模糊分层模型参考自适应控制方法在机器人视觉伺服中的应用

研究了基于图像的视觉伺服机器人系统的控制问题。首先建立了视觉伺服GRB-400机器人的图像雅可比矩阵,然后针对该动态LookandMove系统提出了一种带有模糊自调整能力的分层模型参考自适应控制的设计方法,其特点是设计方法简单并可以在线调节相关参数,给出了闭环系统的阶跃响应实验结果,并与原分层模型参考自适应控制闭环系统的动态性能做了比较,实验证明了改进后的闭环系统具有更好的动态性能。     

基于区域能量的自适应多尺度边缘检测

提出了基于区域能量的自适应多尺度边缘检测方法,研究了局部区域内不同边缘方向两侧能量的分布情况;在此基础上提出了一种基于区域能量阈值差与区域面积比值的自适应多尺度方法,最后给出了仿真实验以及与传统方法的对比。结果表明,新方法能进行有效边缘检测并能更好地去除噪声。     

一种基于背景自适应的运动目标检测与跟踪算法

背景图像差分法是运动目标实时检测中常用的方法,但缺乏背景图像随监视场景光照变化而及时更新的合理方法,限制了该方法的适应性。对此,文章首先提出了一种自适应背景更新方法;然后利用最大类间方差法实现运动目标的自适应阈值分割,并利用基于形态学方法的连通区检测算法检测运动目标;最后以Kalman滤波为运动模型实现对运动目标的连续跟踪。实验结果表明:所提方法可随着光照条件的变化,实时、准确地检测出运动目标并实现稳定跟踪。     

基于自适应Siamese网络的无人机目标跟踪算法

无人机已被广泛应用到军事和民用领域，目标跟踪是无人机应用的关键技术之一。针对无人机跟踪过程中目标易发生形变、遮挡等问题，提出一种基于自适应Siamese网络的无人机目标跟踪算法。首先，利用2个卷积网络构建一个5层Siamese网络，通过对模板特征与当前帧图像特征进行卷积得到目标位置；其次，利用高斯混合模型对以往的预测结果进行建模并建立目标模板库；然后，从模板库中挑选出最可靠的目标模板并以此更新Siamese网络的匹配模板，使Siamese网络能够自适应目标的外观变化；最后，引入回归模型进一步精确目标位置，降低背景对网络性能的影响。仿真实验结果表明：该算法有效降低了形变、遮挡等情况对跟踪性能的影响，具有较高的准确率。     

基于动态模板与位置预测的运动目标识别与跟踪

针对动态图像的相关性特点,提出了一种带遗忘因子的自适应动态模板匹配算法,并结合物体运动学原理,提出了一种基于目标位置预测的动态目标识别与跟踪方法,并在此基础上设计了一种螺旋渐开式的目标搜索算法。实验结果显示,这些方法能够准确地识别和快速地跟踪预定目标。     

一种新的基于机动检测的机动目标跟踪算法

针对Kalman滤波跟踪机动目标发散和目前多数自适应Kalman滤波算法对运动模型适应性不强的问题,提出了一种新的基于机动检测的机动目标跟踪算法,通过实时自适应的改变滤波模型提高对机动目标跟踪精度。对这种方法与Kalman滤波算法进行了计算机仿真比较,结果表明,该方法计算量小,可实时精确地自适应匹配目标的运动模型,可实现对机动目标稳定可靠的跟踪。     

基于图像处理思想的自适应网格技术

为了提高激波和旋涡等复杂流动现象的捕捉精度和计算效率,基于图像处理的思想,研究了非结构网格的自适应加密和稀疏算法.将流场计算网格与图像像素类比,借鉴图像处理的方法,提出了一种流场自适应区域的分割算法.该方法能自动对自适应区进行分层,中间区域网格可以达到原来多次自适应的效果,而且提高了生成网格的质量.将算法嵌入到流场求解器中,根据流场求解结果对网格进行自适应,并使用算例进行了验证.     

基于自适应提升小波收缩阈值图像去噪算法

提出了一种自适应提升小波收缩阈值去噪方法，改进了提升算法中预测算子的计算方法，在更新算子中引入了自适应，最后在阈值处理方面使用了实践证明效果比较好的收缩阂值，仿真证明，经去噪后，图像在性能指标上有一定的提高，图像的细节能够很好地保持。     

目标函数误差估算及网格自适应处理

发展了一种基于目标函数误差估算的网格自适应准则,进而通过网格自适应处理提高目标函数计算的效率和准确性。首先描述了目标函数的误差估算及修正的方法,该方法通过伴随方程将原方程的残值误差与目标函数联系起来。然后,基于误差估算建立网格自适应准则,以减少目标函数修正后的剩余误差,提高目标函数计算结果的准确性,并将方法进一步发展至多目标问题。最后将该准则应用于Euler方程控制的NACA0012翼型无粘可压流动的网格自适应模拟。数值计算成功地捕获了与升力、阻力和力矩等目标函数相关的特征流动区域,计算出符合指定精度要求的目标函数值,验证了本文所发展的方法。     

探地雷达中目标的自适应检测与跟踪

提出了一种自适应α-β滤波算法，该算法可用于探地雷达对路面结构的自适应检测与分层。仿真实验的结果证明了算法的有效性。     

基于形态自适应网络的无人机目标跟踪方法

针对无人机影像目标跟踪过程中常出现的目标方向变化、目标遮挡变化、样本多样性不足等问题,提出了一种基于形态自适应网络的无人机航空影像目标跟踪算法。首先使用基于数据驱动的方法对数据集进行扩增,添加了遮挡样本和多旋转角度样本,提高样本多样性;提出的形态自适应网络模型通过旋转不变约束改进深度置信网络,提取强表征能力的深度特征,使得模型能够自动适应目标形态变化,利用深度特征变换算法获取待检测目标的预定位区域,采用基于Q学习算法的搜索机制对目标进行自适应精准定位,使用深度森林分类器提取跟踪目标的类别信息,得到高精度的目标跟踪结果。在多个数据集上进行了对比实验,实验结果表明该算法能够达到较高的跟踪精度,可以适应目标旋转、目标遮挡等形态变化情况,具有较好的准确性和鲁棒性。     

基于点云聚类评估的激光雷达鲁棒定位方法CSCD

基于先验地图的激光雷达定位方法在封闭工业场景下得到了广泛应用,然而环境变化、行人和车辆等动态物体的干扰会影响激光雷达与先验地图的匹配精度。提出了一种动态环境下基于点云聚类评估的三维激光雷达鲁棒定位方法:通过设定角度和距离双阈值,对点云深度图像进行分割聚类,相较于传统分割方法,分割结果对点云噪声更为鲁棒;通过对原始点云进行分割聚类,在粗匹配结果下评估聚类的匹配度,剔除误匹配聚类进行二次匹配以提高匹配精度;通过聚类评估的结果判断匹配成功和失败的点对,进而对点云整体匹配结果的正确性进行评估,相较于传统仅基于距离阈值的判断准则,具有更高的准确性;最终,分别通过公开数据集和实际试验验证了该算法的有效性。试验结果表明,相较于传统匹配方法,该方法有效提高了动态场景下的定位精度和匹配结果评估的准确度,定位误差可以维持在10cm以内。     

基于对数极坐标变换的快速相关匹配算法

成像制导过程中,需要在导引头获得的图像中搜索目标所在位置。基于对数极坐标变换的相关匹配算法能够有效处理在尺度、旋转等情况下目标的匹配问题,但是计算量大、匹配效率低,因此提出一种基于对数极坐标变换的多分辨率快速相关匹配算法。首先,通过定义主梯度方向,并将该方向作为对数极坐标变换的角度变换基准,有效避免了模板与目标特征矩阵基准不同的问题;其次,在多分辨率金字塔搜索过程中,采用图像方差作为判断依据,跳过同质区域和杂乱区域等非目标区域,加快搜索效率。仿真结果表明,该算法相比传统多分辨率相关匹配算法能够保证匹配精度并提高算法对于非线性光照变化的鲁棒性,匹配效率显著提高,具有实时处理的潜力。     

Robust adaptive filtering method for SINS/SAR integrated navigation system

This paper presents a new robust adaptive filtering method for SINS/SAR (Strap-down Inertial Navigation System/Synthetic Aperture Radar) integrated navigation system. This method adopts the principle of robust estimation to adaptive filtering of observational data. A robust adaptive filter is developed to adaptively determine the covariance matrix of observation noise, and adaptively adjust the covariance matrix of system state noise according to the adaptive factor constructed based on predicted residuals. Experimental results and comparison analysis demonstrate that the proposed method cannot only effectively resist disturbances due to system state noise and observation noise, but it can also achieve higher accuracy than the adaptive Kalman filtering method.     

ALGORITHMS FOR TRACKING MANEUVERING TARGET WITH PHASED ARRAY RADAR

Ｓｉｎｃｅｐｈａｓｅｄａｒａｙｒａｄａｒｃａｎａｌｏｃａｔｅｔｈｅｒａｄａｒｒｅｓｏｕｒｃｅｓｆｌｅｘｉｂｌｙ，ｉｔｈａｓｔｈｅｐｏｔｅｎｔｉａｌｔｏｆｕｒｔｈｅｒｉｍｐｒｏｖｅｔｈｅｐｅｒｆｏｒｍａｎｃｅｏｆｔｒａｃｋｉｎｇｍａｎｅｕｖｅｒｉｎｇｔ...     

基于SAR图像匹配结果可信度评价的INS/SAR自适应Kalman滤波算法

在惯性导航系统（INS）/合成孔径雷达（SAR）组合导航系统中，SAR图像易受斑点噪声的影响，图像匹配的精度对整个导航系统精度的影响十分明显，能够准确地分析SAR图像匹配过程中的误差特性，利用有效的图像匹配信息辅助INS进行组合定位尤为重要。针对上述问题，在加权Hausdorff距离匹配算法的基础上，对影响SAR图像匹配精度的因素进行了分析，提出了一种基于模糊推理的匹配结果可信度评价准则，经过可信度筛选，将有效的匹配信息与INS进行组合；对合理范围内的匹配误差变化引起量测噪声统计特性发生变化，进而导致Kalman滤波精度下降的问题，研究采用改进的Sage-Husa自适应滤波算法对量测噪声方差阵进行动态调整，使其更加接近系统的当前状态。搭建仿真验证平台对所提算法进行了验证，结果表明，该算法能够在合理的匹配误差范围内，有效地筛选出可信的图像匹配结果，相比常规Kalman滤波算法，显著地提升了INS/SAR组合导航系统水平方向的定位精度。     

基于自适应步长选择的周期格型线搜索估计

稀疏、含噪观测条件下周期点过程的周期估计是一个经典的信号处理问题。针对该问题,提出了一种格型线搜索(LLS)算法,该算法通过数值方式搜索似然函数的最大值,但其性能取决于人为预先选取的搜索步长。推导了一个步长计算公式,并利用该公式改进了LLS算法。改进的LLS算法能够自适应选择搜索步长,其达到的克拉美-罗界(CRLB)的信噪比(SNR)门限与最大似然估计(MLE)算法一致,但计算复杂度比后者低一个多的数量级。性能分析与仿真实验表明,所提算法比已有算法能更好地实现估计精度与复杂度的折中。     

基于二代小波的轨迹优化节点自适应加密

针对采用直接法求解轨迹优化问题中精度和效率之间的矛盾,提出了基于二代小波轨迹优化节点自适应加密.采用RK(Runge-Kutta)离散方法将原轨迹优化问题转化为非线性规划问题,并采用成熟的非线性规划算法求解.对控制或状态函数进行小波变换得到小波系数,基于小波系数和二分节点的对应关系,根据小波系数的幅值确定下一个迭代步所使用的节点并进行序列优化.算例结果表明:通过设置合适的小波系数阀值,采用较少的时间离散节点即可使优化结果达到预定的精度.与高斯伪谱法软件相比,节点个数大约减少10%,最优指标的精度大约提高1个数量级.      

航拍高光谱图像中基于投影的自动目标检测算法

针对未知环境条件下的高光谱图像目标检测问题进行了研究，提出了一种基于投影的自动目标检测算法。该算法通过构造正交投影算子预先对部分干扰物信息进行削弱，再以无监督的自动目标搜寻方法找到场景中可能的目标物，将图像数据向可能目标物所张成的子空间投影以增强目标物的信息，然后用匹配的方法完成检测。有效减弱了干扰物对目标检测的影响，缩小了目标搜索的范围。应用此算法对实验采集数据进行处理，取得了较好的结果。     

基于Census变换和改进自适应窗口的立体匹配算法

 针对现有立体匹配算法难以在幅度失真图像中获取高匹配精度的问题,提出了一种基于Census变换和改进自适应窗口的立体匹配算法。首先根据图像结构和色彩信息获得基于十字骨架的任意形状和大小的Census变换窗口;其次利用Census变换的Hamming距作为匹配代价,使用两次累加降低计算复杂度,采用局部优化得到初始视差;最后提出一种基于均值偏移的视差提精方法,有效地处理了不可信视差区域,获得高精度的视差图。实验表明,通过该算法获得的视差图与当前优秀的局部算法相比精度相当,特别是能很好地处理现有算法难以解决的幅度失真问题,适用于无人机视觉导航的应用。