星敏感器中星图图像的星体细分定位方法研究

介绍了星敏感器的基本工作原理和星图图像的预处理的主要方法,将传统质心法、带阈值的质心法、平方加权质心法和高斯曲面拟合法应用于星敏感器中星图图像的星体细分定位,并进行了较为系统的仿真研究.仿真结果表明,带阈值的质心法是一种较为理想的星体细分定位方法.就噪声水平、阈值选择及低通滤波对细分定位精度的影响进行了仿真研究.最后,利用仿真结果对模拟星图图像的星体进行了细分定位实验,取得了较为满意的结果.      

基于FPGA的激光成像质心提取算法的硬件实现

针对一款激光成像测距系统设计激光成像自适应质心提取算法模块,该模块包含自适应积分时间调整、多波峰毛刺平滑处理及基于灰度加权的质心提取3个子模块,该模块已在FPGA上实现,处理延迟小,占用资源少,可稳定提取目标在线阵探测器上成像的质心位置,提高三维激光测距的精度.     

应用加权中值滤波法检测薄壁梁式挠性器件下摆量

应用加权中值滤波法对薄壁梁式挠性器件下摆量进行高准确度CCD检测。薄壁梁式挠性器件在测量过程中测量图像存在高频抖动现象,因此测量准确度不高,运用加权中值滤波后使用最小二乘法细分技术,可以在实现提高测量准确度的同时,消除高频抖动带来的误差,从而可以有效提高CCD测量薄壁梁式挠性器件下摆量的准确度。实验表明,该方法比传统测量方法准确度提高20倍以上。     

质心标准研究CSCD

工程实践中通常采用标准件作为质心标准。理论研究发现,质心标准件存在较大的不确定性,采用质心标准件校准的质心测量设备量值准确度存疑。在实践中,通过研究创建了全新的质心标准,利用该质心标准对质心测量设备进行了校准,并对两种方法校准的结果进行了比较。应用实践表明,新的质心标准比质心标准件准确度高。     

大质量飞行器质心测量方法

详细介绍了大质量飞行器质心测量的多支点称重法,针对某大质量飞行器,提出了径向测量的改进方法,算例表明,改进方法极大地提高了系统的测量准确度,可以满足大质量飞行器高准确度质心的测量要求。     

电动VTOL飞行器双目立体视觉导航方法

研究了在未知的、动态的室内走廊环境中,采用双目立体视觉引导电动VTOL(Vertical Take-Off and Landing)飞行器安全飞行的方法.使用安装在飞机上的两个微型摄像头从不同的位置获取图像,由双目立体视觉理论恢复其周围环境特征点的三维坐标.采用角点匹配方法计算视差,实现无人机在走廊中的横向坐标定位.采用区域灰度相关算法进行立体匹配获取视差图,从视差图上检测出障碍物,并给出避障导航点.初步实验验证表明,该方法可行性较高,可以作为进一步研究的基础.      

卫星转动条件下APS星敏感器星像目标中心提取精度分析

 目前对星敏感器星像定位的研究多限于静态情况,而卫星转动过程中,在曝光期间星像在像平面不断移动,从而影响星像定位的精度,重点分析动态情况下APS星敏感器星像目标中心的提取精度。首先分析采用质心法计算星像目标中心的误差源,提出动态精度的估计方法,并推导相应的计算公式;进而以给定的APS星敏感器参数为基础,研究了计算窗口、曝光时间等精度影响因素的选择方法;最后通过仿真进行了验证。     

基于STF和加权改进的群目标跟踪算法

为了进一步提高群目标交互多模型跟踪算法的估计性能,提出一种改进的群跟踪算法.首先,通过采用模型转换概率的自适应算法,优化模型与目标运动模式的实时匹配.并通过引入强跟踪滤波（STF,Strong Tracking Filter）中的渐消因子,提高机动阶段时的群质心的状态估计精度.其次,分别利用概率加权法和标量加权法完成群质心状态和扩展状态的融合估计.最后在变分贝叶斯滤波的基础上,建立完整的跟踪算法流程.仿真实验结果表明,该方法不仅能够提高群质心状态和扩展状态的估计精度,还能有效降低机动阶段时的峰值误差.     

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。     

基于边缘与颜色信息的车牌精确定位算法

针对现有车牌定位算法定位率不高和速度慢等问题,结合数学形态学,提出了一种基于车牌边缘检测与颜色信息的精确定位算法.首先对图像进行灰度化、平滑去噪及灰度拉伸等预处理,然后对图像进行垂直边缘检测和二值化处理;再采用线过滤算法滤去干扰边缘线信息,并利用车牌区域灰度变化次数多的特性定位出车牌上下边缘;对经过上下边缘定位后的车牌采用点密度过滤算法滤去零散点,接着采用数学形态学方法寻找连通域粗定位出车牌区域;最后对粗定位车牌在HSV空间进行颜色分割和倾斜矫正,从而精确定位出车牌.实验结果表明,该算法能够实现车牌的快速精确定位.      

一种基于计算机视觉的飞行器姿态估计算法

改进了一种基于图像统计信息的飞行器姿态估计算法.改进后的算法可以迅速地估计出飞行器的横滚角与俯仰角,减少了运算量,提高了姿态估计的实时性和鲁棒性,精度满足飞行器的姿态控制要求.将不同的算法进行了仿真比较,提出了一种应用方案,解决了姿态估计过程中横滚角与俯仰角耦合的问题.改进后的算法适用于装备以视觉系统作为导航系统的飞行器,尤其是只能装备小型视觉系统的微小型飞行器(MAV, Micro Air Vehicles).将应用该算法的视觉导航系统与微惯性测量单元(MIMU, Miniature Inertial Measurement Unit)组合使用,可以增大飞行器姿态角估计的范围,进一步提高估计精度.      

基于PSF相关的星点定位算法

为提高非高斯分布星点定位的精度,提出了一种新的PSFC (point spread function correlation)星点定位算法,具有很好的抗噪性能和精度水平,易于工程实现.该算法利用互相关中的定义,通过确定系统所测定的PSF与星像灰度值之间的最大相似度来定位星点位置,PSF的测定是在作互相关计算之前全视场范围内可按照整像素和亚像素两种方式完成的.仿真实验结果表明：在带有噪声的星像图条件下,本文PSF相关法的定位精度最高可达到0.034像素,比质心法的精度提高1个数量级,比曲面拟合法的精度提高约20%.     

一种可变锚框候选区域网络的目标检测方法

目标检测作为计算机视觉领域的热点问题,目前基于深度学习的目标检测方法可以分为2类:两步检测和一步检测,前者有着较高准确性,后者有着较好速度,但是为提高检测的性能两者都引入了锚机制。为提高目标检测系统的性能,基于深度卷积神经网络的两步检测算法引入了注意力引导（AG）模块,通过对候选区域网络（RPN）的锚机制进行引导,使得对于预选锚框形状的选择更具有多样性;同时针对传统的后处理方式非极大值抑制（NMS）算法存在的误检和漏检的问题,提出了一种置信度因子的NMS（Cf-NMS）算法,对于模型的整体性能有着很大的贡献。实验结果说明,所提方法虽然在速度性能上有略微的下降,但是无论是在RPN变体还是现有的先进算法在准确性方面都有提升。      

亚像素条纹边缘提取技术在型面测量上的应用

三维型面非接触测量在工业领域有着广泛的应用前景.双目视觉是一种有效获取三维轮廓信息的方法,其中对大密度的黑白相间条纹进行精确定位和提取,是基于投影光栅图像的光学三维型面测量的关键技术和难点.利用空间编码技术将被测空间划分为若干区域,每个区域对应一个二进制码.条纹落在区域上与唯一的二进制码相对应,就可以对条纹精确定位.利用边缘提取算法获得像素级条纹后,再利用亚像素技术可以进一步对条纹进行高精度提取.介绍了基于灰度矩的和基于多项式拟合的亚像素边缘检测算法.将空间编码和亚像素条纹提取技术相结合,对光栅条纹进行亚像素级定位和提取的技术,与像素级的定位技术相比,能提高图像的定位精度,有效地改善测量系统的性能.      

车辆视频检测感兴趣区域确定算法

利用最大方差阈值方法对灰度图像二值化后,对车辆底部阴影突变行检测,对感兴趣区域确定方法进行改进,实现了感兴趣区域的精确确定.通过计算精确确定后的感兴趣区域的灰度对称性和熵值归一化对称性测度,实现了车辆的精确检测,找到车辆的对称轴,并在车辆区域上边界一定范围内,进行灰度突变检测,实现了车辆上边界的准确定位.通过实验验证算法较好地实现了复杂环境下的车辆检测和上边界定位.     

基于立体图像的多路径特征金字塔网络3D目标检测

3D目标检测是计算机视觉和自动驾驶中一项重要的场景理解任务。当前基于立体图像的3D目标检测方法大多没有充分考虑多个目标之间的尺度存在较大差异,从而尺度小的物体容易被忽略,导致检测精度低。针对这一问题,提出了一种基于立体图像的多路径特征金字塔网络(MpFPN)3D目标检测方法。MpFPN对特征金字塔网络进行了扩展,增加了自底向上的路径、由上至下的路径及输入特征图到输出特征图之间的连接,为联合区域提议网络提供了更高语义信息和更细粒度空间信息的多尺度特征信息。实验结果表明:在3D目标检测KITTI数据集上,无论在场景简单、中等、复杂情况下,所提方法获得的结果都优于比较方法的结果。      

基于机器视觉的万用表数字识别技术研究

为提高手持式数字万用表校准系统的自动化水平，本文通过研究图像灰度阈值法、传统方法的目标分类和深度学习三种不同类型的字符识别技术，提出了两种基于机器视觉的数字识别方案。测试结果显示，两种方案的字符识别准确率均可达到99.8%，但其在硬件资源占比、编程难易程度上二者还存在显著差异。该机器视觉字符识别功能的成功开发与应用，可为更多无程控通信接口的计量测试设备，及一些不适于人工作业的危险计量工作环境进行类似的数字识别提供借鉴。     

WVD用于SAR运动目标检测和成象的参数估计法

基于联合时间频率两维分布的研究方法，探讨了ＷＶＤ变换用于合成孔径雷达运动目标检测和成象的可行性，给出了能得到运动目标精细成象的参数估计方法，对多点目标和面目标情况下ＷＶＤ存在的问题进行了研究，计算机模拟验证了算法的有效性。