基于无人驾驶配送实验平台的封闭园区内动态环境视觉SLAM研究

针对动态环境下SLAM算法定位信息精度不足、建图偏移严重问题,本研究基于无人驾驶配送实验平台提出一种面向封闭园区内动态环境的视觉SLAM系统。该系统以ORB＿SLAM2为框架,添加了基于人体关键点提取的行为识别线程。在输入图像ORB特征点提取的同时,通过HRNet网络进行人体关键点的提取,通过30帧图像内容进行行为识别,判断图像中人体的行为状态是否为运动,并以此为依据筛选并剔除动态特征点,最后通过静态特征点进行位姿估计。实验结果表明,在TUM数据集动态子序列下,与ORB＿SLAM2、DS＿SLAM相比,本研究所提算法在系统精度与速度上达到平衡,有效提高了位姿估计的准确性。     

基于点线特征的帧间匹配流视觉里程计研究

针对机器人快速运动时视觉里程计精度严重下降问题,提出基于点线特征的帧间匹配流视觉里程计（PL-FM）算法,以提高机器人在快速运动情形下的定位精度。PL-FM 算法通过对图像的预处理去噪,在特征点提取时引入灰度值权重,从而降低快速运动时光照的影响。将特征点匹配问题转化为向量计算,从而减少匹配时间,在帧间匹配流则采用衰减关键帧计算位姿,从而提高关键帧利用率。通过4 组实验对比,证明 PL-FM 算法误差精度提高 70%,时间效率提高 75%,保证了移动机器人的定位实时性,实现了低误匹配率及较高的定位精度。     

基于视觉和距离传感器的SLAM和导航方法的探新

SLAM(Simultaneous Localization and Mapping)被广泛应用于生成地图和机器人导航领域。基于视觉特征的SLAM是一种低成本的解决方案,且能够提取环境的丰富的特征点用于机器人导航,但是,现实世界的可视特征往往是动态的,很多基于视觉特征的SLAM方法都不能排除环境中移动物体的影响,比如:在餐厅或购物中心的行人等等。ICGM(Incremental Center of Gravity Matching)是一个通过图像队列之间特征点的几何结构互相匹配而得到稳定特征点的方法,基于ICGM的SLAM能有效地排除环境中移动物体的影响。本研究在前人研究的基础上提出了一种新的算法,利用ICGM的方法提取环境稳定的视觉特征,结合Kinect距离传感器,在高度动态环境中实现了较高精度的机器人自动导航。并通过实验检验了这种算法,实验结果显示,本方法的速度能够达到实时处理的要求,与此前研究的其它方法相比,这种方法能够达到更高的精度,所提出的SLAM和导航系统更加接近实用要求。     

基于MATLAB的动态前景目标特征提取与运动跟踪

动态前景目标识别和提取是计算机视觉领域的重要内容。对动态图像进行前景目标提取与运动跟踪,通过改进高斯混合背景模型,提出一种基于自适应特征加权的前景目标提取算法,目的是对动态画面中的图像特征进行识别并精确提取所需要的画面。根据高斯模型组合多个图像特征,针对组合特征空间的各个子空间构建似然图像,通过似然图像特征分析与加权,提取最具有差异性的特征。根据图像前景特征在图像帧与帧之间的不同,提高前景目标跟踪的鲁棒性。试验结果表明,改进算法在提取前景目标上比传统算法提高了精度,目标跟踪效果好。     

基于RGB-D的云机器人3D SLAM实验系统

针对室内环境的三维视觉同步定位与地图构建(3D VSLAM)计算量大、耗时长、硬件要求高的问题,提出了一种基于RGB-D的云机器人VSLAM实验平台。采用Kinect传感器,获取环境的RGB图像和深度信息,采用金字塔Lucas-Kanade算法实现帧间FAST特征点的快速追踪与匹配,运用RANSAC算法进行初始配准,提取关键帧。借助于云计算动态供给、弹性计算的优势,将VSLAM中计算消耗大的精确配准、闭环检测和全局优化处理过程卸载至云端进行,以减轻本地处理器的运算负担。实验结果表明,该方法能够有效地减轻VSLAM对硬件的依赖度,缩短SLAM的执行时间并提高构图精度,为云机器人以较低的成本实现先进SLAM算法提供了有效的解决途径。     

基于结构光的特征点提取方法研究

特征提取是基于视觉定位的关键,只有选择合适的特征及特征提取方法才能确保定位精度。选取结构简单、成本低且易实现的单目视觉定位技术作为研究对象,以屋顶上的结构光电作为观测数据来源。为得到耗时少、提取数目满足定位需求的特征点提取算法,对Moravec、Harris、Harris-Laplace、SUSAN、DoG、FAST等6种特征点提取方法进行比较,选出合适该环境下的特征点提取方法。实验表明,在提取结构光环境下,FAST特征点提取耗时优于其它算法,并且提取数目满足定位所需点数目。     

基于半直接视觉里程计的SLAM稠密重建

针对特征法视觉同步定位与地图构建(simultaneous localization and mapping,SLAM)耗时久、纹理缺失场景易跟踪失败而只能重建稀疏点云的问题,提出一种基于半直接视觉里程计的SLAM稠密重建算法.该算法以ORB-SLAM2框架为基础,视觉里程计采用直接法最小化光度误差求解相机初始位姿,采...     

一种基于改进变分贝叶斯滤波的鲁棒SLAM定位方法（英文）

针对非高斯分布的测量噪声、野值点或未知时变的噪声统计特性导致SLAM定位方法的量测更新中状态估计不正确甚至不收敛的问题,提出一种基于改进变分贝叶斯滤波的鲁棒SLAM定位方法.首先,利用变分贝叶斯自适应滤波算法对时变的测量噪声协方差进行估计.然后,通过重加权平均构建的权重函数对估计的协方差矩阵进行鲁棒化处理.最后,对系统状态更新进行多次迭代,逐步修正其估计误差.同时,为了观测到不同深度的特征点,构建了包含深度参数的特征测量模型.实验结果表明,当量测噪声不服从高斯分布且量测信息中有野值点时,与基于变分贝叶斯自适应卡尔曼滤波的SLAM方法相比,所提方法的定位精度分别提高了17.23%、20.46%和17.76%,说明该方法对环境干扰具有更好的适用性和鲁棒性.     

单目视觉惯性的同时定位与地图构建综述

在机器人领域,同时定位与地图构建（SLAM）是导航定位的关键技术。单目视觉传感器由于结构简单、成本低且能获取丰富的视觉信息,被广泛应用于 SLAM。随着无人机、AR 设备以及自动驾驶汽车技术的快速发展,视觉惯性 SLAM（VI-SLAM）技术得到了越来越多人的关注。针对 VI-SLAM,从滤波与非线性优化的角度出发,首先介绍相关算法理论框架,然后分析几种具有代表性的单目 VI-SLAM 算法创新点及实现方案,并通过 EuRoC MAV 数据集评估各算法优劣,最后结合深度学习与语义 SLAM,对 SLAM 未来发展趋势进行探讨。     

基于图像边缘信息的视觉密码零水印算法

为了降低脏点像素对提取水印信息的影响,提高水印的鲁棒性,提出基于图像边缘信息的视觉密码零水印算法。该算法首先对图像进行分块奇异值变换（SVD）,然后提取每块中的最大奇异值,得到原图像的缩略图,再利用梯度求出缩略图的边缘信息。最后,对水印图像作（2,2）视觉密码分解,结合分解得到的影子图像和边缘信息生成版权信息,将其保存到认证中心。实验结果表明,该算法对常规图像处理和裁剪攻击具有较强的鲁棒性。     

基于特征点的最近邻配准算法

利用尺度不变特征点的提取方法提取特征点,并对SIFT方法提取出的特征点用最近邻算法进行配准,在搜索最近邻特征点和次近邻特征点时使用了在K-D树搜索算法基础上进行改进的搜索算法BBF(Best Bin First)算法.实验证明该算法具有配准精度高,鲁棒性好的特点.     

基于注意力和梯度残差密集块的图像融合

本文提出了一种基于坐标注意力机制和梯度残差密集块的融合算法,利用普通卷积提取源图像的浅层特征,使用梯度残差密集块模块提取源图像深层特征和细粒度细节特征;使用坐标注意力模块捕获特征图中空间位置之间的远程依赖关系重,将融合后的特征利用解码器重建融合图像。实验结果说明本文提出的融合算法具有较好的融合性能。     

脉冲耦合神经网络纹理检索系统研究

脉冲耦合神经网络用于图像检索时,具有平移、旋转、尺度、扭曲等不变性,同时对噪声还具有很好的鲁棒性．本文提出了一种改进的脉冲耦合神经网络图像纹理检索算法,该算法将脉冲耦合神经网络和离散余弦变换相结合．首先将脉冲耦合神经网络输出的二值图像序列进行离散余弦变换,然后选择不同的特征提取方法提取纹理图像的关键特征,最后利用欧氏距离分类器对图像进行识别,基于Brodatz纹理图像库的实验结果证明了该算法的有效性。     

基于图像综合特征的零水印算法

在Chen和Chang提出的零水印算法基础上,结合人眼的视觉感知特征与图像综合特征,提出了一种基于图像综合特征的零水印算法。本算法利用均值法得到原图像的低尺度近似图像,根据人眼视觉系统(HVS)的感知特性获取低尺度近似图像的综合特征。通过对比Chen、Chang和本文算法在不同类型信号处理攻击下的性能,得出本文算法在各种信号处理攻击下具有良好的鲁棒性,并通过仿真实验结果验证了本文算法的性能。     

基于KITTI数据集的无人车单目惯性SLAM算法评估

针对无人驾驶车辆在卫星信号缺失等特殊环境下的定位失败问题,通过分析视觉SLAM技术存在的问题及其在无人车领域的应用情况,以无人驾驶算法测试数据集KITTI作为数据源,进行了同步定位与建图(SLAM)算法评估.以主流视觉SLAM算法VINS-Fusion为测评对象,采用绝对位姿误差(APE)和运行时间作为评价指标,实现了...     

平行双目立体视觉的极线校正方法

平行双目立体视觉技术中,极线几何讨论的是2个摄像机图像平面关系的概念,但在实践中,由于组装、成像等影响,极线间并不是平行的,需要进行校正。在基于对极几何的视觉定位系统中采用改进的八点算法对基础矩阵进行求解,利用基于棋盘格标定板角点和基于任意背景图像角点的方法进行基础矩阵的精度恢复。结果表明:该算法可以有效提高视觉定位系统的定位精度性能,降低定位误差。     

十字激光图像的亚像素中心检测算法研究

激光光斑中心的精确定位是机器视觉检测领域的关键技术。本文就双摄像头获取的十字激光图像进行光斑中心检测。首先,根据激光光斑亮度高的特点,以最大类间方差法对激光图像进行二值化处理,既可以简化后续处理、提高实时性,又可以排除背景中的各种干扰因素。然后分别检测两条激光中心线点群作为直线拟合的样本点,并采用最小二乘算法拟合两条激光线得到激光光斑中心的亚像素级定位。最后,对得到的激光光斑中心进行分析,去除由于物体表面不光滑等因素产生的干扰线对检测结果的影响。实验结果表明该算法能够满足实时性需求,鲁棒性好,定位精度高。     

航摄影像特征点提取算法研究

随着无人机在测绘领域的广泛应用,航摄影像处理已成为国内外关注的热点。为寻求更适合航摄影像特征点提取的算法,对目前国内外几种常用特征点提取算法进行对比分析,结果表明,Moravec算子相较于其它算子,原理最为简单,但图像处理效果不佳。为此,利用C#工具实现Moravec算子,并通过图像处理实验,从计算速度、提取质量、定位精度、抗噪能力等方面对其进行全面分析,得出该算子在提取质量、定位精度与抗噪能力等方面均性能较差,该结论为今后对其优化改进提供了明确的研究方向。     

基于视觉的四旋翼室内悬停与定位控制

为使四旋翼飞行器具有更好的室内定点悬停效果及定位精度,提出一种基于视觉辅助与四旋翼飞行器惯性传感器数据融合的控制算法。利用机体下视摄像机获得光流航速信息,与惯性传感器姿态信息数据融合实现良好的室内悬停效果。机体前视摄像机通过ORB算法将当前帧与关键帧进行特征点匹配,以提高四旋翼飞行器的室内定位精度。将PARROT公司的ARDrone 2.0四旋翼飞行器作为实验平台, 采用OpenCV软件对图像进行处理,对控制算法进行验证,结果表明：基于光流和惯性传感器姿态数据的融合确保了四旋翼飞行器控制的安全性,提高了飞行器悬停效果和定位精度。     

基于小波域抗几何攻击的盲检彩色水印算法

提出了一种基于SIFT（尺度特征变换）特征点校正几何参数的小波域盲检彩色图像水印算法。该算法利用彩色图像RGB提取特征点,估计几何参数校正几何攻击的彩色图像,从而提取受攻击的水印信息。利用Matlab6.5实验平台实现算法,实验结果表明该算法对几何攻击具有较好的透明性和鲁棒性。