基于特征点选择的农用AGV导航线提取算法

提出了一种基于特征点选择的农用AGV导航线提取算法。通过分割图像将作物等植被和土壤等背景分离,然后以分割图像中每行植被像素点的中点为特征点,依据所有特征点首先提取一条导航线,并依据这条导航线选择特征点,再根据特征点的选择结果提取新的导航线。结果表明,与人工提取的导航线特征点相比,新算法提取导航线的误差是特征点选择前提取导航线误差的74.28%。

基于凸包的非合作目标视觉导航系统特征点选择方法

非合作目标在接近的过程中,将所提取的特征点直接用于相对导航会因特征点数目过多导致计算量大。为减小相对导航的计算量,需从提取的特征点中选择一个子集用于相对导航。假设所提取的特征点在非合作目标的同平面内,将目标表面特征点选择问题转化为像平面特征点选择。同时,文中研究了视觉系统的精度因子(DOP),并利用精度因子与平面特征点构成的面积呈反比的特性,提出像平面特征点的凸包作为观测量用于相对导航。仿真表明:将同平面特征点的凸包用于相对导航,具有较高的精度,同时能够有效减少特征点数;计算凸包的时间远小于求解最优PDOP的时间,能够应用于实时计算。

基于收缩分析和平方和规划的特征点选择

对动态系统特征点选择问题进行了研究,提出了采用收缩分析和SOS规划相结合的特征点选择方法,此方法可以回避采用其他方法时因不确定参数变化引起的平衡点不规则变化问题,可以确定不确定参数的上界,使得特征点的选择具有了系统性和一定的理论依据。

基于主动特征选择的非合作航天器鲁棒视觉导航方法研究

面向非合作目标航天器近距离操作任务,针对采用自然特征的单目视觉相对位姿参数确定过程中特征提取与匹配导致的粗大误差增加导致结果不准确甚至错误,以及特征数量多增大计算量等问题,提出一种融合随机采样一致性(RANSAC)算法和主动特征选择的鲁棒视觉导航方法。用RANSAC算法剔除有粗大误差的特征点,给出了基于RANSAC的特征点选择步骤;根据不同特征点组合所计算的克拉美罗(CRLB)不同,用参数化CRLB下限选择对位姿确定精度有显著影响的点以减少参与计算的特征数量,给出了基于CRLB的特征点选择流程。仿真结果表明:综合RANSAC和CRLB的特征点选择方法可显著减少特征点数量,提高了位姿解算精度。