车辆视频检测感兴趣区域确定算法

利用最大方差阈值方法对灰度图像二值化后,对车辆底部阴影突变行检测,对感兴趣区域确定方法进行改进,实现了感兴趣区域的精确确定.通过计算精确确定后的感兴趣区域的灰度对称性和熵值归一化对称性测度,实现了车辆的精确检测,找到车辆的对称轴,并在车辆区域上边界一定范围内,进行灰度突变检测,实现了车辆上边界的准确定位.通过实验验证算法较好地实现了复杂环境下的车辆检测和上边界定位.     

一种基于多尺度边缘提取的陨石坑检测算法

针对星体表面的陨石坑可用于探测器的自主导航、障碍识别等任务,提出一种基于多尺度边缘提取的陨石坑检测算法。该算法首先利用高斯金字塔得到不同尺度的陨石坑图像;其次,针对不同尺度的陨石坑图像,利用EDPF边缘提取算法对陨石坑进行边缘提取,并连接关键边缘像素点为直线段来近似表示图像边缘;然后将具有相同偏转方向的边缘直线段连接成圆弧,并将有相似半径和中心的圆弧拟合成候选圆和椭圆;最后对候选圆、椭圆进行验证。该算法的优点在于,能够准确地检测出陨石坑,有较高的检测率,且对存在较多陨石坑的图像有较好的检测结果。     

基于边缘与颜色信息的车牌精确定位算法

针对现有车牌定位算法定位率不高和速度慢等问题,结合数学形态学,提出了一种基于车牌边缘检测与颜色信息的精确定位算法.首先对图像进行灰度化、平滑去噪及灰度拉伸等预处理,然后对图像进行垂直边缘检测和二值化处理;再采用线过滤算法滤去干扰边缘线信息,并利用车牌区域灰度变化次数多的特性定位出车牌上下边缘;对经过上下边缘定位后的车牌采用点密度过滤算法滤去零散点,接着采用数学形态学方法寻找连通域粗定位出车牌区域;最后对粗定位车牌在HSV空间进行颜色分割和倾斜矫正,从而精确定位出车牌.实验结果表明,该算法能够实现车牌的快速精确定位.      

自适应立方卷积图像插值算法

图像插值是图像处理的一项重要技术,可适用于多个领域,近年来多使用该技术进行图像缩放.针对传统图像缩放算法边缘处理效果较差、边缘检测插值算法复杂度高的问题,提出一种有效增强边缘轮廓的自适应立方卷积插值算法.该算法结合边缘梯度变化和立方卷积插值的特点,使得图像在平坦和纹理区域均能取得理想效果.实验结果表明,与基于边缘检测的插值算法相比,该算法具有较低的复杂度,平均运算时间降低了3.19 s;与立方卷积算法相比,图像峰值信噪比有较大的提高,峰值信噪比增加了0.89 dB.     

基于运动增强和颜色分布比对的运动目标检测

为检测无人机视频中的地面运动目标,提出了一种运动和颜色信息相结合的算法.采用前向运动历史图像来增强独立运动信息和抑制背景噪声,确保完整分割出候选运动区域; 提出一种迭代的、基于局部颜色分布比对的方法,去除候选区域中的背景像素,以更准确地提取单个运动目标.算法不仅节约了计算量,还有效降低了误检和漏检的可能性.多组无人机视频的实验结果表明了所提算法的高效性和鲁棒性.     

Moving object detection using color distribution motion enhancement and comparison

为检测无人机视频中的地面运动目标,提出了一种运动和颜色信息相结合的算法,采用前向运动历史图像来增强独立运动信息和抑制背景噪声,确保完整分割出候选运动区域;提出一种迭代的、基于局部颜色分布比对的方法,去除候选区域中的背景像素,以更准确地提取单个运动目标,算法不仅节约了计算量,还有效降低了误检和漏检的可能性．多组无人机视频的实验结果表明了所提算法的高效性和鲁棒性。     

新的航空图像道路检测与跟踪算法

介绍了一种新的面向智能无人机应用的道路检测与跟踪算法.首先从电子道路地图中得到标示道路初始区域的合成图像,然后利用光学图像的距离变换图像、合成图像的边缘图像等信息把道路检测问题表述为一最优化问题,最后利用迭代算法解此问题得到路面区域.道路跟踪利用前一帧检测结果的预测值初始化其对应的优化问题.实验证明该方法具有较高的稳定性和适应能力.      

一种基于自动特征学习的陨石坑区域检测算法

基于陨石坑的视觉导航技术成为一种新颖的高精度空间探测自主导航方式，如何从导航图像中精确地提取陨石坑区域是实现基于陨石坑视觉导航的首要条件。针对这一问题，根据陨石坑导航图像特点，提出了一种基于自动特征学习的陨石坑区域检测算法。首先，基于最大稳定极值区域检测算法提取陨石坑候选区域；其次，利用卷积神经网络（CNN）自动学习提取候选区域的特征；最后，通过支持向量机（SVM）实现候选区域的精确分类，得到真实的陨石坑区域。大量的仿真实验表明:与传统的基于人工特征的陨石坑区域检测算法相比，提出的基于自动特征学习的陨石坑区域检测算法具有更高的检测精度和更好的鲁棒性，在通用火星表面陨石坑数据集上，所提算法的F₁度量指标较于传统算法高出8%，可以广泛地应用于基于陨石坑的视觉导航算法中的陨石坑区域提取，为基于陨石坑视觉导航算法提供精确的导航路标输入。      

基于边缘信息的灰度目标跟踪算法

提出了一种基于边缘信息的跟踪算法,其可以实现对剧烈变化的灰度目标的精确跟踪.首先,利用基于双同心圆窗口算子的非线性边缘检测算法得到高质量的边缘信息;其次,为了解决单一边缘特征空间不能充分表征目标的难题,提出了一种通过组合边缘图像构建特征空间的方法,以便为目标建模提供充分信息;再次,在构建的特征空间中使用核估计方法对目标进行建模;在目标定位阶段,利用Kalman滤波器对目标进行预估后,再由Mean Shift算法在预估位置邻近区域实现目标定位;最后,提出了一种基于形态学的动态模型更新策略,使得算法不仅可以获得精确的目标区域,还可以实现对目标尺寸和形状变化的自适应.实验结果表明,本算法不仅可以有效跟踪剧烈变化的灰度目标,而且跟踪窗口可以实现对目标尺寸和形状的自适应.      

一种高效准确的视觉SLAM闭环检测算法

同步定位与地图构建（SLAM）是视觉导航领域的关键技术之一，闭环检测是SLAM的基础问题。针对视觉SLAM闭环检测准确率不高的问题，提出一种高效准确的闭环检测算法。该算法由词袋模型、图像结构校验、跟踪预测模型3个模块构成。首先，将局部特征与全局特征相结合，设计了词袋模型与图像结构校验模块。词袋模型通过视觉单词比较图像之间的相似性，得到闭环候选帧。然后，图像结构校验模块灰度化、归一化当前图像与闭环候选图像。归一化之后的图像被直接作为局部特征的邻域，计算得到全局描述符，通过全局描述符判断闭环候选帧是否为有效的闭环。最后，针对传统闭环检测算法耗时随图像数量增加而显著增加的问题，设计了跟踪预测模块，以提高计算效率。实验中，与主流的DBoW算法相比，提出的闭环检测算法的准确率提升了20%以上，实时性也有更好的表现。      

基于ViBE与面向对象分类的视频卫星运动车辆检测

为了提高视频卫星对运动车辆的检测质量，在经典视觉背景提取器(ViBE)算法的基础上，结合遥感的面向对象分类技术，从提升正确检测运动目标数量和抑制虚假运动目标检测数量两个方面着手，提出了一种新的运动车辆检测方法（VOMVD）。首先通过优化ViBE模型参数，尽可能多地获取真实运动目标，但这在一定程度引入了许多的虚假目标。研究继而依据影像上地面小尺度运动目标和道路的依存关系，采用面向对象的分类方法，基于光谱、纹理、空间属性，构建了均值、标准差、卷积核内平均灰度值、卷积核内平均信息熵、面积、长度、紧密度、延伸度等8个特征，用于提取道路信息，以此掩膜ViBE提取的虚假运动目标和伪运动目标。结果表明，基于本研究提出的视频卫星运动目标检测方法较之三帧差分法、ViBE检测方法等，其精度有明显提升。在本研究中，三帧差分法、ViBE和VOMVD对运动目标的检测精度P分别为70.91%，61.49%和85.71%，召回率R分别为84.78%，98.91%和97.83%，F值分别为77.23%，75.83%和91.37%，有效提升了方法对运动目标的检测效果。     

基于光电探测系统的地面车精确定位定向技术

针对地/地导弹发射车、指挥车、侦察车等陆地战车对车载定位/定向系统越来越高的要求,提出了一种利用光电探测系统测量3个已知标志点与地面车辆之间的角度信息来精确确定地面车辆的位置和航向的方法.仿真结果表明:只需依次对3个已知标志点进行1次光电测角,就可以精确确定地面车辆的位置和航向,并且东向和北向定位误差小于0.5m,方位误差小于20″(1σ).这种方法简单、快速,定位定向精度高,且能同时服务于同一场地的多辆地面车,具有重要的实用价值.      

基于高置信局部特征的车辆重识别优化算法

根据车辆重识别中区域置信度不同，提出了基于高置信局部特征的车辆重识别优化算法。首先，利用车辆关键点检测获得对应的多个关键点坐标信息，分割出车标扩散区域和其他重要的局部区域。根据车标扩散区域的高区分度特性，提升局部区域的置信度。使用多层卷积神经网络对输入图片进行处理，根据局部区域分割信息，对卷积得到的特征张量进行空间维度上的切割，获得代表全局信息和关键局部信息的特征张量。然后，通过全连接层特征张量转化为表示车辆个体的一维向量，计算损失函数。最后，在测试阶段使用全局特征，并利用训练好的车标扩散区域提取分支获得高置信局部特征，缩短局部识别一致的车辆目标距离。在典型车辆重识别数据集VehicleID上进行测试，验证了所提算法的有效性。      

航天器被动检漏技术

提出了被动检漏的概念;并对航天器被动检漏的要求、国内外状况以及各种气氛分析方法进行了系统地分析,指出了航天器被动检漏可采用的技术;最后就中国航天器被动检漏急需解决的关键技术进行了分析。     

飞行器网络控制系统在线故障检测算法

针对飞行器网络控制系统具有网络诱导时延且采样周期较短的情况,提出了一种飞行器网络控制系统在线故障检测算法.考虑未知时延对网络控制系统的影响,建立飞行器网络化控制系统故障检测模型.基于此模型,构造了残差生成器,将故障检测问题转化为最小化优化问题.以矩阵Moore-Penrose逆的形式给出该最小化优化问题的解,在每个采样周期内进行飞行器网络控制系统在线故障检测.数值算例表明:当飞行器网络控制系统存在未知时延时,该故障检测算法对故障敏感,同时对未知时延引起的扰动具有鲁棒性.     

基于单幅立式标靶图像的单目深度信息提取

针对在智能车中车载单目视觉系统已经检测到路面障碍物的情况下,计算障碍物相对于本车的距离问题,提出了一种仅利用单幅标靶图像且无需相机内部参数的图像深度信息提取方法．该方法利用一种放置于相机前方的立式标靶,建立图像纵坐标像素与实际成像角度之间的映射关系,结合投影几何模型实现实时深度信息的提取．依据立式标靶图像的特点,设计了包括标靶图像感兴趣区设置、模板匹配、候选点聚类、筛选及精确定位等处理的亚像素级角点检测及定位算法．实验结果显示,该方法具有较高的测量精度及实时性．相对于在路面摆放参照物的方法,该方法无需大标定场地且规避了数据拟合引起的误差．同时该方法标定只需一幅图像,过程简单,便于实际应用．      

火箭阀门动作量化检测方案设计及试验验证

阀门是运载火箭动力系统关键单机，用于推进剂的加注泄出、贮箱排气、承压安全、贮箱增测压等，实现阀门动作检测对确保阀门正常工作具有重要意义。宇航技术的发展对阀门动作检测提出了更高要求，目前，在飞火箭不能定量判断阀门的关闭程度及密封情况，为此，设计了一种动作可量化检测的阀门结构，并进行了工艺件试验和验证试验，结果表明提出的方案可实现阀门动作量化检测。     

无人驾驶矿用运输车辆感知及控制方法

针对当前矿区生产作业效率低下、安全事故频发等问题,提出了一种矿用运输车辆无人驾驶感知及控制方法。感知部分,设计出基于激光雷达和毫米波雷达融合的多目标识别架构,在数据关联的基础上,应用基于卡尔曼滤波的联合概率数据关联（JPDA）算法实现矿区环境下多目标识别;控制部分,采用路径预瞄-跟踪的方式,将横向控制与纵向控制进行解耦,并通过反馈机制实时进行偏差修正,实现无人驾驶矿用运输车辆精准的横向与纵向控制。此外,搭建了矿车无人驾驶系统平台,在矿区不同场景下对上述感知及控制方法进行了测试。实验结果表明,感知算法能够实现道路可行驶区域的精确检测,并可识别出多种障碍物类型,控制算法在上下坡等场景下可实现无人驾驶矿用运输车辆纵向速度和横向位置的精准控制,满足实际应用需求。      

基于切换多胞模型的变体飞行器增益调参控制

针对一类可变后掠翼的变体飞行器,研究了全包线控制器的设计与综合方法.建立了基于切换多胞系统的变体飞行器模型,所提出的框架利用Lyapunov函数方法分析系统的稳定性,能够从理论上保证变体飞行器在全包线下的飞行稳定.给出了利用小凸包算法从三维飞行包线中选取设计点的方法,并对各设计点处的线性化模型设计了最优控制律.为继承传统增益调参方法的优势,提出了一种特殊的控制器插值方法,保证变体飞行器三维包线下的控制综合过程简便实用.仿真结果表明所提出的控制方法在飞行器快速变形和参数大范围快速变化的情况下仍具有良好的控制性能.