无人机双目视觉鲁棒定位方法

无人机(unmanned aerial vehicle,UAV)在全球定位系统(global positioning system,GPS)信号拒止环境中的应用受到限制,传统视觉同步定位与建图(simultaneous localization and mapping,SLAM)技术一定程度上解决了该问题,但在动态场景和弱纹理场景中定位精度较差。针对该问题提出一种基于双目视觉的多场景鲁棒SLAM方法,重点考虑了真实环境中的动态和弱纹理2类具有挑战性的场景,利用双目相机为UAV在动态和弱纹理场景中提供位姿信息。针对动态场景利用掩膜基于区域的卷积神经网络(mask region-based convolutional neural network,Mask R-CNN)分割潜在动态内容并剔除动态特征,通过计算稠密光流同步相邻帧的掩膜,减小了掩膜的计算成本。对于弱纹理场景,在传统SLAM算法使用的点特征基础上融合了线特征,充分利用了环境中的结构特征。数值模拟和仿真实验证明了本文算法具有更高的鲁棒性和精确性。

复杂光强下无人机视觉惯性定位算法

针对复杂光照条件下视觉惯性同步定位与地图构建(VIO-SLAM)算法易发生偏移以及跟踪失败等问题,提出了一种改进的VIO-SLAM算法。首先,所提PVIO-SLAM算法对图像进行照度判别,对不同照度分别进行自适应对数校正和对比度受限的直方图均衡化(CLAHE)处理;接着,采用提出的自适应加权融合策略对预处理后的图像进行融合,同时使用预积分缩小匹配范围加速特征点匹配,引入回环校验来提高算法的鲁棒性;最后,在公共数据集上进行实验,与原算法相比,未开启回环校验时所提算法均方根误差降低35.75%,开启后均方根误差进一步降低14.96%。实际场景下的实验结果表明,所提算法的运动轨迹与真实轨迹相吻合。综上所述,提出的算法有效提升了复杂光照条件下的VIO-SLAM的精度,具有较高的鲁棒性。

基于干扰序列图的无人机定位系统电磁效应分析

无人机定位系统是无人机与外部环境进行信息交互的重要核心模块,同时也为电磁干扰信号提供了耦合路径。围绕无人机定位系统电磁效应分析展开研究,关注未采取电磁加固措施的消费级无人机,基于无人机定位系统内部结构,建立了无人机定位系统的干扰序列图,进而推导出无人机定位系统各模块的瞬态响应函数,基于干扰序列图构建了无人机定位系统物理模型,开展了定位系统电磁效应场路联合分析,仿真分析了定位系统及其敏感单元磁场强度H和磁感应强度B的分布与规律,得到了无人机定位系统的电磁效应分布特征与电磁薄弱环节。仿真结果表明:无人机定位系统电磁薄弱环节在芯片线路连接点处,且随着电磁脉冲干扰时间的增加,电磁效应持续累积且呈现趋势一致的震荡效应。

GNSS拒止环境下基于Puzzle描述符的无人机点云匹配自主定位

针对GNSS拒止环境下无人机基于点云匹配自主定位中存在的搜索时间长、误配率高等问题,提出了一种基于Puzzle描述符的二视点云全局配准算法。该算法采用改进的ScanContext点云描述符,对点云进行分割与编码,设计出新的Puzzle描述符。通过SIFT匹配和模板匹配确定预搜索区域,并利用ICP匹配实现无人机的精确定位。仿真结果表明,算法有效降低了搜索时间和误配率,且具备良好的噪声抑制能力,三维定位误差控制在±20 cm以内,单次匹配耗时小于1 s。挂飞实测数据进一步验证了算法的性能,无人机自主定位的平均误差为19.94 cm,单次匹配平均耗时0.59 s,充分满足了精度和实时性要求。

超宽带和差波束天线及其在无人机定位方面的应用

使用雷达可以进行大型目标的定位,但是对于无人机这种可以超低空飞行的小目标,使用雷达有一定困难。此外,无人机发射的信号可能跨了很宽的频带,因此定位用的天线需要是超宽带的,这同样对雷达有很高的要求。超宽带和差波束天线可以解决这些问题。和差波束天线定位依赖于和波束接收电平与差波束接收电平的差值,这通常是一个较大的值,所以和差波束天线不需要很高的增益但是分辨率很高。将和差波束与频谱分析的接收机接到一起之后组成双站系统,就可以进行无人机的定位,同时还可以确定无人机信号的频段。为了实现这个应用,设计了一个超宽带和差波束天线,该天线两个对数周期偶极子天线(LPDA)和馈电网络组成,可以覆盖1.45~5.95 GHz的带宽,零点深度低于-27 dB。

炉内受热面智能检测无人机密闭空间精准定位技术

针对当前炉内受热面智能检测无人机密闭空间精准定位过程中,所使用技术数据融合能力较差,导致无人机密闭空间精准定位误差较大、耗时较长的问题,提出新型炉内受热面智能检测无人机密闭空间精准定位技术。应用激光雷达设备,设定密闭空间无人机位姿估计算法。根据激光雷达数据特征,使用卡尔曼滤波器对无人机飞行原始数据以及采集到的软件数据进行融合处理。计算三维空间点云数据的真实尺寸,设计无人机密闭空间定位算法。构建技术应用测试环节,测试结果表明:此技术可进一步提升无人机定位精度,缩短无人机定位耗时。

基于无人机定位的智能电动升降座椅控制系统优化研究

由于传统方法受实际座椅工作环境影响,导致升降位置不精准的问题。研究基于无人机定位的智能电动升降座椅控制系统优化方法。在硬件上,采用PLC作为系统运动控制器,通过倾角调平控制单元,实时调整升降机构执行的动作。利用伺服驱动装置,为座椅提供动力。在软件上,构建座椅运动数学模型,利用双阵元干涉仪获取相位差,利用无人机定位算法获得目标位置。通过升降、调平、复位步骤,实现智能电动升降座椅优化控制。实验结果表明,该优化方法位移/时间曲线初始位置和结束位置数据均与目标位置数据一致,具有理想控制效果。

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%。

基于全局点云地图的煤矿井下无人机定位方法

即时定位与建图(SLAM)技术应用于煤矿井下无人机自主定位时,由于采用特征点构建地图,易出现退化问题,导致定位不准确,且因其以机体作为参考坐标系,无法实现全局定位。针对该问题,提出了一种基于全局点云地图的煤矿井下无人机定位方法。以Fast-LIO2算法作为激光SLAM算法,获得无人机位姿估计;采用迭代最近邻算法,对获取的激光雷达实时点云和全局点云地图进行两步匹配,实现无人机位姿校正;针对因点云数量过多导致点云匹配速度无法保证定位实时性的问题,设计了基于时间的位姿输出策略,提高了无人机位姿数据输出频率。在1000 m煤矿井下巷道中测试无人机定位方法的SLAM精度和位姿校正效果,结果表明:在长距离巷道环境中,Fast-LIO2算法的定位累计误差小于1 m,在600 m以上范围内小于0.3m,明显小于LOAM-Livox算法和LIO-Livox算法;Fast-LIO2算法输出的位姿估计经校正算法校正后,飞行路径全部位于全局点云地图中,验证了位姿校正算法有效;单次SLAM算法运行耗时14.83 ms,单次位姿校正耗时883 ms,位姿数据输出频率为10 Hz,满足无人机定位实时性要求。

基于精细无线电地图重构的无人机定位分析

阐述相对于TDOA和TOA算法,RSS算法需要更少时间准确率,可以通过已有无线设备进行定位,探讨以精细无线电地图重构为基础的无人机定位技术应用。

基于SE-Hardnet网络的无人机图像目标匹配算法

针对无人机对目标进行匹配定位过程中,面临图像旋转变化及视角尺寸过小导致的图像特征提取困难等问题,提出了一种融合候选区域检测与SE-Hardnet特征提取网络的无人机目标图像匹配算法。通过Edge Boxes算法检测候选区域,结合SE-Hardnet网络进行特征提取,实现了目标图像的精确匹配。实验结果表明,所提算法在图像发生角度、尺寸变化时,具有更高的匹配正确率和鲁棒性,在近距离条件下图片数据集中的匹配正确率比现阶段图像匹配算法高8%~11%。为无人机目标定位提供了一种可行和有效的手段。

基于即时稠密三维重构的无人机视觉定位

传统景象匹配定位方法在用于低空无人机定位时,易因低空航拍图像视场小,且与卫星图像(带有地理信息)的拍摄角度差异大而失败.本文提出了一种基于即时稠密三维重构的无人机视觉定位方法,通过将稠密三维点云与卫星图像匹配以实现无人机定位.首先根据图像序列快速估计摄像机位姿,而后使用多深度图协同去噪与优化算法生成稠密三维点云,随后通过变换观察视角由稠密三维点云生成与卫星图像拍摄视角相近的虚拟视图,最后将虚拟视图与卫星图像匹配并得到无人机的地理坐标.由于稠密三维点云包含多张图像的信息,覆盖面积大,且可变化观察视角,因此能够有效克服上述两个问题.实验证明了本文方法的有效性.

基于景象匹配的无人飞行器定位方法

无人飞行器定位技术是无人飞行器实现战场精确打击和高空侦察的保证,为了研究一种可以替代或者辅助全球定位系统进行无人飞行器定位的方法,减少无人飞行器对全球定位系统导航的依赖,构建了一种基于景象匹配的无人飞行器定位方法,并进行了仿真实验。首先,利用尺度不变特征变换算法提取无人飞行器和卫星图的特征点,并进行特征点匹配,其次,根据匹配成功的特征点位置在无人飞行器前下视场模型中计算无人飞行器飞行位置,并与飞行器预先设定好的飞行轨迹进行比对,判断飞行路径是否正确。通过仿真实验证明了该景象匹配定位方法具有较高的时效性。

基于支持向量机的无人机定位信号分离算法研究

为了解决无人机(UAV)无源定位中难以从多径干扰严重的环境中提取无人机定位信号的问题,该文提出一种基于支持向量机(SVM)的无人机定位信号分离算法,在SVM模型训练时,通过计算无人机相邻数据集之间的欧氏距离获取信息熵,为SVM映射高维空间提供模型数据。在此基础上,加入映射函数阈值软边界,使模型具有参数自适应调整能力,来适应无人机运动灵活所导致的数据差异。最后构建了观测者操作特性曲线获取无人机定位信号分离结果。仿真结果表明所提算法能够有效分离无人机定位信号与噪声,在多径干扰严重的情况下具有较高的信号分离准确率。

无人机侦察多目标实时定位技术研究

目标定位是无人机侦察系统中至关重要一步。为增强无人机侦察目标定位的实时性、提高定位精度及侦察效率,提出一种多目标实时定位的方法,建立主次目标定位几何关系及坐标转换模型,结合已知数据信息求取各目标大地坐标,并用蒙特卡洛法分析目标定位误差。最后,基于即将组网成功"北斗二代"卫星导航系统对无人机空中定位,同时采用递归最小二乘算法滤波处理,提高了目标定位精度。研究及实验结果表明,北斗导航定位能够有效提高无人机空中定位精度,且有望达到厘米级精度,同时采用RLS滤波处理能使目标定位精度提高10 m左右。该方法能够有效增强无人机定位实时性,提高定位精度及侦察效率。

一种基于多目视觉的无人机实时定位方法

提出了一种基于多目视觉的实时无人机自动定位方法。该方法将多相机和多台计算机联合组建局域网,通过相机标定、图像同步采集、背景差分与前方交会等实现无人机自动检测与定位。为了验证该方法的有效性,开发了一套无人机检测和定位的软硬件系统,试验结果表明该方法是可行、有效的,定位精度满足要求。

利用地面景象信息辅助的无人机自主定位技术

针对无人机自主定位过程中GPS定位系统失效的问题,提出了一种利用地面景象信息辅助的无人机自主定位技术,首先利用无人机所拍摄的实时航拍图像,与预先储存在无人机计算机中地面景象的数字化地形图进行匹配,从匹配结果中提取一个同名像点,结合地面景象数字化地形图所提供的数据信息获取此同名像点的地理位置坐标,根据同名像点位置与无人机位置间的几何关系,结合机载光电测量系统的坐标转换过程,实现无人机的自主定位过程;利用已知的地面同名像点的地理位置信息,反推出无人机的地理位置信息具有一定的创新性;由于整个定位过程存在实际误差,因此利用无人机飞行时记录的数据,采用蒙特卡罗法对定位误差进行仿真试验;试验结果表明该技术能够在误差允许范围内,在GPS定位系统失效的情况下完成无人机的自主定位。

基于场景图划分的无人机影像定位算法

针对大规模长序列无人机(UAV)影像定位中存在的速度慢、误差漂移等问题,结合UAV影像的特点,提出了一种基于场景图划分的UAV影像定位算法。首先,利用全球定位系统(GPS)辅助信息缩小特征匹配的空间搜索范围,从而加速同名点的提取;之后结合视觉一致性和空间一致性来构建场景图,并利用归一化割(Ncut)对其进行划分;接着,对各组场景图进行增量重建;最后,利用光束法平差(BA)融合场景图从而计算出场景的三维模型。此外,在BA阶段,所提算法对代价函数进行扩充,即加入了GPS空间约束信息。在四个UAV影像数据集上的实验结果表明,与COLMAP等多种运动恢复结构(SFM)算法相比,所提算法的定位速度提升了50%,重投影误差减小了41%,定位误差控制在0.5m之内。此外,通过有无GPS辅助下的算法的实验对比,可以得知引入相对和绝对GPS约束的BA有效解决了误差漂移问题,避免了出现歧义性结果,并且极大地减小了定位误差。

多无人机协同定位下的路径优化

利用无人机携带定位设备在空中进行辐射源目标的时差定位,可有效避免因地面布站几何因子和非视距传播带来的误差。在此场景下,针对具有定位精度保证的飞行路径最小化问题,本文推导了定位误差期望的下界,构建了最小化该下界的飞行路径优化模型,并针对该模型提出两种数值近似优化算法。在多种场景下,仿真实验对两种算法的路径优化性能进行了对比;在飞行距离受限条件下,仿真实验研究了两种算法的定位精度差异。

基于双目视觉的无人机室内定位研究

基于双目视觉测距和RSS自主定位算法,设计了一种利用地标进行辅助定位的无人机室内定位方法,并对定位系统的有效性和定位精度进行了试验仿真。首先,采用K-means聚类分析和图像的腐蚀与膨胀运算,对RGB格式图像中的地标进行识别与分割得到了地标二值图像;其次,利用统计二值图像连通域的方法求解了地标的形心坐标和最小外接矩形位置,并对地标形心的定位做了误差分析。针对SURF算法匹配误差和计算速度问题,引入图像立体校正和地标最小外接矩形确定的区域匹配约束进行改进,成功得到了地标区域的最佳匹配特征点坐标;最后,设计实验验证了测距精度,并通过对垂直距离和视差倒数的一次多项式拟合,得到了更精确的垂直坐标测量模型。仿真结果表明在模组和算法可正确识别地标的空间范围内,方法的定位误差在3 cm以内,对无人机的室内定位应用有实际意义。