针对工业场景下经典迭代最近点(iterative closest point,ICP)算法在点云位姿估计中初始位姿敏感度高、迭代时间长的问题,提出一种基于RGB图像的快速点云配准方法。分别采集RGB图像和点云数据,使用ORB(oriented FAST and rotated BRIEF...针对工业场景下经典迭代最近点(iterative closest point,ICP)算法在点云位姿估计中初始位姿敏感度高、迭代时间长的问题,提出一种基于RGB图像的快速点云配准方法。分别采集RGB图像和点云数据,使用ORB(oriented FAST and rotated BRIEF)算法提取RGB图像特征点,利用Brute-Force算法进行初始匹配,采用随机采样一致性算法优化匹配,得到单应矩阵和旋转平移矩阵,求解汽车零配件初始位姿。进一步采用主成分分析法和双向KD树近邻搜索算法对预处理后的点云数据进行精确配准。实验结果表明,所提算法相较ICP算法,在配准速度和精度上分别提高了87.2%和5.0%,相对于FR-ICP(fast and robust iterative closest point)算法,在配准精度相当的情况下,配准速度提高了55%。展开更多
针对小样本条件下且低信噪比时低截获概率(Low Probability of Intercept,LPI)雷达信号识别精度低的问题,本文提出了一种基于局部最大化同步压缩变换(Local Maximum Synchrosqueezing Transform,LMSST)与平滑伪维格纳维尔变换(Smoothed ...针对小样本条件下且低信噪比时低截获概率(Low Probability of Intercept,LPI)雷达信号识别精度低的问题,本文提出了一种基于局部最大化同步压缩变换(Local Maximum Synchrosqueezing Transform,LMSST)与平滑伪维格纳维尔变换(Smoothed Pseudo Wigner-Ville Distribution,SPWVD)的双通道特征融合网络模型。利用LMSST和SPWVD对仅有的小样本LPI雷达信号分别进行时频分析,获取二维时频图像;使用循环对抗生成网络对其进行扩充并送入双通道网络对其进行特征提取和特征早融合;采用Softmax分类器对融合后的特征进行分选识别。研究结果表明,在信噪比为-8 dB时,所设计的模型的整体识别率达到93.1%;相较于单通道识别模型,在小样本条件下的识别精度有效提高6%~7%。此研究为小样本时LPI雷达信号的识别提供了一种理论依据。展开更多
目标定位是指利用传感信息估计目标在特定坐标系中的空间位置。基于到达时间(Time of Arrival,TOA)或等价的,基于距离的定位方法凭借其高精度特点得到了广泛研究。现有TOA定位方法一般假设传感器位置是精确的,只考虑距离测量噪声。而考...目标定位是指利用传感信息估计目标在特定坐标系中的空间位置。基于到达时间(Time of Arrival,TOA)或等价的,基于距离的定位方法凭借其高精度特点得到了广泛研究。现有TOA定位方法一般假设传感器位置是精确的,只考虑距离测量噪声。而考虑了传感器位置不确定性的文献通常缺少统计学优化与分析,无法得到一致性估计。本文同时考虑距离测量噪声和传感器部署不确定性,将目标位置与传感器坐标均当成未知变量构建最大似然问题。本文首先给出关于观测噪声和传感器空间分布的假设,以保证一致性估计器的存在性。有趣的是,本文分析了最大似然估计性质,证明了其不一定具有一致性。本文进一步变换原始观测方程,构建可最优求解的优化问题。特别地,针对距离测量噪声方差已知情况,构建了含二次目标函数和一个二次等式约束的广义信赖域问题,并给出了其最优解求解算法;针对距离测量噪声方差未知情况,构建了普通线性最小二乘问题,实现目标位置和距离测量噪声方差的同时估计。本文针对两种情况分别提出了相应的偏差消除方法,实现了一致估计,即随着观测数量增加,估计值收敛至真实目标位置。一致性特性使所提算法在大样本观测场景可实现超高精度定位。此外,推导了高斯-牛顿迭代算法,可在观测样本和传感器位置不确定性较小时提高算法定位精度。仿真结果验证了所得理论结果的正确性和所提算法在大样本观测下的优越性。展开更多
文摘针对工业场景下经典迭代最近点(iterative closest point,ICP)算法在点云位姿估计中初始位姿敏感度高、迭代时间长的问题,提出一种基于RGB图像的快速点云配准方法。分别采集RGB图像和点云数据,使用ORB(oriented FAST and rotated BRIEF)算法提取RGB图像特征点,利用Brute-Force算法进行初始匹配,采用随机采样一致性算法优化匹配,得到单应矩阵和旋转平移矩阵,求解汽车零配件初始位姿。进一步采用主成分分析法和双向KD树近邻搜索算法对预处理后的点云数据进行精确配准。实验结果表明,所提算法相较ICP算法,在配准速度和精度上分别提高了87.2%和5.0%,相对于FR-ICP(fast and robust iterative closest point)算法,在配准精度相当的情况下,配准速度提高了55%。
文摘针对小样本条件下且低信噪比时低截获概率(Low Probability of Intercept,LPI)雷达信号识别精度低的问题,本文提出了一种基于局部最大化同步压缩变换(Local Maximum Synchrosqueezing Transform,LMSST)与平滑伪维格纳维尔变换(Smoothed Pseudo Wigner-Ville Distribution,SPWVD)的双通道特征融合网络模型。利用LMSST和SPWVD对仅有的小样本LPI雷达信号分别进行时频分析,获取二维时频图像;使用循环对抗生成网络对其进行扩充并送入双通道网络对其进行特征提取和特征早融合;采用Softmax分类器对融合后的特征进行分选识别。研究结果表明,在信噪比为-8 dB时,所设计的模型的整体识别率达到93.1%;相较于单通道识别模型,在小样本条件下的识别精度有效提高6%~7%。此研究为小样本时LPI雷达信号的识别提供了一种理论依据。
文摘目标定位是指利用传感信息估计目标在特定坐标系中的空间位置。基于到达时间(Time of Arrival,TOA)或等价的,基于距离的定位方法凭借其高精度特点得到了广泛研究。现有TOA定位方法一般假设传感器位置是精确的,只考虑距离测量噪声。而考虑了传感器位置不确定性的文献通常缺少统计学优化与分析,无法得到一致性估计。本文同时考虑距离测量噪声和传感器部署不确定性,将目标位置与传感器坐标均当成未知变量构建最大似然问题。本文首先给出关于观测噪声和传感器空间分布的假设,以保证一致性估计器的存在性。有趣的是,本文分析了最大似然估计性质,证明了其不一定具有一致性。本文进一步变换原始观测方程,构建可最优求解的优化问题。特别地,针对距离测量噪声方差已知情况,构建了含二次目标函数和一个二次等式约束的广义信赖域问题,并给出了其最优解求解算法;针对距离测量噪声方差未知情况,构建了普通线性最小二乘问题,实现目标位置和距离测量噪声方差的同时估计。本文针对两种情况分别提出了相应的偏差消除方法,实现了一致估计,即随着观测数量增加,估计值收敛至真实目标位置。一致性特性使所提算法在大样本观测场景可实现超高精度定位。此外,推导了高斯-牛顿迭代算法,可在观测样本和传感器位置不确定性较小时提高算法定位精度。仿真结果验证了所得理论结果的正确性和所提算法在大样本观测下的优越性。
