为了解决在全球导航卫星系统(Global Navigation Satellite System)拒止情况下无人机导航能力缺失等问题,提出了一种基于改进快速提取旋转描述子(Oriented FAST and Rotated Brief,ORB)图像特征匹配的无人机视觉导航方法。首先,为了实...为了解决在全球导航卫星系统(Global Navigation Satellite System)拒止情况下无人机导航能力缺失等问题,提出了一种基于改进快速提取旋转描述子(Oriented FAST and Rotated Brief,ORB)图像特征匹配的无人机视觉导航方法。首先,为了实现无人机的绝对定位,提出了一种特征图像基准数据库构建方法;其次,为提取图像数据集的特征点,采用了一种结合尺度不变特征变换(Scale Invariant Feature Transform,SIFT)的尺度空间优化ORB特征提取算法;最后,为了将图像特征与图像基准数据库快速匹配并提高其匹配精度,提出了一种改进ORB特征匹配算法——ORB+GMS+PROSAC算法。通过在ArcGIS中分割图像构建基准数据库并进行实验分析,结果表明,基于ORB+GMS+PROSAC特征匹配算法性能显著提升,其中匹配准确率上升5.05%,匹配时间减少41.61%,明显优于其他传统特征匹配算法。展开更多
类脑导航是模拟鼠类感知环境机制提出的一种同步定位与构图(Simultaneous localization and mapping,SLAM)的导航算法。针对复杂环境如室内光线变化导致类脑SLAM导航产生误差的问题,本文提出了基于特征匹配(Speeded up robust features,...类脑导航是模拟鼠类感知环境机制提出的一种同步定位与构图(Simultaneous localization and mapping,SLAM)的导航算法。针对复杂环境如室内光线变化导致类脑SLAM导航产生误差的问题,本文提出了基于特征匹配(Speeded up robust features,SURF)算法的优化类脑SLAM导航模型。该模型通过一套移动视觉系统采集环境信息,构建的局部场景细胞通过SURF特征匹配算法获取到载体在环境中的方向与位置信息;头朝向细胞与位置细胞通过连续吸引子神经网络共同表示载体当前的位姿。利用所获取的位姿与时间信息,通过路径积分计算当前载体在坐标系中所处的位置;最后,构建基于认知点的拓扑经验地图。此外,在局部场景细胞获取环境信息的同时,通过SURF特征匹配算法来进行闭环检测,判断是否需要对当前位置进行修正。本文提出的优化类脑SLAM模型很大程度改进了原有模型在有光线变化的室内情况下易产生场景误匹配的问题,并通过实验验证了本文提出方法的有效性。展开更多
基金National Natural Sciences Foundation of China(Nos.61973281,51821003,51922009)Key Research and Development Project of Shanxi Province(No.202003D111003)+4 种基金Excellent Youngth Foundation of Shanxi Province(No.202103021222011)Foundation of Science and Technology on Electro-Optical Information Security control Laboratory(No.2021JCJQLB055010)Aviation Science Foundation(No.2018ZCU0002)Shanxi Province Key Laboratory of Quantum Sensing and Precision Measurement(No.201905D121001)1331 Project of Shanxi Province。
文摘类脑导航是模拟鼠类感知环境机制提出的一种同步定位与构图(Simultaneous localization and mapping,SLAM)的导航算法。针对复杂环境如室内光线变化导致类脑SLAM导航产生误差的问题,本文提出了基于特征匹配(Speeded up robust features,SURF)算法的优化类脑SLAM导航模型。该模型通过一套移动视觉系统采集环境信息,构建的局部场景细胞通过SURF特征匹配算法获取到载体在环境中的方向与位置信息;头朝向细胞与位置细胞通过连续吸引子神经网络共同表示载体当前的位姿。利用所获取的位姿与时间信息,通过路径积分计算当前载体在坐标系中所处的位置;最后,构建基于认知点的拓扑经验地图。此外,在局部场景细胞获取环境信息的同时,通过SURF特征匹配算法来进行闭环检测,判断是否需要对当前位置进行修正。本文提出的优化类脑SLAM模型很大程度改进了原有模型在有光线变化的室内情况下易产生场景误匹配的问题,并通过实验验证了本文提出方法的有效性。
