针对视觉同步定位与建图算法在遮挡情况下易受到干扰而导致定位误差较大且闭环检测精度较低等问题，提出一种融合混合注意力实例分割的视觉同步定位与建图算法。该算法能够动态调整被遮挡物识别权重，在出现遮挡情况时提升对被遮挡物的特征提取与识别能力。同时采用概率去误匹配算法去除错误匹配点对，增加位姿求解及关键帧选取精度，从而更好地修正机器人位姿、提高系统构图的准确率。通过KITTI公开数据集和真实场景对所提算法进行测试，结果表明，所提算法在闭环准确率上与ORB-SLAM2算法相比约提高10.7%，平移误差约减小27.6%，体现了良好的构图能力。

针对同时定位与地图构建(SLAM)的闭环检测方法在多歧义复杂场景下易发生感知偏差的问题, 基于闭环概率模型提出了一种结合局部SURF特征和全局ORB特征的闭环检测方法。首先, 分别采用鲁棒SURF特征和全局ORB特征对图像进行局部和全局的场景描述; 其次, 构建多特征场景描述的离散贝叶斯闭环概率模型, 对多特征空间分别构建观测似然概率, 其中,局部特征空间基于词袋模型的方法计算观测似然概率, 全局特征空间基于KNN最近邻的方法计算观测似然概率; 最后, 考虑图像的时间一致性, 基于极线约束设计多步闭环候选帧提取方法, 进一步减少感知偏差问题。实验结果表明, 在多歧义场景下所提方法可以消除绝大部分的误正匹配情况, 对比FAB-MAP2.0和BoW方法具有更好的闭环检测效果, 可以达到更高的闭环准确率。

In view of the poor scale factor stability of the interferometric fiber optic gyroscope (IFOG), it is a creative method to use laser to drive the IFOG for its better frequency stabilization characteristics instead of the broadband light source. As the linewidth of laser is narrow, the errors of coherent backscattering, polarization coupling, and Kerr effect are reintroduced which cause more noise and drift. This paper studies laser spectrum broadening based on external phase modulation of Gaussian white noise (GWN). The theoretical analysis and test results indicate that this method has a good effect on spectrum broadening and can be used to improve the performance of the laser-driven IFOG. In the established closed-loop IFOG, a four-state modulation (FSM) is adopted to avoid temperature instability of the multifunction integrated-optic chip (MIOC) and drift caused by the electronic circuit in demodulation. The experimental results show that the IFOG driven by broadened laser has the angular random walk noise of 0.003 8 °/√h and the drift of 0.017 °/h, which are 62% and 66% better than those without modulation respectively, of which the drift has reached the level of the broadband light source. Although the noise still needs further reduction, its scale factor stability is 0.38 ppm, which has an overwhelming advantage compared with the traditional IFOG.

针对Intensity ScanContext（ISC）等激光雷达闭环检测算法中描述子易受载体旋转和平移变化干扰、不变性较弱从而导致闭环效果差的问题，提出了一种在城市动态环境下具有旋转和平移不变性的激光雷达点云描述子。首先，在点云处理部分，基于角度图像的地面点分割算法去除点云数据中的地面点，并利用基于弯曲体素聚类的动态目标剔除算法完成点云分割和动态目标的剔除。然后，基于惯性测量元件采集的四元数对点云进行坐标系变换，将所有帧点云统一至同一航向角下，以实现描述子的旋转不变性。接着，通过点云中静态目标与载体运动方向所在法平面的相对位置关系来确定描述子绘制中心，以实现描述子的平移不变性。最后，利用所提描述子进行闭环检测，并结合点云数据的空间结构对闭环检测结果进行一致性验证。在KITTI公开数据集下的实验结果表明，所提方法在城市动态环境下能够更加快速准确地实现闭环检测，相比于ISC算法，所提方法在准确率为100%时召回率提高了8.58个百分点，且平均耗时减少了12.90%。

Based on the transverse electro-optic effect of lithium niobate crystal, combined with polarizers and Faraday rotator, this paper presents a collinear closed-loop fiber optic current transformer with spatial non-reciprocity modulation method, and the feasibility of the scheme is verified by both the theoretical and experimental evidences. The detection scheme avoids the limitation of the transition time of the sensing fiber coil on the phase modulation frequency, improves the sensitivity and stability of the system, and reduces the volume and cost of fiber optic current transformer. The sawtooth wave modulation scheme is adopted to realize phase bias modulation and feedback modulation through phase shift of sawtooth wave to achieve closed-loop detection effect, which enhances the signal to noise ratio and simplifies demodulation mode. The experimental results show that the current ratio errors measured at room temperature range from 1% to 120% of rated current meet the requirements of national standard GB/T 20840.8-2007 and reach the accuracy level of 0.2S. The temperature stability of the current transformer is also tested, and the ratio error measured at the rated current does not exceed ±0.2% in the range of –30 ℃ to 50 ℃.

在外部环境和图像视角变化的情况下,传统视觉闭环检测算法的精度和稳健性变得很差。为此,提出一种融合多层次卷积神经网络特征的闭环检测算法。高层次的卷积特征包含较多的语义信息,可以应对图像视角的变化;中等层次卷积特征包含更多的几何空间信息,对光照等变化具有更好的稳健性。通过充分利用中高等层次卷积特征的特性进行组合式相似性度量,提高了闭环检测的精度与稳健性。由于卷积特征向量的维度特别大,因此,首先对卷积特征向量进行降维处理。在Gardens Point数据集上的实验结果证明,利用多层次卷积特征的图像匹配检测效果好于其他单一层。针对不同时刻所拍摄图像中的动态干扰因素,进一步提出图像动态干扰语义滤波机制,利用过滤掉动态干扰的图像进行匹配,在Tokyo24/7数据集上的实验证实了此方法的可行性和有效性。

若要实现空间失效卫星、空间碎片等非合作目标, 尤其是具有自旋运动特性的目标的在轨服务或者离轨清除, 需要精确测量追踪航天器与目标之间的相对姿态。当目标旋转一周后, 对重访区域的闭环检测与位姿优化是减小累积误差, 提高测量精度的重要保证。首先, 本文介绍了视觉词袋库的建立和基于视觉词袋的非合作目标闭环检测策略。然后, 基于相似性变换, 对图像序列关键帧集和当前帧进行了联合位姿图优化, 实现了对刚体变换矩阵的校正。最后对不同运动角速度下的不同目标, 采用不同相机进行地面模拟测试实验, 验证了方法的有效性和可靠性。实验结果表明: 对于以12(°)/s角速度运动的非合作目标, 当测量稳定后, 绝对角度误差约为1(°), 相对角度误差约为1%, 平均角速度误差约为0.12(°)/s。可以满足非合作目标相对姿态测量的任务需求。