针对传统视觉SLAM(simultaneous localization and mapping)在动态环境下定位精度较低、稳健性较差、结合深度学习后实时性较差及无法构建稠密地图的问题,本文提出了一种基于ORB-SLAM3的改进算法。首先,采用轻量化SegFormer语义分割网络...针对传统视觉SLAM(simultaneous localization and mapping)在动态环境下定位精度较低、稳健性较差、结合深度学习后实时性较差及无法构建稠密地图的问题,本文提出了一种基于ORB-SLAM3的改进算法。首先,采用轻量化SegFormer语义分割网络,对图像中存在的动态物体进行识别后,添加掩膜图像自适应膨胀方法,根据特征点数自动调整掩膜膨胀范围,更有效地保留静态特征点及去除潜在动态特征点;然后,改进词袋模型,提升算法的加载和匹配速度;最后,添加稠密建图线程,根据掩膜信息和关键帧,构建去除动态特征后的稠密点云地图。试验结果表明,该算法在动态场景下能够有效地剔除动态物体特征点,提高了系统的定位精度和稳健性,平均处理速度为20帧/s,基本满足实时运行的要求。展开更多
为了解决低轨双星时差(Time difference of arrival,TDOA)、频差(Frequency difference of arrival,FDOA)定位精度低这一问题,提出了一种应用虚拟参考站(Virtual reference station,VRS)技术来实现对低轨双星TDOA/FDOA进行精密修正的方...为了解决低轨双星时差(Time difference of arrival,TDOA)、频差(Frequency difference of arrival,FDOA)定位精度低这一问题,提出了一种应用虚拟参考站(Virtual reference station,VRS)技术来实现对低轨双星TDOA/FDOA进行精密修正的方法。该方法利用合作辐射源在未知辐射源附近建立一个物理上并不存在的虚拟参考站,然后再利用此虚拟参考站修正未知辐射源的时频误差。通过仿真分析,VRS处虚拟时差构建误差比虚拟频差构建误差要小,并且VRS对未知辐射源TDOA/FDOA系统误差的修正精度分别可以达到97%和95%。利用修正后的时频差对未知辐射源定位,其定位精度相对于未修正前有极大的提高。展开更多
精密单点定位(precise point positioning,PPP)技术的出现,使得全球单接收机高精度定位成为了可能。然而其首次定位收敛时间及信号中断等原因重新收敛时间过长,极大地限制了PPP技术的应用。针对信号中断导致重新收敛时间过长的问题,采...精密单点定位(precise point positioning,PPP)技术的出现,使得全球单接收机高精度定位成为了可能。然而其首次定位收敛时间及信号中断等原因重新收敛时间过长,极大地限制了PPP技术的应用。针对信号中断导致重新收敛时间过长的问题,采用基于原始观测值的非差非组合模型,通过先验大气层约束来加快PPP重新收敛。对于不同卫星电离层预测值精度不同,提出利用先验预测值方差来确定中断时刻预测值方差。比较了不同系统组合信号中断下无约束、先验对流层约束、先验电离层及对流层约束条件下(east-north-up)方向最大误差,表明先验大气层约束条件下,短时间信号中断定位误差依然能维持在分米级别。最后分析了无约束、对流层约束以及大气层约束下1 s、10 s、30 s、60 s中断的重新收敛时间。与无约束重新收敛时间相比,对流层约束收敛时间提升了18%,大气层约束收敛时间提升了74%。展开更多
针对滑坡位移难以预测、影响因素难以选择等问题,提出一种结合了二次移动平均(DMA)法、变分模态分解(VMD)、改进灰狼优化(IGWO)算法与支持向量回归(SVR)的模型进行滑坡位移预测。首先,利用DMA提取滑坡位移趋势项和周期项,采用多项式拟...针对滑坡位移难以预测、影响因素难以选择等问题,提出一种结合了二次移动平均(DMA)法、变分模态分解(VMD)、改进灰狼优化(IGWO)算法与支持向量回归(SVR)的模型进行滑坡位移预测。首先,利用DMA提取滑坡位移趋势项和周期项,采用多项式拟合对趋势项进行预测;其次,对滑坡周期项的影响因素进行分类,采用VMD对原始影响因子序列进行分解获得最优序列;再次,提出一种结合SVR与基于改进Circle多策略的灰狼优化算法CTGWO-SVR(Circle Tactics Grey Wolf Optimizer with SVR)对滑坡周期项进行预测;最后采用时间序列加法模型求出累计位移预测序列,并采用灰色预测的后验证差校验和小概率误差对模型进行评价。实验结果表明,与GA-SVR和GWO-SVR模型相比,CTGWO-SVR的预测精度更高,拟合度达到0.979,均方根误差分别减小了51.47%与59.25%,预测精度等级为一级,可满足滑坡预测的实时性和准确性要求。展开更多
文摘针对传统视觉SLAM(simultaneous localization and mapping)在动态环境下定位精度较低、稳健性较差、结合深度学习后实时性较差及无法构建稠密地图的问题,本文提出了一种基于ORB-SLAM3的改进算法。首先,采用轻量化SegFormer语义分割网络,对图像中存在的动态物体进行识别后,添加掩膜图像自适应膨胀方法,根据特征点数自动调整掩膜膨胀范围,更有效地保留静态特征点及去除潜在动态特征点;然后,改进词袋模型,提升算法的加载和匹配速度;最后,添加稠密建图线程,根据掩膜信息和关键帧,构建去除动态特征后的稠密点云地图。试验结果表明,该算法在动态场景下能够有效地剔除动态物体特征点,提高了系统的定位精度和稳健性,平均处理速度为20帧/s,基本满足实时运行的要求。
文摘为了解决低轨双星时差(Time difference of arrival,TDOA)、频差(Frequency difference of arrival,FDOA)定位精度低这一问题,提出了一种应用虚拟参考站(Virtual reference station,VRS)技术来实现对低轨双星TDOA/FDOA进行精密修正的方法。该方法利用合作辐射源在未知辐射源附近建立一个物理上并不存在的虚拟参考站,然后再利用此虚拟参考站修正未知辐射源的时频误差。通过仿真分析,VRS处虚拟时差构建误差比虚拟频差构建误差要小,并且VRS对未知辐射源TDOA/FDOA系统误差的修正精度分别可以达到97%和95%。利用修正后的时频差对未知辐射源定位,其定位精度相对于未修正前有极大的提高。
文摘针对滑坡位移难以预测、影响因素难以选择等问题,提出一种结合了二次移动平均(DMA)法、变分模态分解(VMD)、改进灰狼优化(IGWO)算法与支持向量回归(SVR)的模型进行滑坡位移预测。首先,利用DMA提取滑坡位移趋势项和周期项,采用多项式拟合对趋势项进行预测;其次,对滑坡周期项的影响因素进行分类,采用VMD对原始影响因子序列进行分解获得最优序列;再次,提出一种结合SVR与基于改进Circle多策略的灰狼优化算法CTGWO-SVR(Circle Tactics Grey Wolf Optimizer with SVR)对滑坡周期项进行预测;最后采用时间序列加法模型求出累计位移预测序列,并采用灰色预测的后验证差校验和小概率误差对模型进行评价。实验结果表明,与GA-SVR和GWO-SVR模型相比,CTGWO-SVR的预测精度更高,拟合度达到0.979,均方根误差分别减小了51.47%与59.25%,预测精度等级为一级,可满足滑坡预测的实时性和准确性要求。
