火箭喷管极性自动化测试系统的改进设计研究

使用计算机视觉方法进行的发动机极性自动化测试是火箭地面测试中重要的测试环节，该环节存在进一步改进和提升的空间。将递归全对场变换（Recurrent All-pairs Field Transforms, RAFT）光流算法替代传统光流法检测技术用于发动机喷管实时运动监测，并根据现场测试场景对光流算法进行了优化，提升了运动检测速度与测量精确度，使自动测试系统具备了摆角的估测能力；在软件系统设计层面，引入差异图像直方图法监听法辅助喷管动作识别，避免了光流法对于未处在监测流程中的摄像头的冗余监听资源消耗，降低了系统硬件设备的负载，同时实现了一种可视化在线判读软件的设计。提出的软件与算法方面的改进在当前已投入使用的极性自动化测试系统上实现了进一步的优化。     

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。     

基于立体视觉的无人机位姿测量方法

现有的无人机位姿视觉测量方法大多基于诸如关键点等几何尺寸在图像和模型间的对应关系完成位姿计算；然而，在复杂情况下易出现关键点图像坐标定位失效的问题，而针对特定机型的算法设计泛化性不佳。针对这一问题，本文提出了一种基于立体视觉的固定翼无人机位姿测量方法，通过立体视觉重建目标无人机三维点云，基于无人机组件三维点云拟合鲁棒地完成位姿测量。首先，使用一种二维、三维数据结合的方式，利用卷积神经网络完成组件的分割。其次，分别利用机翼和机身点云拟合无人机坐标系的z轴和x轴，进而完成目标无人机位姿的计算。整个计算过程无需已知具体机型或尺寸。经试验验证，本文方法在10m的范围内达到了1.57°和0.07m的位姿测量精度，具有较高的精度和鲁棒性。     

基于知识图谱的遥感图像检索定位方法

为了快速、准确地在海量遥感图像库中检索出所需的遥感图像资源，提出了一种基于知识图谱的遥感图像检索定位方法。为了充分利用遥感图像中所蕴含的地理语义信息，方法中使用知识图谱节点代表遥感图像，根据图像间的相似程度和地理位置在节点间建立关系。通过知识图谱缩小图像检索空间，加快检索速度，准确地定位遥感图像所示区域的地理信息，并返回最相似的图像。将此方法应用于卫星自主导航领域中，与传统的线性检索相比，图像检索的时间缩短了50%，准确率也得到提高。     

基于改进ORB的月面着陆视觉导航的配准方法

月球探测器在下降着陆过程中探测到的月面图像灰度均匀,缺少纹理信息,而视觉辅助导航采用传统ORB算法对灰度均匀的月面图像检测出的特征点数量较少,容易出现团簇现象,因此提出一种基于改进ORB算法的图像特征提取与匹配算法。首先对月面图像构建金字塔尺度空间模型,设置自适应阈值并构建掩膜逐一分块检测特征点;然后采用非极大值抑制使特征点分布均匀,消除聚集现象再进行特征匹配;最后结合渐进一致采样算法剔除误匹配,并计算下降序列图像间的位置变换关系。实验结果表明:该方法对于存在大尺度、旋转变化情况下的月面图像,在匹配精度方面比ORB提高10%～13%,在月面着陆视觉导航应用方面具有较好的适用性。     

一种基于改进Kalman滤波的 视觉/惯性组合导航算法

提出了一种基于改进Kalman滤波的视觉/惯性直接组合导航算法,首先分析了相关坐标系的定义和敏感器的误差模型,然后分别构建了姿态滤波方程和位置滤波方程,接着对滤波方程进行离散化处理以便在计算机中实现运算,最后采用该方法进行了仿真验证,结果表明系统在不同情况下进行组合导航都能够满足任务要求。     

双视场视觉引导技术研究

提出了一种双视场三维视觉引导方法。利用大视场深度相机和小视场三维扫描仪构建双视场视觉系统，深度相机采集大视场空间三维信息，快速识别被测物体，并进行初始位姿估计；根据空间和位姿信息，小视场三维扫描仪定位到扫描位置，扫描高精度被测物体，获取三维外形；根据三维外形信息，规划加工路径，引导机器人进行维修加工。最后，通过实验验证了系统的有效性。     

冲击测试动响应高速视觉测量方法

获取测试目标的动态响应参数是航天器产品冲击测试中的关键内容，传统接触式传感器方法存在安装困难、监测维度单一、难以适应复杂测试环境等缺点。提出了一种用于获取冲击测试动响应的高速视觉测量方法，利用双目视觉原理获取测试对象的三维运动轨迹，并在此基础上解析测试过程中的冲击响应参数。该方法在空气炮冲击测试试验中获取的冲击响应谱曲线与加速度计的测量结果一致，识别结果相对偏差优于10%，表明高速视觉测量方法在航天器冲击测试中具有良好的应用潜力。     

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。     

基于单目视觉的三维重构相机技术研究

针对飞行器执行在轨服务获取空间多维图像的需求，提出了基于单目视觉的三维重构相机技术，利用基于亮度法体素着色原理实现空间目标的三维重构。搭建地面试验，设计模拟圆轨道和椭圆轨道多种试验，验证了在200 m范围内伴飞状态下,实现对目标的高分辨率三维重构图像，重构精度为0.105 m，为识别空间目标特征部位奠定技术基础。