机器视觉在军事领域的应用现状及发展趋势

机器视觉技术凭借其非接触测量、实时性好、可持续工作等优点，在军事领域中有着广阔的应用前景。在对机器视觉光学照明系统、成像系统、视觉信息处理系统等关键技术进行概述的基础上，详细分析了机器视觉技术在军事领域进行典型目标物识别、人员识别、装备缺陷检测等典型场景以及典型军事装备上的应用现状。在此基础上，指出了机器视觉在军事领域的应用，仍然存在视觉传感器硬件系统难以适应极端环境、复杂的军事目标适应性不足、目标识别的实时性难以保证、多传感器融合获取军事目标信息能力缺乏等问题。同时，对机器视觉技术在军事领域应用的未来发展趋势进行了展望，研究分析结果可为机器视觉在军事领域的进一步实用化提供参考。     

基于机器视觉的搅拌摩擦焊缝装配质量评测方法

搅拌摩擦焊常采用无坡口焊缝,焊缝装配质量对搅拌摩擦焊装配质量影响较大,通过焊缝的特征,可以对搅拌摩擦焊缝的装配质量进行评判。线结构光是提取焊缝特征的常用手段,基于结构光传感器扫描获得的焊缝轮廓信息多通过离散的点进行表示,如何高效地从轮廓点中提取焊缝轮廓信息,是焊缝特征识别的新挑战。本文提出一种基于机器视觉的焊缝装配质量评测方法,将离散的轮廓点转换为位图,通过抗锯齿算法提高轮廓直线特征的识别可靠性,并计算对应焊缝的装配质量信息,进而实现对整条焊缝的装配质量的量化评价。与传统的离散点拟合方法相比,本方法具有较为明显的效率优势。     

基于视惯融合的大型空间碎片质心位置辨识

大型自由翻滚碎片的质心是在轨操作基坐标系下的不动点，也是碎片连体基下动力学参数向卫星坐标系转换的基准，对其精确识别是提高碎片动力学参数辨识精度的关键。提出基于惯性单元测量数据与双目视觉定位数据融合的大型空间碎片质心位置识别方法。基于无力矩欧拉方程，获取附着到空间碎片表面的惯性单元间转换关系，利用该转换关系对惯性单元冗余测量数据优化，再优化求解惯性单元到质心点距离；利用双目视觉获取惯性单元上标记点动态坐标，再利用惯性单元到质心点距离，基于三点定位原理识别大型空间碎片的质心位置。以加入高斯白噪声的惯性单元与双目视觉测量数据进行仿真，结果表明优化解算后惯性单元实时测量数据的误差降低到1%以下，解算的质心位置三轴误差小于0.47mm；开展了地面试验，结果表明，解算的质心位置三轴误差小于0.49mm。仿真和试验证明，该方法能够为大型空间碎片的消旋、捕获任务提供准确的数据基准。