基于红外视觉/激光雷达融合的目标识别与定位方法

近年来,基于可见光图像的目标识别在无人车感知领域得到了广泛应用.然而,可见光图像目标识别无法应用于弱光和黑暗环境.针对于此,提出了一种基于红外视觉/激光雷达融合的目标识别与定位算法.首先,通过基于颜色迁移的数据增强训练方法,提高了红外目标识别算法的泛化性能.继而,提出了一种基于激光雷达修正的单目深度估计方法,通过视觉图...     

一种适用于曲面结构的机器人制孔误差在线补偿技术

针对工业机器人应用于飞机零部件自动钻孔时各项误差累积造成制孔精度差的问题，提出一种利用单应关系计算机器人驱动坐标三维偏差，以在线补偿机器人制孔精度的方法。首先利用外部测量设备建立机器人制孔系统中各坐标系关系；在标定阶段，通过以一定倾斜角度固联于机器人末端的相机拍摄一幅安装于制孔工作平面上与刀轴正对的平面标定板图像，并据此完成基于单应变换的手-眼关系标定；在实际制孔过程中，机器人在测距传感器及相机的辅助下，从基准孔理论坐标对应的姿态，不断调整至基准孔正上方理想位置，通过手-眼关系计算基准孔实际位置对应的机器人驱动坐标，然后根据一组基准孔的机器人三维驱动误差，计算三维驱动误差变换矩阵，据此获得这组基准孔邻域范围内各待钻孔的机器人驱动坐标补偿量，从而实现待钻孔定位误差补偿。以飞机结构实验件为对象进行了模拟制孔验证，实验结果表明，补偿前待钻孔三维综合定位误差和法向误差测量值范围分别为2.28~2.85 mm和2.09°~3.93°，平均为2.55 mm和3.30°，补偿后制孔最大误差分别不超过0.30 mm和0.21°，满足自动制孔位置精度要求。     

基于机器视觉与UMAC的自动铺丝成型构件缺陷检测闭环控制系统

为保证自动铺丝成型构件的性能,实现对成型构件表面质量的高效检测,本文基于机器视觉检测技术,自行研发自动铺丝成型构件表面缺陷检测闭环控制系统,使自动铺丝过程中预浸纱之间的间隙或重叠在允许范围内,从而保证铺丝精度。研究主要分为三个部分:铺丝成型构件表面图像提取与缺陷检测,检测数据传输,运动轴反馈控制,实现在自动铺丝过程中对成型构件表面缺陷检测实时闭环控制。针对电荷耦合相机采集到的预浸纱图像存在运动模糊和信噪比低等问题,将图像预处理划分为图像复原和降噪两大功能,根据不同类型的噪声采用对应滤波法进行降噪处理,提高了图像的信噪比,为后续检测提供高质量图像;预浸纱缺陷主要由其边缘直线这一几何特征进行表征,因此通过对预浸纱边缘检测实现缺陷识别;利用工控机向图像采集控制器发送命令实现图像采集,同时通过工控机与运动控制器之间信息流和数据流的交换实现检测数据的传输。探讨模糊控制理论用于闭环控制的研究,在反模糊化环节后面,加入自适应参数调节,以适应加工过程的突变,并成功地应用到自动铺丝缺陷检测闭环控制系统中,提高了伺服跟踪精度和跟踪实时性,从而提高铺丝精度。     

Positioning error compensation of an industrial robot using neural networks and experimental study

Due to the characteristics of high efficiency, wide working range, and high flexibility,industrial robots are being increasingly used in the industries of automotive, machining, electrical and electronic, rubber and plastics, aerospace, food, etc. Whereas the low positioning accuracy,resulted from the serial configuration of industrial robots, has limited their further developments and applications in the field of high requirements for machining accuracy, e.g., aircraft assembly.In this paper, a...     

惯性信息辅助的大视角目标快速精确定位

目标定位技术广泛应用于航空领域的侦察机、无人机等各类侦察打击任务中,目标定位精度的高低及效率对作战效果具有重要影响。针对仿射尺度不变的特征变换(ASIFT)算法对远距离大视角目标定位精度较低、速度较慢的问题,提出了一种基于惯性信息辅助的大视角目标快速精确定位方法。该方法首先对目标实测序列图像构造尺度空间,结合FAST特征检测与FREAK特征描述的方式进行匹配,实现对待定位目标的快速提取;然后利用机载惯性信息求解目标实测图与参考图之间的透视变换矩阵,利用该矩阵对实测图进行变换以减小图像间视角差异,克服了ASIFT算法盲目匹配计算的弊端,并通过FAST特征检测与FREAK特征描述相结合的方式提升了大视角图像的匹配速度;最后通过单应性矩阵映射关系实现对目标的精确定位。实验结果表明,大视角目标快速精确定位方法匹配耗时比ASIFT算法的减小了1个数量级,定位精度比目标平均值定位算法精度提高了1个数量级,有效提高了图像匹配定位在航空领域的应用效率。     

非视距误差神经网络改正的超宽带定位模型研究

非视距环境是造成超宽带定位系统精度下降的主要原因。由于非视距环境的测距精度下降难以通过常规计算方法建立改正模型,提出了一种基于反向传播算法的神经网络改正的超宽带稳健定位模型。该方法通过反向传播神经网络的自适应学习方法建立了一种超宽带非视距误差改正的稳健定位模型,实现了在非视距环境下超宽带定位精度的提升。首先采集非视距环境下超宽带测距值,提取超宽带在非视距环境下的坐标序列,计算得到误差序列,然后通过反向传播神经网络建立误差改正模型预测得到标签的误差改正值,最后使用超宽带Kalman滤波定位模型进行超宽带定位,从而消除非视距环境对定位精度的影响。通过对比实验分析,本模型较多项式拟合模型超宽带测距精度提高46.8%,定位精度提高43.4%;较多面函数拟合模型超宽带测距精度提高28.2%,定位精度提高26.2%。实验结果表明,反向传播算法的神经网络对超宽带非视距定位模型的误差改正有很好的效果,对超宽带定位精度的改正效果显著。     

恶劣天气下的仿生偏振定向方法

针对偏振光导航在恶劣天气下精度显著下降的问题,提出了一种可以在恶劣天气下基于大气偏振模式的定向算法。与现有方法相比,首次将三维块匹配与canny边缘检测结合的思想应用于修复被不同天气破坏的偏振角度图像中。具体而言,将偏振角度图像的修复分为噪声粗处理和边缘提取处理去噪两部分。在噪声粗处理阶段采用三维块匹配算法,在边缘提取处理去噪部分,利用canny边缘检测算法对偏振角度图像进行二次去噪。实验结果表明,该方法不仅能够提高晴朗天空下的定向精度,而且能够显著提升在阴天、沙尘、雾霾等恶劣天气条件下的导航定向精度,即使在偏振角图像对称∞模式被破坏的情况下,航向角精度仍可由9.4470°提高到1.6859°。     

基于多尺度 3D-2D卷积神经网络的高光谱图像分类

设计提出了 1种针对高光谱图像分类任务的 3D-MSCNN模型。在 PCA降维的基础上,利用 3D空谱特征提 取网络和 2D多尺度特征提取网络实现高光谱图像特征提取,充分发挥高光谱图像空谱信息价值,增强对不同尺度 地表覆盖的表达能力。最后,利用 Softmax分类损失函数实现高光谱图像分类任务。实验结果表明,本文算法在 In. dian Pines和 Pavia University数据集上都取得了较好的分类效果。与 CD-CNN、3D-CNN、SS-Net和 HybirdSN等方法相 比,本文算法能够有效提升总体精度、平均精度和 Kappa系数等客观评价指标。     

High resolution 3D “snapshot” ISAR imaging and featureextraction

We have developed a new formulation for three dimensional (3D) radar imaging of inverse synthetic aperture radar (ISAR) data based on recent developments in high resolution spectral estimation theory. Typically for non real-time applications, image formation is a two step process consisting of motion determination and image generation. The technique presented focuses on this latter process, and assumes the motion of the target is known. The new technique offers several advantages over conventional techniques which are based on the correlation imaging function. In particular, the technique provides for a direct 3D estimate (versus back projection to a 3D target grid matrix) of the locations of the dominant scattering centers using only a minimum set of independent 2D range-Doppler ISAR “snapshots” of the target. Because of the snapshot nature of the technique, it is particularly applicable to 3D imaging of sectors of sparse-angle data, for which the sidelobes of the correlation imaging integral become high. Furthermore, the technique provides for an estimate of amplitude and phase of each scattering center as a function of aspect angle to the target, for those aspect angles which encompass the set of 2D range-Doppler snapshots. Results illustrating the technique developed are presented for both simulated and static range data     

GNSS广域差分改正数估计方法研究

随着我国北斗三号基本系统的正式运行，基于地面监测站的广域差分增强系统成为进一步提升卫星导航定位精度的手段之一。在码噪声多径误差修正（CNMC）的基础上，使用等效钟差方法实现GNSS卫星轨道与钟差误差的解耦，并依据卫星轨道运动的动力学特性，引入希尔差分方程描述卫星轨道误差变化，实现对轨道误差的实时卡尔曼滤波估计。基于GPS实测数据，对改正前后的用户等效测距误差（UERE）和定位精度进行了对比研究。实验结果表明，采用该方法，UERE标准差由改正前的0.456 m减小至0.227 m，降幅达到50.22%；整体水平定位误差（95%置信区间）由0.981 m减小至0.782 m，垂直定位误差（95%置信区间）由1.991 m减小至1.131 m，分别提升了20.29%和43.19%，差分改正效果明显。     

两向二维最大子类散度差鉴别分析及其在SAR目标识别中的应用

针对Fisher线性判决分析（FLDA）在图像识别应用中遇到的小样本问题,提出了两向二维最大子类散度差（(2D)2MCSD）鉴别分析的图像特征提取方法。首先找到每类数据的子类划分,再根据这些子类构造基于二维图像矩阵的子类类间和子类类内散布矩阵,最后用子类类间与子类类内散布之差作为鉴别准则求取投影矢量。该方法可以处理多模分布问题,从根本上避免了矩阵求逆和小样本问题,加快了特征抽取的速度,且同时对图像行和列进行压缩,克服了二维最大子类散度差（2DMCSD）鉴别分析和另一种形式的2DMCSD（Alternate 2DMCSD）的特征维数较大的问题。基于美国运动和静止目标获取与识别（MSTAR）公共数据库提供的实测数据的实验结果表明：本文方法的性能优于现有的子空间方法;与2DMCSD和Alternate 2DMCSD相比,可大大降低特征维数、提高识别性能。     

基于序列图像的自动目标识别算法

由于利用单幅二维图像进行三维目标识别存在识别的多义性,提出了一种基于二维序列图像的三维目标自动识别算法。首先以修正的Hu不变矩构造目标的图像识别特征,进而采用BP神经网络分类器构造关于目标融合识别的基本置信指派函数,以神经网络的训练误差构造证据理论不确定性度量,采用基于吸收法的DS证据理论实现高冲突证据的贯序式融合。对各姿态飞机图像识别的仿真表明,该算法对飞机的空间姿态变化具有很强的鲁棒性,能快速地准确识别飞机类型。此外,算法对先验性参数具有一定的鲁棒性。     

低成本U-blox模块的单频GPS/BDS增强PPP定位性能分析

以U-blox单频接收机采集数据,在GPS与GPS/BDS两种解算模式下进行局域增强精密单点定位(PPP)解算,并进行模糊度固定,对其在不同环境下的定位性能进行实验研究和分析。实验结果表明:在静态环境下,GPS/BDS浮点解收敛至cm级需3min左右,较GPS缩短64%,GPS/BDS定位精度RMS在平面与高程方向分别为(3.2cm,2.7cm),较GPS提升(47%,59%);GPS/BDS在30s左右可固定模糊度,固定后定位精度为(0.4cm,1.0cm),较GPS/BDS浮点解提升(88%,63%)。在动态环境下,GPS/BDS浮点解收敛至cm级需4min左右,较GPS提升59%,定位精度为(3.1cm,5.9cm),较GPS提升(34%,43%);GPS/BDS获得固定解需2min左右,固定后定位精度为(0.7cm,1.0cm),较GPS/BDS浮点解提升(77%,83%)。     

北斗二号伪距偏差特性分析及其对定位的影响

伪距偏差是指因卫星下行导航信号非理想状态,导致不同技术状态的终端在接收同一卫星导航信号时产生不同的测距偏差,而现有伪距改正手段尚未考虑该偏差,甚至在双频定位时还会被进一步放大.基于Curtin GNSS研究中心设置的零基线接收机,使用接收机零基线差分解算多组观测终端下北斗二号卫星的伪距偏差,分析其特性,并采用标准单点定位测试伪距偏差改正后的定位精度变化.结果表明:北斗二号各卫星在不同频点的伪距偏差最大可达20cm,B2信号伪距偏差普遍小于B1信号;考虑伪距偏差改正后,标准单点定位在U方向最大提升7.9％,三维方向最大提升5.1％.     

基于邻帧差分近邻反相特征的红外运动点目标检测算法

基于运动点目标在邻帧差分图像中所具有的近邻反相特征,即运动点目标的两个位置相邻近、灰度值一正一负,提出一种在复杂背景下,基于红外序列图像的运动点目标检测算法.本算法利用该特征在邻帧差分图像中检测反相点对,进而构造反相点对矢量图,最后依据累积反相点对矢量图中多矢量首位相接的连续性检测出运动的点目标.文中给出并证明应用本算法能以概率1检测到运动点目标的收敛性定理.对典型复杂背景下10幅1000帧图像的仿真结果表明,当信噪比大于或等于1.5时,可以有效检测出运动点目标.     

基于路面分割的高精度地图创建优化方法研究

高精度地图主要利用已采集图像的地面信息生成,但是在真实环境中图像的地面信息容易受动态障碍物遮挡,同时GPS难免会有抖动误差,导致地图拼接效果并不理想。针对上述问题提出了一种基于路面分割的动态障碍物去除与图像配准方法。使用深度学习对全景图像进行语义分割并提取路面信息,在去除动态障碍物干扰后,利用路面特征进行图像配准。融合GPS与里程计信息进行定位优化,利用多帧图像叠加填补空缺形成地图。最终,实验验证了该方法在去除动态障碍物的同时也提高了地图的精度。     

面向飞机装配的机器人定位误差和残差补偿

工业机器人由于其高柔性和低成本而被越来越多地应用到飞机自动钻铆系统中,使用精度补偿有效地提高机器人的绝对定位精度是保证产品质量的关键,为进一步提高机器人末端定位精度,提出了基于误差相似度的残差补偿方法。首先使用基于运动学参数标定的方法辨识出机器人的几何参数误差,再利用基于误差相似度的方法对残余误差进行估计,实现对机器人的误差和残差的补偿。以工业机器人KUKA KR-30 HA为对象所进行的试验验证表明,机器人的绝对定位精度平均值由补偿前的0.879mm经过定位误差补偿后提高到0.194mm,经过残差补偿后进一步提高到0.141mm,经过定位误差和残差补偿后的机器人最大误差由1.492mm降低为0.296mm,最大绝对定位精度误差降低了80.16%。该方法能有效地补偿参数辨识后遗留的残差,进一步提高机器人的定位精度。     

人工智能技术在航空发动机孔探检测中的应用进展

孔探是当前航空发动机检修过程中应用最多的无损检测方法,也是孔探图像的唯一获取途径。近年来,深度学习等人工智能方法开始被应用到航空发动机损伤分类、检测中,为实现航空发动机检修智能化提出了一些现行有效的方法,具有重要的工业应用价值。本文概述了航空发动机孔探检测的发展和优缺点,综述了专家系统和机器学习人工智能方法在发动机孔探图像方面的应用进展,总结了基于孔探图像实现航空发动机孔探检测智能化面临的一些挑战。     

Super resolution SAR imaging via parametric spectral estimationmethods

Super resolution synthetic aperture radar (SAR) image formation via sophisticated parametric spectral estimation algorithms is considered. Parametric spectral estimation methods are devised based on parametric data models and are used to estimate the model parameters. Since SAR images rather than model parameters are often used in SAR applications, we use the parameter estimates obtained with the parametric methods to simulate data matrices of large dimensions and then use the fast Fourier transform (FFT) methods on them to generate SAR images with super resolution. Experimental examples using the MSTAR and Environmental Research Institute of Michigan (ERIM) data illustrate that robust spectral estimation algorithms can generate SAR images of higher resolution than the conventional FFT methods and enhance the dominant target features     

Use of Nonquadratic Regularization in Fourier Imaging

In many Fourier imaging applications, the presence of unaccounted for amplitude or phase errors in the Fourier domain data can lead to a degraded system impulse response and high sidelobes in the image domain. Historically, many methods for data-driven correction of these effects have been proposed, and numerical optimization of nonquadratic, p-norm image quality metrics has recently emerged as a robust solution. This paper presents a tutorial examination of the sources of image sidelobes in Fourier imaging applications, and studies the effectiveness of p-norm regularization algorithms under various experimental conditions. Several observations are made, including comments on robustness to noise and methods for tapered window design and energy-constrained sparse aperture imaging. Image examples are presented as experimental validation.