附錄地形全局建圖研究現(xiàn)狀文獻(xiàn)綜述地形全局建模的研究大致分向兩個(gè)方向：實(shí)時(shí)地形掃描建模與地形測(cè)繪建模，兩者主要區(qū)別在于前者是在線過(guò)程，而后者是離線過(guò)程。在線地形掃描建模是SLAM技術(shù)的核心之一，在移動(dòng)機(jī)器人領(lǐng)域有廣泛的應(yīng)用，主要有激光雷達(dá)建模REF_Ref69594001\r\h[22]REF_Ref69594003\r\h[23]或雙目視覺(jué)建模REF_Ref69594021\r\h[24]REF_Ref69594023\r\h[25]REF_Ref69594025\r\h[26]REF_Ref69594026\r\h[27]REF_Ref69594027\r\h[28]兩大技術(shù)方向。Li等人基于車載激光雷達(dá)實(shí)現(xiàn)了結(jié)構(gòu)化道路下的環(huán)境建模REF_Ref69594043\r\h[29]，車載激光雷達(dá)能夠?qū)崿F(xiàn)毫米級(jí)精度的地形建模，是結(jié)構(gòu)化道路常見(jiàn)的建模方式。相比于激光雷達(dá)，雙目視覺(jué)建模精度較低，然而其具有能耗低重量輕等優(yōu)勢(shì)，在行星探測(cè)領(lǐng)域得到了廣泛應(yīng)用。LarryMatthies等人系統(tǒng)地介紹了雙目視覺(jué)在火星探測(cè)車上的應(yīng)用，在著陸與自由探索階段，視覺(jué)地形建模為運(yùn)動(dòng)控制與軌跡規(guī)劃提供了關(guān)鍵的環(huán)境信息REF_Ref69594060\r\h[30]REF_Ref69594062\r\h[31]。雙目視覺(jué)也是目前野外機(jī)器人主要的環(huán)境建模技術(shù)，波士頓動(dòng)力公司通過(guò)雙目視覺(jué)與IMU實(shí)現(xiàn)了波士頓機(jī)器狗在野外環(huán)境下的自主作業(yè)。在線地形建模的研究核心傾向于動(dòng)態(tài)環(huán)境下數(shù)據(jù)的準(zhǔn)確獲取與處理，以及建模的時(shí)效性。地形測(cè)繪建模則更傾向于模型的精確性，顯然，對(duì)于厘米級(jí)高精度地圖的構(gòu)建，地形測(cè)繪建模是更為可靠的技術(shù)方案。地形測(cè)繪建模主要的方法有：人工測(cè)繪REF_Ref69594079\r\h[32]REF_Ref69594081\r\h[33]，激光雷達(dá)測(cè)繪REF_Ref69594092\r\h[34]REF_Ref69594093\r\h[35]，傾斜攝影測(cè)繪REF_Ref69594108\r\h[36]REF_Ref69594109\r\h[37]。人工測(cè)繪基于高精度GPS與經(jīng)緯儀、測(cè)距儀等專門(mén)的測(cè)繪設(shè)備進(jìn)行環(huán)境建模，由于每個(gè)控制點(diǎn)均需由人工測(cè)量，人工測(cè)繪多應(yīng)用于精度要求高，而環(huán)境相對(duì)簡(jiǎn)單結(jié)構(gòu)化的場(chǎng)景。激光雷達(dá)測(cè)繪依賴車輛或無(wú)人機(jī)載體平臺(tái)實(shí)現(xiàn)，能夠完成毫米級(jí)精度的測(cè)繪建模REF_Ref69654461\r\h[38]。無(wú)人機(jī)傾斜攝影測(cè)繪是地形測(cè)繪建模最常用的技術(shù)，通過(guò)無(wú)人機(jī)搭載一個(gè)或多個(gè)攝像頭，在設(shè)計(jì)的航線上連續(xù)拍攝大量、多角度的圖像，能夠?qū)崿F(xiàn)厘米級(jí)建模精度，有成本低、建?？臁⒕雀叩木C合性優(yōu)勢(shì)REF_Ref69654627\r\h[39]。影像匹配的主要方法分為兩大類，基于灰度的匹配和基于特征的匹配，而對(duì)傾斜影像匹配的研究多集中于基于特征的匹配，包括點(diǎn)、線、面特征，角點(diǎn)、邊緣、紋理特征等REF_Ref69654636\r\h[40]。點(diǎn)特征算法方面，基于Harris特征點(diǎn)，Xiao和ShahREF_Ref69397951\r\h[41]、鄧寶松REF_Ref69397980\r\h[42]、Georgescu和MeerREF_Ref69398003\r\h[43]等人有過(guò)研究工作。Xiao和Shah先從數(shù)學(xué)和幾何角度入手，將仿射變換近似分解為旋轉(zhuǎn)變換和尺度變換，然后在兩個(gè)變換的參數(shù)空間內(nèi)搜尋最佳的旋轉(zhuǎn)參數(shù)和尺度變換參數(shù)REF_Ref69397951\r\h[41]；從相同的仿射變換分解的思路出發(fā)，鄧寶松等確定旋轉(zhuǎn)參數(shù)利用了核線對(duì)其的方法，對(duì)于尺度變換則采用了基于相似變換的思想來(lái)假設(shè)其初始值REF_Ref69397980\r\h[42]。而Georgescu和Meer采用了迭代算法，用基于顏色分布的匹配確保迭代收斂REF_Ref69398003\r\h[43]。特征與區(qū)域匹配結(jié)合的算法方面，文獻(xiàn)REF_Ref69398023\r\h[44]選用Hessian-Affine、文獻(xiàn)REF_Ref69398032\r\h[45]則綜合選用Hessian-Affine及MSERs區(qū)域，實(shí)現(xiàn)不同圖像上檢測(cè)出此類區(qū)域的初始稀疏匹配，并在此初始匹配的基礎(chǔ)上，根據(jù)梯度矩陣的二階矩來(lái)計(jì)算其對(duì)應(yīng)區(qū)域的仿射參數(shù)REF_Ref69398041\r\h[46]，從而或得對(duì)應(yīng)圖像對(duì)上的特定區(qū)域匹配及其仿射參數(shù)。該思路還有不同的實(shí)現(xiàn)方法，Kannala和Brandt根據(jù)所選區(qū)域的灰度矩來(lái)計(jì)算對(duì)應(yīng)鄰域間的仿射關(guān)系。許振輝在更新仿射關(guān)系做了一些工作，具體方法為利用基于核線方位信息輔助REF_Ref69398050\r\h[47]。基于直線特征的算法方面，文獻(xiàn)REF_Ref69398058\r\h[48]提出了一種直線段匹配的方法，該方法具有優(yōu)秀的旋轉(zhuǎn)不變性，具體實(shí)現(xiàn)為借鑒SIFT算法思想，在直線段量測(cè)的對(duì)稱鄰域內(nèi)計(jì)算梯度直方圖，形成高維矢量描述符并計(jì)算描述符之間的歐式距離完成匹配。缺點(diǎn)也很明顯，該算法適應(yīng)縮放及仿射變形的能力較差。Schmid等REF_Ref69398067\r\h[49]提出的方法則有效提高了直線的正確匹配率，其算法利用核線的幾何約束，用直線上點(diǎn)的匹配問(wèn)題代替了直接的直線匹配，但是這種方法需要實(shí)現(xiàn)知道影像間的核線關(guān)系REF_Ref69398074\r\h[50]?；趫?chǎng)景幾何約束方面，Herbert等REF_Ref69398081\r\h[51]研究直線段匹配時(shí)用到了基于顏色直方圖和拓?fù)潢P(guān)系約束的方法，該方法通過(guò)估計(jì)基本矩陣和單應(yīng)矩陣來(lái)進(jìn)行后續(xù)更多的匹配工作；文獻(xiàn)REF_Ref69398092\r\h[52]研究了街景立面影像三維重建，采用了滅點(diǎn)方向引導(dǎo)等約束算法，該算法首先解算影像間的仿射參數(shù)，然后結(jié)合滅點(diǎn)和空間平行直線約束對(duì)直線進(jìn)行分組，最后通過(guò)匹配直線是否通過(guò)滅點(diǎn)等相關(guān)的約束條件來(lái)對(duì)候選匹配進(jìn)行驗(yàn)證。Mikolajczyk等經(jīng)過(guò)對(duì)比實(shí)驗(yàn)分析REF_Ref69398288\r\h[53]，發(fā)現(xiàn)常用的仿射不變特征提取算子中，MSER算子REF_Ref69398295\r\h[54]是目前業(yè)界抗仿射效果最佳的算子。而SURF因?yàn)槠鋬?yōu)良的旋轉(zhuǎn)、尺度不變性，以及時(shí)效性在圖像領(lǐng)域被廣泛使用REF_Ref69398303\r\h[55]。本文結(jié)合MSCR和SURF算法各自的優(yōu)良特性，形成對(duì)圖像旋轉(zhuǎn)、縮放、仿射、透視等變形都保持良好不變性的算法來(lái)處理傾斜影像的匹配問(wèn)題，以解決傾斜影像因?yàn)榇髢A角、地物遮擋等原因帶來(lái)的大失配問(wèn)題。參考文獻(xiàn)邵振臣,楊云杰.工程機(jī)械智能化發(fā)展現(xiàn)狀及趨勢(shì)[J].機(jī)械設(shè)計(jì)與制造工程,2016,45(8):16-18.楊華勇.工程機(jī)械智能化進(jìn)展與發(fā)展趨勢(shì)[J].建設(shè)機(jī)械技術(shù)與管理,2017,30(12):19-21.LiZ,JiangY,DuanZ,etal.Anewswarmintelligenceoptimizedmulticlassmulti-kernelrelevantvectormachine:Anexperimentalanalysisinfailurediagnosticsofdieselengines[J].StructuralHealthMonitoring,2017,17(6):1503-1519.SoumitryJ,TeizerJ.Dynamicblindspotsmeasurementforconstructionequipmentoperators[J].SafetyScience,2016,85:139-151.趙丁選,李天宇,康懷亮,等.混合動(dòng)力工程車輛自動(dòng)變速技術(shù)[J].吉林大學(xué)學(xué)報(bào)(工學(xué)版),2014,44(2):358-363.戴群亮,趙丁選.基于BP神經(jīng)網(wǎng)絡(luò)優(yōu)化算法的工程車輛擋位判斷的訓(xùn)練及仿真[J].機(jī)械工程學(xué)報(bào),2002(11):124-127.ZhangX,GaoH,GuoM,etal.Astudyonkeytechnologiesofunmanneddriving[J].CAAITransactionsonIntelligenceTechnology,2016,1(1):4-13.StolteT,ReschkaA,BagschikG,etal.Towardsautomateddriving:unmannedprotectivevehicleforhighwayhardshoulderroadworks[C]//IEEEInternationalConferenceonIntelligentTransportationSystems,IEEE,2015:1-6.LiB,LouY.Studyonthecurrentsituationofengineeringmachinerytechnologyandthetrendofintelligentinformation[C]//20163rdInternationalConferenceonManagementInnovationandBusinessInnovation,2016,57:541-545.TjonnasJ,JohansenTA.Stabilizationofautomotivevehiclesusingactivesteeringandadaptivebrakecontrolallocation[J].IEEETransactionsonControlSystemsTechnology,2010,18(3):545-558.KaiwartyaO,CaoY,LloretJ,etal.Geometry-basedlocalizationforGPSoutageinvehicularcyberphysicalsystems[J].IEEETransactionsonVehicularTechnology,2018,67(5):3800-3812.KimHS,LeeHK.Eliminationofclockjumpeffectsinlow-qualitydifferentialgpsmeasurements[J].JournalofElectricalEngineeringandTechnology,2012,7(4):626-635.MatthaeiR,BagschikG,MaurerM.Map-relativelocalizationinlane-levelmapsforADASandautonomousdriving[C]//IntelligentVehiclesSymposiumProceedings,IEEE,2014:49-55.D.Nister,O.Naroditsky,andJ.Bergen,“Visualodometryforgroundvechicleapplications,”JournalofFieldRobotics,vol.23,no.1,pp.3–20,2006.ZieglerJ,LategahnH,SchreiberM,etal.Videobasedlocalizationforbertha[C]//IntelligentVehiclesSymposiumProceedings.IEEE,2014:1231-1238.EbendtR,TcheumadjeuLCT.Anapproachtogeometry-baseddynamiclocationreferencing[J].EuropeanTransportResearchReview,2017,9(3):38.Rodrigo