电力场景下基于无人机视觉的运动目标追踪方法

随着人工智能技术的发展,面向电力系统的运动目标追踪技术逐渐得到关注,现有方法虽有一定成效,但是大多基于固定摄像头的监控视频录制,不能灵活追踪运动目标,当运动目标离开摄像头视野时,存在运动目标丢失问题。为此,利用无人机设备,并基于深度学习和核相关滤波技术,提出了一个电力场景下基于无人机视觉的运动目标追踪方法（MTTS_UAV）。所提方法采用改进的目标追踪方法与目标检测方法相结合的方式来追踪运动目标隐患,并引入2种无人机飞行控制模块:启发式和数据驱动式,使得无人机的飞行速度和方向可以根据目标移动情况自适应地调节。在真实变电站的安全帽人员数据集上进行了大量实验,对所提方法的追踪效果进行评估,结果表明:所提方法在真实数据集上的平均像素误差（APE）和平均重叠率（AOR）分别可达到2.37和0.67,验证了方法的有效性。      

事件时间测量系统及其在绝对重力仪中的应用

绝对重力仪通常采用真空腔中自由落体的方法,通过测量激光干涉条纹信号的过零时间来计算绝对重力加速度(g)。针对绝对重力仪的使用,依托电子计数法的基本原理,基于数字信号处理器(Digital Signal Processor,DSP)设计实现了事件时间测量系统,精确测量干涉条纹过零时间。首先介绍了事件时间测量的基本原理,然后具体介绍在以DSP为核心的硬件上的实现方法。根据理论计算和MATLAB~?数值仿真实验,评价系统测时误差以及对重力加速度测值的影响。最后分别通过硬件模拟实验和FG5X型高精度绝对重力仪上的对比实验进行验证。实验证明,该系统对重力加速度测量真值影响小于1μGal(1μGal=1×10~(-8) m/s~2),标准差影响小于5μGal。该系统体积小、成本低,尤其对于小型化、野外使用的绝对重力仪,完全符合其使用需求。