基于改进容积卡尔曼滤波的惯性/光流组合自主测速方法

针对容积卡尔曼滤波算法在惯性/光流组合测速数据融合时出现由于各系统输出数据频率不一致导致融合精度有限的问题,提出了一种基于多速率残差校正的改进容积卡尔曼滤波算法.通过当前时刻误差估算组合导航系统残差,再使用估算后的残差对速度估计值进行补偿,最终实现惯性/光流组合系统速度测量值的数据融合.实验结果表明,通过提出的改进容积卡尔曼滤波对惯性/光流数据进行融合后,东向速度均方根误差为0.2964m/s,北向速度均方根误差为0.06m/s,与现有其他卡尔曼滤波算法相比,此方法可显著提高惯性/光流组合系统的速度测量精度.     

动态背景下基于金字塔LK光流的运动目标检测

提出了一种动态背景下基于金字塔LK光流的运动目标检测方法。首先采用Shi-Tomasi角点检测法提取图像的强角点,再用金字塔LK光流法计算下一时刻这些特征点的对应位置,得到匹配的多组特征点对。利用这些特征点对建立仿射变换模型并计算仿射参数,对图像做仿射变换消除背景运动带来的误差,最后用帧间差分法处理得到前景目标。实验结果表明,本方法能够以较好的实时性、稳定地检测和提取动背景下的运动目标。     

基于自适应纹理复杂度的仿生视觉导航方法研究

针对稠密光流在低纹理复杂度时精度较低的问题,提出了一种自适应纹理复杂度的稠密光流优化方法,以提升光流导航精度。根据三种不同大气条件下三种不同图像模糊程度的图像光流精度与纹理复杂度的统计图,推断稠密光流的精度与图像的纹理复杂度呈线性关系。通过建立图像纹理复杂度和稠密光流精度之间的直接联系,利用灰度共生矩阵的对比度参数评价图像纹理复杂度,采用最小二乘法拟合图像纹理复杂度和光流真值优化系数的函数关系,获得自适应纹理复杂度的稠密光流优化模型。基于该优化模型设计了仿真实验,实验结果表明,基于该模型可有效提升稠密光流在低纹理复杂度时的计算精度。     

基于互相关的光流测速法在湍流热对流中的应用

同时准确地测量大尺度流动结构和小尺度湍流统计特性对于理解湍流的能量传递规律有着重要意义。尽管粒子成像测速（PIV）技术得到了广泛的应用，但由于算法原理的要求以及商用相机分辨率的限制，PIV技术在同时获取大、小尺度流动特性方面并不实用。另一方面，近年来逐渐引起关注的光流测速法虽然可以实现单像素分辨率的大区域速度场测量，但其准确性通常受限于应用场景而难以保证。本文采用一种基于互相关的光流测速法来分析RayleighBénard对流的粒子图像，进而同时获得全局速度场和小尺度湍流特性。结果表明，这种方法不仅可以获得与PIV技术一致的全局场和流动强度，还能有效地解析出湍流耗散区的速度结构函数。进一步的，分别基于速度结构函数和定义直接计算而获得的能量耗散率不仅在数值大小上互相吻合，还与直接数值模拟的结果以及理论预测相一致。这些结果表明基于互相关的光流测速法在同时测量大尺度流动结构和小尺度统计特性上有很好的应用潜力。     

一种基于矩特征和特征光流的运动目标跟踪方法

提出了一种基于矩特征和特征光流的运动目标跟踪方法.首先进行角点特征提取,按照提出的基于矩特征的局部范围内匹配角点的策略,完成了序列图像的角点匹配;然后,按照本文提出的光流聚类准则完成了两个图像目标的聚类.仿真实验表明,本文算法在减少计算量的同时可提高跟踪精度,且可克服目标做小角度旋转时的失跟问题.     

航空发动机传感器解析余度模型的建立方法

为了使用解析余度模型对传感器故障进行诊断,提出了1种基于K-均值聚类与改进微分进化算法优化的极端学习机(IDE-ELM)的发动机传感器解析余度模型建立方法。为避免求解ELM算法时H矩阵奇异,采用K-均值聚类对试验数据进行聚类处理,然后从每类数据中选取1组数据组成训练样本用于训练;利用IDE算法优化ELM的输入层权值和偏置,提高ELM的泛化能力。利用飞行试验数据进行了仿真验证。结果表明:基于K-均值聚类和IDE-ELM设计的传感器解析余度模型具有较高的精度,可用于FADEC系统双通道传感器的故障诊断。     

基于粒子群聚类优化的快速分形图像压缩算法

针对经典分形压缩算法中编码时间过长的问题提出了一种改进算法。将粒子群优化算法应用于聚类中心的求解中,利用聚类优化方法分别对子块和父块进行聚类,匹配时通过类内搜索取代全局搜索,减低了编码时间。仿真实验结果表明,在不影响信噪比和压缩比的前提下,与经典分形压缩算法相比,本文的算法编码速度可提高大约5倍;同近期文献报道的基于K-均值聚类优化的快速分形图像压缩算法相比也有明显的改善。     

基于加工能力模糊聚类的设备分组方法

为了在工艺设计中高效、合理、准确地确定加工设备,实现资源优化配置,提出了基于加工能力模糊聚类的设备分组方法.该方法采用加工能力元描述设备的加工能力,通过对加工能力元的聚类分组,实现对设备的分组.在此基础上,建立了加工能力元的数学模型,采用区间数模糊C-均值聚类算法对模型进行了求解,并采用改进的最大最小距离算法产生初始分组中心.最后,通过具体实例,验证了该方法的有效性.     

一种基于 KFCM的 SVM遥感图像机场目标分类算法

在遥感图像机场目标分类方面,支持向量机(SVM)有着广泛的应用,但由于样本不平衡问题以及不确定性数据的存在,传统SVM算法的分类精度与效果还无法令人满意。为提高传统SVM分类器的性能,文章将建立在模糊理论基础上的模糊核C-均值聚类算法(KFCM)用于处理遥感数据的不确定性问题,并通过聚类分析后的目标子图,剔除非目标样本的同时保留了目标样本,较好地解决了样本不平衡问题。将基于KFCM的SVM分类算法用于遥感图像机场目标的分类,实验结果和性能分析表明该算法分类性能优于传统SVM算法。     

基于K-均值聚类与粒子群核极限学习机的推力估计器设计

鉴于航空发动机直接推力控制与健康管理需要高精度及高实时性的推力估计器,提出了一种基于K-均值聚类与粒子群优化的核极限学习机推力估计方法。采用K-均值聚类对全工况范围内的测量数据进行聚类,在每一个子类中,通过核极限学习机建立推力估计器,采用粒子群算法对核极限学习机的核参数和惩罚系数进行优化,利用了核极限学习机稳定性好、非线性拟合能力强的特点,实现了对发动机推力的估计。经涡扇发动机台架试车数据训练与测试表明,本推力估计方法平均预测时间为0.27ms,实时性满足机载在线状态评估和直接推力控制需求,且在估计精度上较现有方法存在一定优势。     

基于惯性/偏振光/光流的六足步行机器人自主导航方法研究

针对惯性/卫星组合导航系统易受干扰或自主性不足等问题，引入偏振光传感器和光流传感器，分别建立航向角和速度量测方程，以辅助惯性导航系统，提出了一种基于惯性/偏振光/光流的自主导航方法。同时，为实现惯性传感器、偏振光传感器和光流传感器等多传感器的融合，设计了无迹Kalman滤波器。为验证该方法的有效性，以六足步行机器人为对象开展仿真和实验验证。结果表明，在没有卫星信号源的情况下，仅依靠机器人自身感知，可实现较高精度的机器人位姿估计，实现了不依赖于卫星导航信号的自主导航，提升了导航系统的自主性。     

基于改进Cycle-GAN的光流无监督估计方法CSCD

卷积神经网络为光流的计算提供了一种新的方式,但作为一种数据驱动技术,用于训练网络的大规模光流真值在现实世界中不易获取。为了解决这个弊端,基于Cycle-GAN的循环对抗机制,提出了一种光流无监督估计方法。首先,引入双判别器机制在生成器生成的光流样本的底层和高层特征上进行鉴别,迫使生成器提高光流生成的精度。其次,引入Spynet作为教师网络,在生成器训练前期对其进行指导,防止网络陷入模式崩塌。最后,改进损失函数,提出了光流一致性损失和轮廓一致性损失函数,进一步提升光流估计精度。实验结果表明,与现有的先进算法相比,提出的方法达到与有监督算法相同的精度水平。     

基于改进DeepSORT的视觉/激光雷达目标跟踪与定位方法CSCD

通过结合目标跟踪与相对定位,在对多帧检测目标进行关联与分析的同时,可以获取其三维信息。但当目标外观特征变换较大时,传统目标跟踪算法较易发生漏匹配或身份变换,而仅依靠对齐点云的相对定位算法较易出现定位失效的情况。针对以上问题,提出了一种基于改进DeepSORT的目标跟踪与定位方法在原始DeepSORT算法中加入基于位置约束的匹配,解决了因外观改变导致的漏匹配问题;在获取跟踪信息的基础上,设计了基于目标运动模型的相对定位方法,解决了图像中目标较小时相对定位不连续且定位精度较低的问题。试验结果表明,与传统DeepSORT算法相比,多目标跟踪准确度提高了5.9%;与仅依靠对齐点云的相对定位算法相比,定位精度提高了62.4%。     

无监督深度学习单目视觉里程计研究

针对传统单目视觉里程计存在的尺度漂移和尺度不一致问题，提出了一种基于无监督深度学习的单目视觉里程计。首先，联合使用空间几何约束和图像相似性约束，得到长序列尺度一致的深度估计网络和鲁棒的光流估计网络；然后，对密集光流进行采样，得到精确的稀疏对应关系，减少尺度漂移；最后，根据改进的ORB-SLAM初始化方法，选择最优跟踪方式，结合深度信息进行尺度对齐，从而得到全局尺度一致的视觉里程计。在KITTI数据集上进行大量实验，结果表明，相较于ORB-SLAM2和基于深度学习的端到端的视觉里程计系统，该算法在通用评估指标方面性能有明显提升，验证了该算法的有效性。     

图像序列中机动目标三维运动和结构的计算

综合视觉运动分析中的2类处理方法,选取图像中的角点作为特征点,在理论上证明了图像序列的光流场可以近似地用角点的位移场代替。利用已有文献中的建模思想,详细推导出递归计算机动目标三维运动和结构的非线性计算模型,采用广义卡尔曼滤波(EKF)递归地计算图像序列中机动目标的三维运动和结构。合成图像序列和真实图像序列实验结果表明该算法能取得较好的效果。     

一种改进的GPS动态定位滤波方法

针对GPS接收机能够测量卫星信号的多普勒频率的特性,亦即能够测量三维速度的特性,引入了一种改进的GPS定位系统滤波算法。首先,根据机动载体的"当前"统计模型建立了系统状态方程;然后,根据GPS接收机实际能够输出位置与速度信息的特点建立了系统的量测方程;最后,给出了标准的卡尔曼滤波算法模型并详细描述了算法的推导过程。仿真结果表明,改进算法相对于以前的算法无论是在精度和跟踪速度方面都有较大的提高。     

一种基于外推信息的惯导/陆基单站导航修正方案

提出了一种基于外推信息的陆基单站测距信息惯导修正方案,该方案一方面利用陆基测距系统融合捷联惯导系统（SINS）的导航信息进行惯导误差修正,充分发挥惯导系统和陆基导航系统各自的优点,进行系统间的取长补短,有效地减小导航误差;另一方面将陆基/SINS修正结果送入状态估计器求解法向速度,解算实时载体轨迹的待修正量,进而执行载体速度和方向修正,进一步提高了导弹命中精度。     

涡轮叶片内部通道流动换热算法改进

在使用工程计算方法对涡轮叶片温度场进行计算时,往往将叶片内流通道简化成光滑或带肋的换热管元件,容易忽略 各内流管段之间的影响,造成计算得到的叶片3维温度场与真实温度场存在较大差异。针对上述问题,为了提高对涡轮叶片3维 温度场模拟的准确度,对涡轮叶片内流通道的换热流动算法进行改进。考虑涡轮内部蜿蜒通道中弯转区和弯转效应2种因素对 涡轮内部流动换热的影响,使用试验得到的数据对2种因素影响区域的换热情况进行修正,利用修正后的算法对某工作叶片进行 温度场计算,并对修正前后叶片温度场进行了对比分析。结果表明：采用修正后算法得到的蜿蜒通道内的气体温度相较于修正前 算法得到的沿程升高更多,修正后算法求得的叶片整体平均温度降低,最大温差增大。