特征点集匹配策略下数据手套的姿态识别仿真

针对传统数据手套姿态识别方法准确率较低问题,提出一种特征点集匹配策略下数据手套的姿态识别方法。通过光纤传感器测量采集手套上的弯曲数据,对采集的姿态数据进行预处理,选取适合做姿态模板的二十种数据手套姿态确立姿态模板,基于特征点集匹配策略进行模板匹配,从而实现数据手套的姿态识别。为验证研究方法的有效性,设计一次仿真。得出实验结果:提出方法识别准确率更高,并具有很好的应用性能。

基于旋转曲面轮廓特征的农田地表点云配准研究

作业场景重建可为智能农机自主作业提供全局信息与局部细节,针对因农田表面缺乏高区分度的点、线、面高层结构造成的特征描述性差、点云配准精度不足的问题,提出一种基于旋转曲面轮廓特征的农田地表点云配准方法。首先,采用32线激光雷达获取农田真实地表点云数据并完成去噪、降采样等预处理;然后,采用加权线性协方差矩阵的奇异值分解确定关键点唯一局部参考坐标系,并统计关键点与旋转曲面截面交点距离信息,生成地表点云的局部特征;最后,采用基于单特征初选与局部特征精匹配原则的多级特征匹配策略进行局部特征匹配,计算旋转矩阵与平移矩阵完成点云配准。试验结果表明,旋转曲面轮廓特征与其他特征相比,平均精度增加7.5个百分点,平均召回率增加24.09个百分点;多级特征匹配策略相对于最近邻搜索策略,平均精度增加12.68个百分点,平均召回率增加18.38个百分点;本文的点云配准方法的平均平移误差为23.59dr,平均旋转误差为3.72°,配准成功率为87.5%。因此,本文提出的基于旋转曲面轮廓特征的农田地表点云配准方法适用于真实农业地表无序点云的自动配准。

基于环境信息熵的点线视觉里程计自适应优化器设计

针对即时定位与建图技术中点线视觉里程计在环境纹理发生变化时运行效率低下的问题,设计了一种基于环境信息熵的特征提取自适应优化器,以提高原有点线视觉里程计算法的效率及鲁棒性。优化器以图像信息熵作为主要影响因子,确定里程计的最优提取特征,生成包含特征提取选择的策略信息地图;对未探索区域的纹理环境进行预判性计算,与策略地图快速匹配,得到该区域的最优特征提取策略。在TUM数据集环境下测试了具有优化器的点线视觉里程计(APL-VO)的平均处理时间及建图效果。实验结果显示,与原有算法相比,具有自适应优化器的点线视觉里程计在复合环境中具有更强的鲁棒性及建图效率。