并通过基于Haar-like特征的CA-CFAR算法实现对舰船目标的检测.通过高分3卫星图像仿真,证明了提出的方法具
显著性区域提取旨在模拟人类视觉系统快速关注图像中感兴趣区域的能力,可作为图像预处理技术为后续的目标检测任务提供有价值的候选目标集,这在目标空间占比较小的图像场景中(如遥感图像)尤为重要.虽然当前以卷积网络为代表的显著性区域提取技术已取得长足进步,但仍存在诸多技术局限:(1)提取准确性有赖于大规模的训练数据,样本搜集与标注的人工代价高昂;(2)模型的训练与推理计算开销过大,不利于资源受限的嵌入式硬件