基于声学信号与视觉转换器的滚动轴承故障诊断方法研究

航空机载设备的可靠性对航空运输安全至关重要。针对航空机载设备上的滚动轴承故障，本文提出一种声学信号与视觉转换器（ViT）相结合的滚动轴承故障诊断方法。首先，将采样获得的滚动轴承声信号通过短时傅里叶变换转换为时频图。其次，将时频图按时序分割，作为ViT的输入。ViT通过多注意力机制提取图像块中的信息并输出数据。最后，输出数据通过多层感知机实现对不同类别的滚动轴承故障识别。试验表明，相较于传统的基于卷积神经网络和长短时记忆网络的滚动轴承故障诊断方法，本文所提方法的滚动轴承故障诊断准确率更高，为航空机载设备的轴承故障诊断提供了一类新方法。     

面向自主空中加油任务的目标检测技术研究

针对软式空中加油任务自主对接过程中的视觉需求，本文进行了基于深度学习的自主空中加油锥套目标检测技术研究。首先，构造了一组包含不同目标尺度、背景并经数据增广后的软式自主空中加油锥套图像数据集。其次，结合当前主流的智能检测算法，对比分析了不同单双阶段检测算法在加油锥套数据集中的检测效果。在Faster RCNN网络添加了自适应置信度筛选模块，降低了其错检概率。为满足工程化应用需求，对YOLOv5网络进行轻量化改造，在几乎不降低检测精度的情况下提高了YOLOv5的检测速度，并大大降低了模型复杂度与运算资源消耗。该研究验证工作为后续展开锥套跟踪及位姿解算等研究提供了良好基础，可以为相关算法在自主空中加油任务中的进一步工程化应用提供重要的先验信息和技术参考。     

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。     

基于单目视觉的非合作目标相对位姿测量

为实现对空间姿态翻滚航天器的在轨服务与维护以及对空间碎片的清理，需对其进行精确的相对位姿测量。针对相对位姿测量问题，提出了基于单目视觉与卡尔曼滤波的相对位姿测量方法。通过对特征点匹配算法进行调查，采用了具有尺度不变性与旋转不变性的尺度不变特征变换算法(SIFT)和加速稳健特征算法(SURF)的特征点提取方法，并对二者进行了对比，得到了二者分别适用的工况条件。通过对Kalman滤波算法进行研究，引入了相机偏置矩阵，设计了Kalman滤波器，解决了单目相机的距离模糊问题，估计得到了非合作目标的相对位姿、主惯量比以及特征点位置信息。经过仿真，姿态角度估计误差在稳定后低于0.3°，相对位置估计误差在稳定后低于0.5m，相较于真值，误差小于1.67%，主惯量比估计误差在稳定后低于0.01，特征点位置误差在稳定后低于0.005m。在引入相机偏置条件后，滤波状态变量均收敛，并得到具有足够精度的估计，成功解决了单目相机深度信息缺失问题。     

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。     

一种多源测距与视觉惯性融合的月球车定位方法

针对月球车月面探测活动任务中对高精度定位的需求,当前视觉惯性定位方法存在误差累积,并且在缺乏先验环境信息时无法消除,基于三角测量原理的无线电定位方法可以通过测量接收端到至少三个不同发射端的距离来确定目标物体位置,但需要架设三台以上基站,因此难以满足月面环境下大范围定位的需求。文章提出了一种基于基站无线测距和视觉惯性里程计融合定位方法,以解决上述定位手段存在的问题。该方法首先利用视觉惯性里程计构建的环境模型将WIFI、UHF和UWB三类无线电基站测距信息进行融合,然后将测距结果和视觉IMU信息进行位置联合解算来确定月球车位置,最后在Matlab和Gazebo软件平台上进行仿真验证,在距离基站最远行进1500米的条件下实现了0.92米定位误差。实验结果表明,该方法能够在满足月面探测任务对于精准定位的需求。     

一种提高机器视觉检测精度的方法

本文提出一种提高机器视觉标定精度的方法。首先，设置标准参考点位置，对机器视觉系统进行标定获得初始标定矩阵；其次，对图像进行处理，视觉检测算法提取标准参考点的准确位置；最后，通过修改初始标定矩阵参数，使计算结果无限接近标准参考点，从而获得更高精度的标定矩阵。实验表明，该方法可提高狭缝测量和圆孔定位的检测精度，为实现高精度机器视觉检测提供了新途径。     

惯性/视觉/激光雷达SLAM技术综述CSCD

同时定位与建图(SLAM)技术已广泛应用于各类自主移动平台中,其中视觉SLAM和激光雷达SLAM是两种主要的SLAM技术方案。然而,视觉SLAM系统易受视觉环境变化的影响,而激光雷达SLAM系统则在结构单一等环境中会出现精度退化甚至失效的情况。随着智能移动平台应用场景的不断拓展,对SLAM系统的精度和鲁棒性等提出了更高要求,将多种具有互补性的传感器进行融合是提升SLAM系统性能的有效途径。据此,聚焦惯性/视觉/激光雷达多传感器融合SLAM技术,从多传感器标定和多源数据融合两个主要方面进行综述,最后对多传感器融合SLAM技术的发展趋势进行了展望。     

基于改进Cycle-GAN的光流无监督估计方法CSCD

卷积神经网络为光流的计算提供了一种新的方式,但作为一种数据驱动技术,用于训练网络的大规模光流真值在现实世界中不易获取。为了解决这个弊端,基于Cycle-GAN的循环对抗机制,提出了一种光流无监督估计方法。首先,引入双判别器机制在生成器生成的光流样本的底层和高层特征上进行鉴别,迫使生成器提高光流生成的精度。其次,引入Spynet作为教师网络,在生成器训练前期对其进行指导,防止网络陷入模式崩塌。最后,改进损失函数,提出了光流一致性损失和轮廓一致性损失函数,进一步提升光流估计精度。实验结果表明,与现有的先进算法相比,提出的方法达到与有监督算法相同的精度水平。