基于改进YOLO V5的无人机航拍图像小目标检测方法

本文针对无人机航拍目标检测技术中目标聚集、目标较小及实时性差等问题,将YOLO V5的主干架构进行改进,简化Neck网络,提出了一种提高检测速度又能准确识别的无人机航拍图像检测技术方案。经过仿真实验测试,改进后的YOLO V5网络在保持识别精度的同时,检测速率提升了31%,满足无人机在航拍作业时对于准确性与实时性的要求。     

基于多矢量定姿的动基座最优化对准算法

针对车载捷联惯导系统（Strapdown Inertial Navigation System, SINS）的传统动基座粗对准方法精度低且环境适应性差的问题，提出了一种基于多矢量定姿的动基座最优化粗对准算法。在传统的基于重力矢量的初始对准方法基础上，将姿态矩阵求解问题转化为Wahba问题，实现对多个时刻重力矢量信息的充分利用，并通过SVD算法实现对Wahba问题的求解，结合全球导航卫星系统（Global Navigation Satellite System, GNSS）输出信息和SINS输出信息，构建状态方程和量测方程，采用Sage-Husa自适应滤波算法以解决量测噪声不准确问题，不断修正载体系变换矩阵以获得更加精确的姿态转换矩阵。仿真和半物理实验表明，改进算法能够明显提高惯导系统在动基座下的姿态精度，转台实验对准方位误差小于0.05°。     

超短基线定位技术及在海洋工程中的应用

海洋开发和海防工程等领域都离不开水下定位技术的支持,水声作为水下定位技术中不可或缺的重要手段近年来也获得快速发展。介绍了水声定位中几种常见的技术,针对近年来发展火热的超短基线定位技术及其在海洋工程中的应用进行了着重介绍。收集罗列了目前国内外市场上公布的几款主要的超短基线定位产品及其性能参数,为超短基线方面的研究提供了参考依据。通过对比分析了国内外超短基线定位技术研究之间存在的差距,并展望了超短基线定位技术未来的发展方向。     

超短基线安装误差对定位精度影响分析及其标定技术研究

安装误差是超短基线水声定位系统的重要误差源之一,直接影响超短基线的定位精度。本文采用数值仿真的方法分析了超短基线安装误差角对其水平定位精度的影响,针对传统标定方法受母船航行轨迹影响较大而不能准确估计安装误差的问题,提出了一种基于单应答器双矢量重构的安装误差估计方法。该方法为确定超短基线安装误差估计模块的迭代次数提供了理论依据,并且可以有效地避免安装误差的估计值收敛于伪点。水下实验结果表明,经过安装误差角补偿后的超短基线定位系统对目标应答器的定位精度与参考真值相比,80%以上的定位误差在1m以内,证明了本算法可以在一次环绕航行中完成水下应答器的定位及超短基线安装误差角估计,具有估计精度高,操作简便,易于实现的特点。     

基于弹载捷联惯性导航系统精确导航的双欧拉全姿态方法

垂直发射的地空导弹在大机动飞行时,其四元数法姿态角输出存在奇异性。为解决该问题,提出了正、反欧拉角微分方程切换的双欧拉全姿态解算方法。对正、反欧拉角微分方程进行了详细推导,论述了正、反欧拉角微分方程精华区与奇异区的倒置关系。在此基础上,建立了正、反欧拉角的转换公式。根据正欧拉角的俯仰角对正、反欧拉角无缝切换,有效解决了俯仰角在±90°附近时姿态奇异性问题。仿真和半物理试验的结果表明:双欧拉全姿态算法解算的实际姿态与理论姿态保持一致,在奇异点附近的姿态角仍能正常输出,未出现突变现象,该方法得出的导航精度比四元数法得出的导航精度提高了9.81%。     

基于改进Faster R-CNN的失效卫星部件检测方法

基于光学图像对失效卫星部件的精确检测可以为失效卫星的定位与捕获等任务提供支撑。然而,失效卫星部件多为密集小目标,且其光照条件变化较大,这导致一般主干网络出现特征表征分辨率低,小目标漏检等问题。针对上述问题,提出了一种基于改进Faster R-CNN的失效卫星部件检测方法。该方法在Faster R-CNN的基础上,融合高分辨网络构建新的特征提取主干网络,以获得可靠、高分辨率的特征表达式。其次,在模拟真实空间环境的条件下,利用1：1的嫦娥卫星模型构建了一个信息丰富的失效卫星数据集。用该数据集进行验证,结果表明：本文方法的平均精度为93.6%,其与Faster R-CNN和Cascade R-CNN相比,对小部件检测的准确率与召回率分别平均提高了9.8%与5.4%。该方法可有效检测失效卫星部件。     

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。     

基于TDOA 定位的阵列布放结构研究

不同结构阵列在TDOA定位中对定位精度有较大影响。为了掌握和减小阵列带来的影响,从TDOA定位解算方程组的角度分析了平面阵列在空间定位中高度方向产生较大误差的原因;又从单个基线的角度分析了影响基线定位敏感度的因素,而为分析阵列定位效果提供了理论依据。然后对七种代表性的平面阵列进行对比,验证了阵列结构对定位精度的影响关系。根据平面阵列的经验又设计了三种空间阵列,通过仿真实验证明了对阵列结构研究的正确性。     

动态环境下融合激光雷达和IMU的激光里程计设计

激光SLAM 通常通过多帧点云配准,完成位姿变换矩阵的估计,而点云中的动态点会降低 激光里程计的定位精度。为了减少动态点引入的误差,提出了一种动态点云识别算法,并结合该 算法改进了传统特征匹配策略,组成了动态环境下融合激光雷达和IMU 的激光里程计。通过约 束范围角与动态中心点,将点云快速分割成多个簇类,再借助IMU 信息,快速建立点云簇类配准 关系,从而去除动态点,最后根据簇类的对应关系进行约束,以提高匹配的精度与速度。使用 KITTI数据集和UGV 在多个情形下进行了实验。实验结果表明,该算法可以成功识别点云中的 多个动态对象,并通过去除动态点,有效地减少了位姿估计的累积误差。