基于特征线段匹配的救援机器人建图方法

针对救援机器人的环境识别及其建图(SLAM)问题,提出了一种基于特征线段匹配的方法。通过激光雷达获取环境信息,采用特征线段提取匹配的方法提高了系统运行速度,在救援机器人移动过程中,系统能够及时、准确地进行全局地图更新。在救援环境中,利用救援机器人进行环境识别及建图,实验结果表明:采用基于特征线段匹配方法实现建图,能够得到较完整的环境地图,其方法具有很好的实用性。

基于特征线段综合的图案元素生成

对于美术图案智能生成系统 ,其元素的获取、绘制及录入一直是一个瓶颈问题 ,为此提出了一种应用综合推理的思想来生成新的图案元素的方法 .这种方法可以直接从已有图案元素的形象信息出发 ,根据一定的特征要求 ,迅速综合生成新的图案元素或原元素的多种变化形态 ,因而大大丰富了图案元素库 ,并在一定程度上缓解了元素获取。

最短特征线段多分类器系统设计

为提高多分类器系统分类的性能,设计了一种使用最短特征线段分类器的多分类器系统。依据最短特征线段分类算法工作机理,利用特征线段长度表征样本隶属于各个类别的可能性,即模糊隶属度,对成员分类器输出形式完成由摘要级至度量级的重新建模,更多地保留输出细节以减少信息损失,进而利用基于模糊的证据融合规则实现成员分类器的度量级融合,通过隶属度到mass函数的转换,利用模糊-证据融合规则实现多分类器系统的构造,进一步提高了多分类器系统分类性能。采用人工数据集和UCI数据集设计了对比实验,实验表明,与其他邻域型分类器构造的多分类器系统相比,新多分类器系统能有效提升分类正确率。

基于特征线段的图像快速拼接算法

在讨论图像拼接的模板匹配法的基础上,针对计算量太大的问题,提出了一种提高效率的改进算法。选取四条特征线段做为模板,并利用相邻图像之间的颜色信息进行图像拼接。试验结果表明,改进算法不但降低了计算复杂度,还很好的保证了拼接质量。

基于线段特征匹配的EKF-SLAM算法

针对EKF-SLAM算法在机器人被"绑架"时失效的问题,提出一种新的基于线段特征匹配的EKF-SLAM算法——EKFLineSLAM算法。该算法在线段特征观测模型和改进的基于逐点搜索的线段提取算法的基础上,将线段特征匹配引入EKF-SLAM算法,并对线段长度和姿态角进行EKF更新,创建环境的线段特征地图。在未知室内结构化环境中,将该算法与弱匹配EKFLineSLAM算法进行比较,验证了EKFLineSLAM算法在结构化环境中克服机器人"绑架"问题的可行性和有效性。

基于特征线段分析的建筑物面识别方法

将建筑物划分为单个的建筑物面进行处理可以有效降低街景图像理解的复杂度.因此,文中提出一种基于建筑物特征线段累积的动态规划方法用于检测街景图像中各个建筑物面的信息.该方法结合系统工程分析问题的方法,根据图像建筑物区域直线特征丰富的特点,分析不同朝向类型的建筑物面中水平直线段透视投影后的变化,建立相应的特征累积数学模型量化建筑物区域蕴含的直线段特征,并给出相应的算法优化平滑特征线段累积结果,最后证明了根据特征线段累积结果识别建筑物面的过程符合动态规划最优性原理,通过动态规划的方法求解识别目标区域内所包含的各类建筑物面.实验证明,该文的方法可以准确的识别街景图像中各类建筑物面,而且算法复杂度更低,处理速度更快.

图像平面上直线段特征的不确定性分析

用直线点坐标来表示直线,对图像平面上直线段的不确定性进行了分析和仿真,得出了结论:直线段端点的坐标值的概率分布函数服从高斯分布时,直线点坐标的概率分布函数也近似服从高斯分布;直线点坐标的概率分布函数和标准方差随直线段在图像平面中的位置变化而变化。

一种基于线段特征的室内环境主动SLAM方法

在SP模型的框架下,从激光扫描点中提取线段特征用于描述室内环境.提出一种基于最优控制的主动同时定位与建图方法;该方法综合考虑系统不确定性的大小和对环境的探索程度,为机器人确定最佳的控制输入,使机器人能够建立精确和完整的环境地图.在Poineer 3 DX移动机器人平台上进行了实验,实验结果验证了该方法的有效性.

激光SLAM自主导航的线段特征提取混合算法研究

移动机器人在未知环境中自主导航时定位需要精确的地图,同时为了构建精确的地图必须确定机器人的位姿,同时定位与地图构建(SLAM)问题便产生。基于激光雷达SLAM自主导航算法是研究的方向之一,激光雷达具有测距精度高、测距远等优点,但是由于激光雷达的数据量少、传感器本身噪声的影响,容易导致机器人构建地图精度低、定位误差大等问题。针对激光雷达的数据测得的距离信息进行线段特征提取算法,通过将常用PDBS、IEPF算法优缺点进行综合,提出了一种混合特征提取算法。最后通过对SICK的LMS111-10100激光雷达获取环境中的一组数据进行处理,分别对PDBS、IEPF算法及混合算法提取效果与实际环境对比,验证了特征提取混合算法的有效性。

扫描线段特征用于三维点云地面分割

针对从三维激光雷达点云中准确实时地分割地面的问题,提出一种基于扫描线段特征的地面分割算法。算法首先对三维点云进行去噪和位姿修正,接着依据相邻点间的欧氏距离和绝对高度差分割扫描线,然后对扫描线段的相邻线段间距、倾斜度、绝对高度差等特征进行分析,采用最大似然估计法求解特征阈值函数,提高了阈值的自适应性;最后综合考虑起伏、倾斜等复杂地形,通过制定横、纵向分类策略将扫描线标记为平坦地面线段、坡面线段和障碍物线段。本算法已成功应用在地面无人平台上,使用情况和对比试验表明,在城市和野外场景中,本算法都能够稳定高效地分割地面。

基于直线特征提取匹配搜救机器人的同步定位与地图构建

针对搜救机器人在灾后特征环境下同步定位与地图构建问题,提出了改进动态阈值分裂合并算法,与固定阈值算法相比提高了直线拟合的准确性。推导出匹配条件参数,通过比较始末点距离解决了误匹配,提高了匹配精度。在此基础上,进行全局定位计算。利用最小二乘法进行滤波处理,提高了定位精度。通过仿真与模拟现场实验表明,本文方法能使提取的直线更准确地反映实际地形环境,完成二维栅格地图的实时创建任务。

基于线特征的单目SLAM中的迭代数据关联算法

针对基于线特征的单目SLAM(同时定位与地图构建)中的数据关联问题,提出了一种基于线段端点patch确认的迭代数据关联算法。算法依据近似共线和端点近似重合两个指标来获取线特征的最近邻关联对,使用基于线段端点patch的定向匹配确认机制来剔除最近邻关联对中的错误项,同时以迭代处理的方式提高数据关联的准确性,综合利用了线特征间的几何约束和图像相似性约束。上述算法在公开数据集上进行了测试,与现有线特征数据关联算法的对比实验结果表明,该算法在满足系统实时性的前提下,在线特征关联对数目和关联准确率上均达到了较好效果。

移动机器人激光SLAM导航定位方法研究

为了提高激光SLAM导航定位的实时性和稳定性,采用自适应阈值法、迭代适应点以及最小二乘法结合直线度的方法提取局部地图中的特征线段和全局地图中的线段,通过特征线段匹配进行初始定位。利用惯性导航位姿推算结合地图匹配的方法进行动态定位,获得机器人的实时位姿。同时,采用动态重定位的方法进行重定位,提高了移动机器人对工作环境的适应能力和可靠性。实验表明,基于地图匹配的导航定位算法的定位精度在±40mm以内,定位的时间不大于0.03s,可以较好地满足机器人的实际导航需求。

基于运动线索的单目绝对深度测量

为实现单目相机识别和测量目标物体的绝对深度信息,提出基于运动线索的测量方法。首先,通过SSD算法和GrabCut算法识别并分割两幅图中的同一目标对象;其次,利用改进的ORB算法和融合几何约束的RANSAC算法获得目标物体的特征匹配结果;再利用Graham Scan算法求得两幅图中特征匹配后的凸包集合,选出最佳匹配的特征线段计算缩放率,最后,通过公式求得目标物体的绝对深度信息。结果表明,当相机移动100 mm时,目标物体测量误差最小为0.94%,最大为5.23%,平均测量误差最小。由此可见,改进的特征提取和匹配算法不仅能均匀化和亚像素化角点,还提高了匹配正确率,同时选出最佳匹配的特征线段也保证了测量精度。

一种新的扫描线种子填充算法

提出一种改进的扫描线种子填充算法,该算法的扫描过程不依赖于图象的是否实际执行填充操作,扫描与填充过程可以同步也可以顺序进行。在顺序进行方式下,能在填充操作之前得到整个填充区域的范围信息,从而为高效实现软填充和UNDO的功能提供条件。同时,在执行一般的种子点填充时,算法复杂度与实际执行效率与传统的扫描线种子填充算法相当。

基于超声波雷达的改进车位检测算法研究

针对传统车位检测算法因难以捕捉距离跳变和确定车位姿态而导致检测准确性不足的问题,提出了一种基于拟合特征线段的改进车位检测算法。针对超声波雷达幅值衰减设计了能量增益补偿方案;根据车辆实时位姿和超声波距离数据拟合代表障碍物轮廓的特征线段,借助激光雷达对特征线段拟合精度进行评价,并进一步设计了融合车位初步检测、车位再判断、车位约束条件判断及车位姿态计算的检测流程。利用实车平台对所提算法进行了实验验证,实验结果表明,所提算法的平均检测准确率达92.5%,能为智能汽车泊车系统提供准确、可靠的目标车位信息。

静态图像快速拼接算法研究

在讨论图像拼接的模板匹配法的基础上,针对计算量太大的问题,提出了一种提高效率的改进算法。选取四条线段作为模板,并利用相邻像素差值作为模板进行图像拼接。试验结果表明,该算法不但降低了计算复杂度,还很好地保证了拼接质量。

高分辨率遥感影像上道路中心线的半自动提取

提出一种半自动的基于活动窗口线段特征匹配来提取高分辨率遥感影像上道路中心线的方法.通过用户在道路中心线上输入起始点,采用定义活动模板窗、阈值分割、线段特征匹配和改进的SSDA,实现了道路中心线的自动跟踪.另外,该方法还允许在跟踪过程中加入少量人工干预来处理某些匹配失败的情况,提高了实用性.对0.61 m分辨率QuickBird影像和1 m分辨率IKONOS影像进行道路提取的实验表明:该方法能够快速、准确地提取出主要道路的中心线,对噪声的干扰具有良好的鲁棒性.

基于马尔科夫随机场的三维激光雷达路面实时分割

针对多类型场景下三维激光雷达地面高准确性实时提取问题,提出一种基于马尔科夫随机场的路面分割算法.算法对三维点云进行滤波和位姿修正,采用基于最大模糊线段法对每条激光雷达扫描线在x-y平面上的投影进行分割,使用角点检测准确定位每条线段端点.利用原始雷达数据结构信息,建立以线段为节点的无向图马尔科夫随机场,通过分析线段长度、相邻线段间的距离、梯度以及垂直高度差等特征,构建能量方程,用图分割的方法求出最优解,并将线段标记为2类:地面区域和障碍区域.分别在城市平坦路面和乡村起伏道路场景下进行实验,结果表明:与现有算法相比,本算法地面提取准确率更高,在颠簸的乡村道路区域具有更高的稳定性.

激光雷达点云特征线检测与结构化研究进展与展望

实景三维(3D)建设是国家新型基础测绘建设的重要组成部分,是对在3D地理场景上承载结构化、语义化、支持人机兼容理解和物联实时感知的地理实体进行构建。而结构化是实现地理实体单体分割并获取其几何轮廓及组成结构的过程。随着大范围、城市级激光点云数据采集成本逐渐降低,3D点云的应用也越来越广泛。基于3D点云能完成生成地物的结构化表达,涉及线、面、体重建及语义分割、实例分割等。点云数据处理的核心内容是点云特征线检测、特征线线段化及特征线结构化。因此,点云特征线对点云处理和行业应用具有理论和实践价值。进行城市场景点云自适应特征线检测和精细结构化研究具有重要意义;研究点云特征线智能感知理论及结构化表达方法能为点云数据处理提供新的视角,对各类工程实践具有重要的理论指导意义,可服务于实景3D建设、二维(2D)、3D高清地图生成等具体应用。本文从点云特征线检测、点云特征线线段化、点云特征线结构化角度进行国内外研究现状综述,总结归纳点云特征线检测与结构化研究存在问题,并明确下一步研究思路。