浙江大学光电科学与工程学院 现代光学仪器国家重点实验室,浙江 杭州 310027
Taking the LISA system as a reference, the phase noise of the inter-satellite transmission needs to be less than 1 pm. Research has shown that the defocus and the astigmatism are the main aberrations affecting jitter noise at a distance of 2.5×109 m. There is a deviation between the phase stationary point and the origin position. To minimize the phase noise, the telescope angle needs to be adjusted. The gravitational wave detection at the phase stationary point can effectively reduce the phase noise and the requirements of the telescope exit pupil wavefront RMS. The large defocus and small coma can make the phase stationary point close to the optical axis and increase the received laser power.
空间引力波探测 空间链路传输 指向抖动噪声 相位驻点 gravitational wave detection space propagation jitter noise phase stationary point
1 北京空间机电研究所,北京 100094
2 先进光学遥感技术北京市重点实验室,北京 100094
3 中国人民解放军63768部队,西安 710000
特征点提取与匹配是遥感图像处理中关键的一环,目前成熟的算法大多面向对地成像类型的遥感图像,对于空间目标的遥感图像,没有考虑成像条件与探测平台的影响因素,特征点匹配质量较差。针对空间目标的匹配精度不高这一问题,文章提出了一种基于聚类的特征点匹配算法。首先,根据空间目标的重复弱纹理进行特征点提取与描述,再利用特征点的空间位置进行聚类,并对特征点簇进行匹配;之后将特征点的主方向减去目标整体方向,利用特征点主方向对每一个点簇进行再分组,并完成特征点匹配;最后利用最近邻次近邻比率方法和随机样本一致算法(RANSAC)剔除外点。采用该特征点匹配方法进行的模拟成像数据实验结果表明,对于空间目标图像,基于聚类的特征点匹配较直接匹配,匹配数量的提升最高可达50%,重投影误差优于1/4个像元。文章提出的这一方法使用目前通用的各种特征描述子,能够大幅度提高空间目标图像特征点匹配的数量与精度。
特征点匹配 聚类 结构张量 重复纹理 空间目标 feature point matching clustering structural tensors repeated texture spatial object
强激光与粒子束
2024, 36(4): 043032
1 东南大学 自动化学院,江苏南京20096
2 东南大学 复杂工程系统测量与控制教育部重点实验室,江苏南京10096
3 南京航空航天大学 空间光电探测与感知工业和信息化部重点实验室, 江苏南京211106
为了在严重遮挡以及少纹理等具有挑战性的场景下,准确地估计物体在相机坐标系中的位置和姿态,同时进一步提高网络效率,简化网络结构,本文基于RGB-D数据提出了采用辅助学习的六自由度位姿估计方法。网络以目标物体图像块、对应深度图以及CAD模型作为输入,首先,利用双分支点云配准网络,分别得到模型空间和相机空间下的预测点云;接着,对于辅助学习网络,将目标物体图像块和由深度图得到的Depth-XYZ输入多模态特征提取及融合模块,再进行由粗到细的位姿估计,并将估计结果作为先验用于优化损失计算。最后,在性能评估阶段,舍弃辅助学习分支,仅将双分支点云配准网络的输出利用点对特征匹配进行六自由度位姿估计。实验结果表明:所提方法在YCB-Video数据集上的AUC和ADD-S<2 cm结果分别为95.9%和99.0%;在LineMOD数据集上的平均ADD(-S)结果为99.4%;在LM-O数据集上的平均ADD(-S)结果为71.3%。与现有的其他六自由度位姿估计方法相比,采用辅助学习的方法在模型性能上具有优势,在位姿估计准确率上有较大提升。
六自由度位姿估计 辅助学习 深度图像 三维点云 6-DoF pose estimation auxiliary learning RGB-D image 3D point cloud
1 北京交通大学 机械与电子控制工程学院, 北京00044
2 北京交通大学 智慧高铁系统前沿科学中心, 北京100044
3 北京特种机械研究所,北京10014
地铁隧道断面轮廓参数测量过程中,需要对高速激光雷达点云进行高精度系统标定。特别是大场景隧道环境,对标定模板要求高,标定过程复杂,检测精度影响大。针对此问题,本论文提出了一种新颖的适用于地铁隧道轮廓点云的标定方法,并基于双激光雷达测量系统,进行了算法研究。本方法设计了专用的手推行便携式标定系统,利用由点云数据提取的标定板线特征,建立目标函数,通过混合了遗传算法和Levenberg-Marquardt算法的非线性优化方法,寻找全局最优解从而实现对激光雷达的标定。实验结果表明:本方法对于两侧钢轨顶轨的标定误差在±1.5 mm以内;静态测量精度X误差在±1 mm内、Y误差在±4 mm内;当采集系统以5 km/h的速度进行数据采集时,动态测量精度X误差在±4 mm内、Y误差在±6 mm内。本方法能够实现激光雷达的高精度标定,算法鲁棒性强,具有易操作、环境适应性强的特点。
激光雷达 地铁隧道 点云标定 共面约束 隧道断面 Lidar metro tunnels point cloud calibration coplanar constraints tunnel section
1 西安建筑科技大学资源工程学院,陕西 西安 710055
2 西安建筑科技大学西安市智慧工业感知、计算与决策重点实验室,陕西 西安 710055
针对露天矿无人矿卡运输作业中路况差、光照强和灰尘大等原因导致小尺寸落石检测困难和实时性差的问题,提出一种使用固态激光雷达检测露天矿非结构化运输道路小尺寸落石的方法。首先使用具有双回波技术的激光雷达进行数据采集,减少灰尘干扰并提取车辆前方可行驶区域;然后采用基于扇面的直线拟合地面分割算法分割地面,实现对有坡度的非结构化粗糙路面的彻底分割;之后引入八叉树的分层网格树模型进行邻域查找,提高邻域查找的速度,引入双色最近对构建图,快速生成聚类簇,引入自适应聚类半径ε,进行聚类并输出小尺寸落石的盒模型。实验结果表明:相较于使用k-d树加速的DBSCAN算法,所提方法的正检率提升9.61个百分点,检测时间缩短379.77 ms。
露天矿 无人驾驶 障碍物检测 激光雷达点云 密度聚类 激光与光电子学进展
2024, 61(8): 0812006
1 昆明理工大学机电工程学院,云南 昆明 650500
2 云南省先进装备智能制造技术重点实验室,云南 昆明 650500
针对移动机器人在进行传统2D环境的定位时所存在的定位精度低且定位实时性差等问题,提出一种改进的迭代近邻点(ICP)算法的定位方法。首先,建立位姿搜索空间,采用由低到高的分辨率对搜索空间进行逐层搜索,并结合多点云密度进行部分点云扫描匹配,排除非最优位姿,加速搜索过程;在进行点云匹配中,采用帧对图的方式,有效地利用了历史帧信息;对得到的最优位姿进行稀疏矩阵位姿优化,进一步提高定位精度。在SLAM Benchmark数据集上进行测试,结果表明所提方法的算法效率是现流行的Cartographer算法的1.8倍到4.9倍之间,同时平移误差较小。并利用Turtlebot2机器人进行实际测试,结果表明所提方法的定位误差相比Cartographer和Gmapping均有明显的降低,且实时性较好;与传统的自适应蒙特卡罗重定位(AMCL)相比,平移误差均值降低了0.035 m,旋转误差均值降低了0.001 rad,具有较高的重定位精度。
激光雷达 移动机器人定位 多分辨率 迭代近邻点 多点云密度 激光与光电子学进展
2024, 61(8): 0811001