基于改进LSTM网络的无人机MEMS-IMU零偏在线标定方法

针对在卫星信号拒止、视觉系统退化场景中无人机MEMS-IMU零偏无法准确估计并补偿导致导航误差迅速发散的问题,提出一种基于改进长短时记忆(LSTM)网络的零偏在线标定方法。首先,为解决MEMS-IMU零偏数据非线性强、传统循环时间网络训练效果差的问题,设计序列到序列的LSTM神经网络结构,引入教师强迫机制,提高了网络特征学习能力。然后,在导航过程中使用训练后的网络对MEMS-IMU零偏在线标定,补偿后的IMU量测与视觉信息联合优化,保证了导航定位精度。实验结果表明,在纯惯性导航实验中,所提方法的绝对位置误差比传统LSTM方法减小了6.5%;在EUROC数据集下进行的视觉惯性组合导航实验中,所提方法的平均绝对位置误差比传统LSTM方法减小了15%。

一种室内环境下点线特征综合的RGB-D VO算法

针对弱纹理场景下点特征提取不足影响同步定位与建图(SLAM)算法定位精度的问题,提出了一种室内环境下点线特征综合的RGB-D视觉里程计(VO)算法。通过跟踪深度信息计算垂直主导方向,基于曼哈顿假设使用线特征来加权搜索两个水平自由度,提取并优化曼哈顿坐标系;综合场景的结构规律,与点线特征的重投影误差进行联合优化,同时在位姿估计和局部地图优化中对残差引入自适应权重,提高位姿估计精度。实验结果表明,所提算法在ICL-NUIM数据集中的绝对轨迹均方根误差相比于ORB-SLAM2和MSC-VO分别平均减少62.93%、37.04%,与Planar-SLAM和Manhattan-SLAM精度相当;在TUM数据集中相比于ORB-SLAM2、Planar-SLAM、MSC-VO和Manhattan-SLAM,绝对轨迹均方根误差分别平均减小21.43%、54.40%、35.08%和26.94%;在TAMU数据集中相比于ORB-SLAM2,回环漂移平均减小43.34%。

基于点线的视觉惯性导航系统初始化方法

视觉惯性导航系统在初始化阶段解算出系统初始位姿、惯性测量单元(IMU)零偏以及单目尺度因子,能极大程度上保证系统收敛。为解决视觉惯性导航系统在点特征缺失环境下初始化效果差甚至失败的问题,提出了一种基于点线的视觉惯性导航系统初始化方法。首先,通过几何方法在滑动窗口内构造了一个基于点线的结构,该结构相比于点结构具有更丰富的先验信息;其次,使用从运动中恢复结构(Sf M)的方法,恢复点线结构的运动状态;最后,以松组合的形式对齐结构的运动状态以及IMU预积分结果,求解出IMU零偏、重力加速度、速度和尺度因子等初始量。实验结果表明:在点特征缺失的公共数据集上,相较于基于点特征的初始化方法,所提方法的均方根定位误差减少6%,初始误差显著降低,同时具有更好的建图结果。

平坦地形条件下改进RPF的TAN方法

针对地形辅助导航系统中递归地形匹配方法在平坦地形条件下位置估计鲁棒性差的问题,提出了一种基于集合卡尔曼滤波和正则化粒子滤波(RPF)的地形匹配方法。首先分别以航行器的水平位置分量和多波束声纳的高程测量值作为地形匹配系统的状态量和观测量,然后采用基于投影的方案补偿航行器姿态变化导致的测深误差,最后利用集合卡尔曼滤波器更新RPF中的条件建议分布以实现递归地形匹配。通过船载湖试数据评估了改进RPF在不同初始匹配位置误差条件下的地形匹配跟踪性能,结果表明:所提地形匹配滤波器能始终保持有界的定位误差,位置跟踪精度和置信区间估计性能较高,在10 m分辨率的先验数字地形图中地形匹配误差均值小于2个网格。

基于惯性/仿生视觉/激光雷达的智能感知无人系统

针对当前缺乏对集成自主导航、目标探测、环境感知技术为一体的无人系统的研究,提出一种基于惯性/仿生视觉/激光雷达的智能感知无人系统,将基于仿生偏振视觉/惯性/激光雷达的组合导航技术、基于YOLOv7的目标探测与环境感知技术应用在无人系统上,一方面可避免战时卫星导航易被反侦察与干扰的问题,提高无人系统在复杂环境下(野外环境与封闭未知环境)的隐蔽性与自主导航能力,增强组合导航系统的稳定性与鲁棒性;另一方面针对复杂环境利用视觉相机进行智能感知,提高无人系统的目标探测以及自主避障能力。利用搭建的无人系统进行实验验证。结果表明,该方法可以实现无人系统的自主导航以及目标识别功能。与传统方法相比,提高了自主避障能力。其导航精度在野外环境下误差在1°以内。

基于改进YOLO V5的无人机航拍图像小目标检测方法

针对无人机航拍目标检测技术中目标聚集、目标较小及实时性差等问题,对YOLO V5的主干架构进行改进,简化Neck网络,提出了一种既能提高检测速度又能准确识别的无人机航拍图像检测技术方案。经过仿真实验测试,改进后的YOLO V5网络在保持识别精度的同时,检测速率提升了31%,满足无人机在航拍作业时对于准确性与实时性的要求。

基于海洋遥感图像的无人艇路径覆盖规划算法

遥感技术和无人艇的结合在海洋覆盖应用中具有巨大的潜力,提出了一种基于海洋遥感图像的无人艇路径覆盖方法。首先,为了建立精确的地图模型,提出了一种基于改进YOLO V3的旋转目标检测算法,在YOLO V3的基础上,细化障碍物的轴向、长度、宽度和坐标信息,在不增加计算量的情况下提高复杂场景下障碍物检测的召回率。然后,为了获得高效的覆盖路径,提出了一种基于旋转光束和贪心算法的路径覆盖算法。该算法将完整路径分为直行路径和转弯路径,分别基于长度与避障目标优化覆盖路径。仿真结果表明,较基于栅格地图的神经元激励算法,所提出算法在长度上平均减少了9.3%,并且在2种极端海洋环境中实现路径覆盖率为100%,重复率小于2.1%。

基于深度学习与特征点速度约束的室内动态SLAM方法

针对动态环境下同时定位与建图(SLAM)算法定位信息不准确、建图偏移严重的问题,提出一种深度学习与特征点速度约束相结合的室内动态SLAM方法。引入基于深度学习的潜在动态目标检测线程与基于ORB-LK光流金字塔的特征点速度计算线程。首先,通过YOLO_v5算法对场景中潜在的动态目标进行识别判断,提供先验信息;然后,利用ORB-LK光流金字塔算法计算图像中特征点的相对速度,根据特征点速度约束判断潜在动态目标区域的真实动态性,更加合理地剔除动态特征点,提高视觉SLAM系统在室内动态环境下的定位精度和鲁棒性。实验结果表明,在TUM数据集中动态子序列下与ORB-SLAM2、Detect-SLAM、DS-SLAM相比,绝对轨迹均方根误差分别平均减少94.74%、51.95%、43.61%。

事件星敏感器自适应积分时间曲面算法

针对传统星敏感器在高动态环境下恒星成像模糊而造成的姿态跟踪失效的问题,提出了一种事件星敏感器自适应积分时间曲面算法,以获得高动态环境下清晰的星点成像。首先,基于事件流噪声特性,构建时空滤波器去除噪声。其次,设计了基于椭圆函数特征参数拟合方法,对虚拟帧内星点进行特征拟合,根据星点的几何形状特征进行积分时间的在线调节。最后,设计了多种动态环境实验。实验结果表明,所提算法可以构建出清晰的星点图像,在高动态环境下消除星点运动模糊。在角速度20°/s、线速度400 mm/s高动态环境下,与常用事件流积分方法相比,星对角距误差分别降低了77.9%和70.7%。

核磁共振陀螺仪分析及发展方向

论述了核磁共振陀螺仪的基本原理,跟踪了国际上几种核磁共振陀螺仪,重点讨论了最有前景的低温超导核磁共振陀螺仪。随着低温和超导量子干涉仪与核磁共振技术的结合,将突破核磁共振陀螺仪的微弱信号提取等关键技术难点,指出了低温超导核磁共振陀螺仪是核磁共振陀螺仪的发展方向,其精度高,寿命长等优点将带来可观的前景。

流动注射在线液－液萃取循环雾化ICP发射光谱法测定水中痕量重金属

叙述了流动注射在线液－液萃取循环雾化ＩＣＰ摄谱法测定水样中痕量镉、钴、铜、铁、钼、镍、钒等重金属的分析方法，采用ＡＰＤＣ为螯合剂将待测元素萃取在ＭＩＢＫ中，直接注入可拆式循环雾化系统进行ＩＣＰ摄谱法测定。方法简便、快速，适合于水样中μｇ·Ｌ￣（－１）级重金属元素测定。

箭载SINS杆臂效应频域处理方法

运载火箭在外场工作条件下,存在晃动等干扰,箭体的杆臂长度达数十米,杆臂效应会造成较大的对准误差。为解决运载火箭在晃动基座和大杆臂效应环境下的对准问题,引入了惯性系初始自对准方法,采用FIR和IIR低通滤波方法在频域内对杆臂效应进行处理,滤除杆臂干扰加速度信息,保留SINS中舒拉周期和地球自转周期等低频有用信号。在相同设计指标下,IIR滤波器比FIR滤波器阶数低,所需存储单元少。仿真结果表明,两种滤波器均可以有效处理杆臂干扰加速度信息,实现精确对准;采用FIR滤波器时延达到一分钟,而采用IIR滤波器对准速度快,工程上更为实用。

捷联惯导系统的可观测性和可观测度研究

可观测性和可观测度分析是确定动态系统卡尔曼滤波效果的重要环节．本文首次提出了一种时变动态系统可观测性矩阵的奇异值分解分析方法，应用于捷联惯导系统初始对准过程中系统状态的可观测度分析取得显著效果，该方法为初始对准中载体最佳机动方案选择提供了依据．计算机仿真结果表明了该方法的有效性．

捷联惯导系统初始对准中Kalman参数优化方法

针对Kalman滤波器在捷联惯导系统(SINS)初始对准中的应用,系统分析了Kalman滤波器参数(包括估计误差协方差阵初值P0,模型噪声方差阵Q和量测噪声方差阵R)选取对系统状态变量的估计精度和收敛速度的影响。采用协方差性能分析法,进行了Kalman滤波器参数优化仿真,仿真结果表明:调整P0的取值可改变状态变量估计的收敛速度,调整Q或R的取值,既可改变状态变量(尤其是陀螺误差)的收敛速度又可改变它们的估计精度。综合考虑时,P0的取值要比真实值大一些,Q和R的取值要比真实值小一些,这样既可缩短陀螺误差和加速度计偏置误差的估计时间,又可提高它们的估计精度。文中还给出了使滤波器正常可靠工作的P0、Q和R参数的范围。

基于PF的SINS动基座初始对准

捷联惯性导航系统大方位失准角的误差模型是非线性的,传统的扩展卡尔曼滤波(Extended Kalman Filter,EKF)会产生线性化误差,影响初始对准精度。在给出捷联惯性导航系统动基座大方位失准角误差模型的基础上,推导了粒子滤波方法(Particle Filter,PF),并将扩展卡尔曼滤波、基于Scaled-Unscented变换的Unscented卡尔曼滤波(Unscented Kalman filter,UKF)和基于Residual重采样的粒子滤波用于捷联惯性导航系统的初始对准中,分别进行了加速和拐弯条件下的初始对准实验仿真。仿真结果表明,在大失准角情况下,粒子滤波相对于扩展卡尔曼滤波和Unscented卡尔曼滤波具有更高的对准精度和更快的收敛速度。

分布式系统中捷联惯性系统动基座对准研究

为解决舰载捷联系统动基座对准中甲板挠曲变形及惯性组件箱(IMU)的安装误差对初始对准精度的影响,建立了捷联惯性系统误差模型、甲板挠曲变形模型、IMU 安装误差模型,并利用速度加姿态角匹配方法,建立了量测误差模型。在此基础上利用状态扩展法建立 Kalman滤波器,并进行了仿真。仿真结果表明,在舰船有摇摆的情况下,可以有效地估计 IMU 安装误差角和甲板挠曲变形误差角。

捷联惯性系统初始对准中IMU安装误差及陀螺漂移的估计与补偿

为尽可能消除IMU安装误差和陀螺漂移对系统精度的影响,运用主从惯导传递对准技术,采用扩展状态滤波器和速度/姿态角组合匹配的方法,估计出IMU安装误差和陀螺漂移误差,并对系统进行补偿。仿真结果表明,补偿了安装误差和陀螺漂移后,捷联惯性系统的导航参数精度可提高1个数量级以上。

船用捷联惯导系统在系泊状态下的快速初始对准方法

建立了捷联惯导系统（SINS）的误差模型，并利用PWCS理论对系统模型进行了可观测性分析。在可观测性分析的基础上提出了一种快速估计方位失准角ψυ的方法，从而大大缩短了系泊状态下初始对准时间，提高了对准速度。最后，通过计算机仿真证明了该方法的有效性。

基于运动平滑性与RANSAC优化的图像特征匹配算法

针对视觉导航中现有的特征匹配算法召回率低、耗时长的问题,提出一种基于运动平滑性与RANSAC算法结合的图像特征匹配算法。首先将图像网格化,通过运动平滑性约束处理,找出误匹配率低的图像网格区域;然后,利用RANSAC算法计算出图像间近似的单应矩阵;最后,利用单应矩阵对初次匹配结果进行筛选,得到优化后的匹配结果。实验结果表明:所提出的算法在不同类型的图像匹配中,召回率平均提升了7.5%,F值平均提升了5.4%;相比较于传统RANSAC算法,运算时间平均减少了27.8%,适用于一些对实时性要求较高的场景。

微创内固定系统治疗股骨远端骨折患者疗效观察及对血清标志物的影响

目的:探讨微创内固定系统治疗股骨远端骨折患者的疗效及对血清标志物的影响。方法:将本院收治的股骨远端骨折患者120例纳入研究对象,根据内固定材料不同将入组患者分为观察组和对照组各60例,观察组接受微创内固定系统治疗,对照组接受股骨髁钢板内固定治疗。比较两组的手术情况、关节功能以及血清学指标。结果:观察组手术时间、术中出血量、影像学完全愈合时间、完全负重下地时间均明显低于对照组,Harris评分、HSS评分均高于对照组,促肾上腺皮质激素(ACTH)、肾上腺素(E)、去甲肾上腺素(NE)、白细胞介素1(IL-1)及术后不同时点肌酸磷酸酶(CK)、肌红蛋白(Myo)、超C反应蛋白(h-CRP)水平均明显低于对照组,差异均具有统计学意义(P<0.05)。结论:微创内固定系统治疗有助于减小手术创伤及软组织损伤,缓解炎症应激反应,促进术后骨折愈合,改善关节功能。