一种地形轮廓特征的立体视觉三维重建方法

针对自然地形轮廓特征的三维数据测量问题,提出了一种基于区域分割的立体视觉三维重建方法。先通过分水岭变换进行图像分割,根据分割区域边界确定图像中场景的轮廓边缘。轮廓边缘按所属区域分组进行立体匹配,根据分割区域相互邻接的全局特征和各区域的位置、尺寸、灰度值局部特征建立区域约束,并根据区域边缘像素点梯度分布特点建立梯度方向约束,以减小立体匹配的搜索空间、优化匹配顺序、提高匹配精度。进而根据双目立体视觉的成像模型计算匹配边缘点的三维坐标,实现地形轮廓边缘的三维重建。实验结果表明,该方法能够快速有效地重建出体现地形三维结构特征的轮廓边缘,并具有较高的立体匹配正确率和重建精度。     

基于双目视觉和惯性器件的微小型无人机运动状态估计方法

针对微小型无人机(UAV)自主运动状态估计问题,提出了一种基于双目视觉和惯性器件的微小型无人机运动状态估计方法,运动状态估计系统由微惯性测量单元(MIMU)和2个摄像机组成.根据微惯性测量单元的输出更新无人机运动状态,同时由摄像机获得周围环境的图像序列,从序列图像中提取特征点,并对这些特征点进行匹配、跟踪,测量序列图像...     

基于双目视觉的非合作目标自主姿态估计方法

针对在轨服务任务对于空间非合作目标的自主相对导航需求,提出了一种基于双目视觉的自主姿态估计方法。该方法以Markley变量描述目标的姿态运动,并利用双目相机对目标表面的特征点进行观测,利用特征点的运动规律与目标姿态运动的相关性,并通过容积卡尔曼滤波算法实现了对非合作目标角速度与自旋轴方向的估计。数学仿真验证了所给出的姿态估计方法,并分析了估计精度的影响因素。     

一种双目立体视觉相机标定方法

研究一种基于特殊标定场的双目立体视觉相机标定方法．对相机的内外参数进行精确地标定,然后利用标定参数进行图像校正．实验表明,采用该方法左右相机图像的极线误差不大于0．26pixel,能够达到较理想的标定结果．该方法可用于月球车双目立体视觉相机标定系统中．     

激光治疗鲜红斑痣手术机器人双目视觉系统的实时立体匹配

针对激光治疗鲜红斑痣手术机器人双目视觉系统在监测治疗区域的空间位置时立体匹配的实时性和准确性要求,提出了一种基于极线引导的立体匹配算法。采用基于角点的Hu矩匹配,计算双目视觉系统的基本矩阵。实验结果与计算结果相符。     

基于新息和残差的自适应UKF算法

针对先验噪声统计特性与实际不符引起卡尔曼滤波精度下降的情况,提出了一种基于新息和     

基于STL文件和有限元法的在轨航天器关键部件热计算

针对STL(stereo lithography)文件在传递复杂几何实体模型信息方面具有精度高的特点,提出了一种基于STL文件计算复杂结构角系数和外热流的方法.根据单元和节点的拓扑关系识别六面体网格边界单元并进行辐射换热计算.详细阐述了基于STL文件和有限元法进行复杂结构的角系数和外热流的计算方法.研究了导热-辐射耦合计算的有限元方法.最后利用有限元法计算航天器关键部件在轨的三维瞬态温度场.      

应用于流管实验装置的传声器计量方法

流管实验需要应用大量传声器,对所有传声器分别计量很耗时,导致计量和实验时的环境变化,影响测量精度。针对这一问题,本文发展了一种现场传声器阵列计量方法。该方法利用 两支已经计量完毕的标准传声器的测量结果计算管内声场,然后比对待计量传声器的测量信号得到其灵敏度。该方法与传统计量方法相比,不仅可对实验台使用的所有传声器进行同时计量,而且可提供相位的校准。本文介绍了在流管实验装置上进行的计量实验,并对计量结果用模态匹配方法进行了校核,显示使用该计量方法得到的声压与计算结果吻合得更好。由于现场计量方法是对不同频率分别进行计量,且最终的复灵敏度包含了安装误差、不同传声器相位匹配等因素的影响,因此可以用精度较高的传声器对精度较低的传声器进行计量,从而为一些需要较多传声器的大型实验测量提供低成本的解决方案。     

双目立体视觉中的一种运动目标检测算法

运动目标的检测是计算机视觉研究领域中的一个重要组成部分,传统的基于单目视觉的目标检测算法要么受环境因素的限制较大,要么收敛速度较慢,还难以解决多个运动目标部分遮挡的问题。针对以上存在的问题,本文在目标检测中采用了立体视觉方法。用双目摄像机对图像进行拍摄获取立体图像序列对,然后对立体图像对运用立体视觉方法进行分析。实验表明该方法能正确检测到运动目标,不受光线变化和阴影的干扰,并且在运动目标发生部分遮挡时仍能正确区分各目标。     

基于SIFT,K-Means和LDA的图像检索算法

图像检索一直是信息检索领域的难题。提出了一种基于尺度不变特征变换（SIFT,Scale Invariant Feature Transform）,K-Means和潜在狄利克雷分布（LDA,Latent Dirichlet Allocation）的图像检索算法。算法主要分为两个阶段。预备工作得到分类完成的图库、概率分配参数表和基本词库;实现检索是在预备工作的基础上归类测试图片,然后在该类下搜索最相似图片。对比传统的基于文本或内容的检索方法,该算法在检索之前将图片库中所有图片按其本身特征进行自动分类,取代人工标注图像信息的过程,同时由于整个算法完全基于图像特征,故此方法不会引入人工因素的干扰。实验结果表明,该算法能够较为准确地将要检索的图片归为图片库对应的类别中,有效地提高图像检索效率。