基于运动特征和中心环绕模型的空对地车辆检测方法

平台的移动基于空基车辆检测以其视野广、速度快、适应性强等优点,近些年成为了智能交通和航空应急救援等领域内的一个热点课题。然而,在城市背景的交通环境下,由于复杂背景造成的干扰、车辆运动的不规律性以及光照等条件变化带来的噪声,有效地获取运动对象特征是空对地视觉监视方法面临的一个难题。为有效解决这一问题,提出了结合运动特征的中心环绕模型进行空对地车辆检测的算法。现有的空对地车辆检测算法,大多是针对固定的摄像头的情况下,基于运动特征进行检测,例如光流法、背景差法等。这些方法在对高速公路等背景相对较为简单的环境下获得了良好的检测结果,但当面对城市复杂背景条件或摄像头自身运动的状况时,难以有效地检测出运动目标。而在对颜色、强度等静态特征进行显著度分析的基础上,加入了对运动特征的分析,可以解决在复杂环境下准确提取车辆目标有效特征的问题。试验表明,相较于基于图像相减的检测算法和单一显著度算法,该算法可以获得更高的检测率与更低的误报率。     

基于深度卷积网络的SAR图像目标检测识别

在SAR图像解译应用领域,目标的自动检测与识别一直是该领域的研究重点和热点,也是该领域的研究难点。针对SAR图像的目标检测与识别方法一般由滤波、分割、特征提取和目标识别等多个相互独立的步骤组成。复杂的流程不仅限制了SAR图像目标检测识别的效率,多步骤处理也使模型的整体优化难以进行,进而制约了目标检测识别的精度。采用近几年在计算机视觉领域表现突出的深度学习方法来处理SAR图像的目标检测识别问题,通过使用CNN、Fast RCNN以及Faster RCNN等模型对MSTAR SAR公开数据集进行目标识别及目标检测实验,验证了卷积神经网络在SAR图像目标识别领域的有效性及高效性,为后续该领域的进一步研究应用奠定了基础。     

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。     

从干扰地对空雷达到干扰空对地雷达效果的等效推算

通过建立干扰条件下地对空雷达上视工作和空对地雷达下视工作的数学模型,结合在发现概率和虚警概率给定情况下检测因子为定值的雷达检测理论,推导出了从干扰机干扰地对空雷达时的干扰效果等效外推到干扰空对地雷达的干扰效果的推理模型。该模型具有外场可操作性。     

一种基于背景自适应的运动目标检测与跟踪算法

背景图像差分法是运动目标实时检测中常用的方法,但缺乏背景图像随监视场景光照变化而及时更新的合理方法,限制了该方法的适应性。对此,文章首先提出了一种自适应背景更新方法;然后利用最大类间方差法实现运动目标的自适应阈值分割,并利用基于形态学方法的连通区检测算法检测运动目标;最后以Kalman滤波为运动模型实现对运动目标的连续跟踪。实验结果表明:所提方法可随着光照条件的变化,实时、准确地检测出运动目标并实现稳定跟踪。     

基于场景检测的城市环境GNSS/INS组合定位方法研究

城市复杂环境下,采用GNSS/INS组合定位方法能有效提升GNSS信号部分或全部被遮挡情况下的车辆连续定位能力。GNSS信号受遮挡的程度具有随机性和突变性,给GNSS/INS组合算法的架构设计和参数设置带来了挑战。基于此,设计了一套基于场景检测的GNSS/INS组合定位策略与方法,提出了以多星GNSS观测量的八类特征为输入,利用支持向量机分类思想将定位场景分为室外开阔、室外遮挡和室内三种类型,并建立了与之相适应的组合滤波量测误差估计模型,进而实现了GNSS/INS组合定位。实测数据验证表明,提出的方法能够有效提升车辆组合定位精度。     

基于深度学习的发动机叶片故障检测技术

为了解决航空发动机叶片故障检测中存在的检测精度欠佳、检测效率不高的问题,提出了一种基于深度学习的目标检测方法。针对小样本数据集检测精度低、模型训练速度慢等问题,对Faster R-CNN目标检测算法进行结构优化,引入Res2Net结构,通过分割串联的策略强化残差模块的卷积学习能力,搭建了细粒级的多尺度残差模型Res2Net-50,以提升模型的特征提取能力。同时,在网络的训练过程中,采用多次余弦退火衰减法对学习率进行调整,以加快模型的训练速度,提升模型的训练质量。针对航空发动机叶片裂纹和缺损2种故障类型进行网络训练与检测试验,试验结果表明:优化后的模型识别准确率提高了0.7%,模型的平均检测精度提高了1.8%,训练时间缩短了5.56%,取得了比较好的检测效果。     

近地空间航天员训练视景真实感渲染技术研究

载人航天任务中,地面模拟训练是培养提升航天员操作技能的重要手段。视景系统是航天飞行训练模拟的重要组成部分,高逼真度的仿真场景对提升航天员训练效果有重要的意义。针对空间视景仿真场景调度和渲染的特殊性,提出并设计实现视景仿真软件的总体架构。对影响空间场景真实感的地球纹理数据库的生成和调度技术、大气散射仿真技术、场景光照实时渲染等关键技术进行研究,融合各种方法,在视景仿真系统中基于GPU实现。试验验证表明,实现算法准确,模型设计合理,已经应用于航天员的训练中。     

基于OpenGL的飞机飞行实测数据可视化研究

为实现飞机飞行历程实测数据的可视化,并检测飞行数据是否满足飞行大纲要求,运用OpenGL (Open Graphic Library)技术,研究了飞机的三维模型建模方法、特殊场景的生成技术和三维模型的实测数据驱动;建立了飞机的三维模型和飞行场景.基于飞行实测数据驱动方式,实现了飞机飞行历程数据的多视角可视化,直观地再现...     

一种基于UML活动图模型的系统测试方法

UML活动图是基于UML开发的软件设计模型的重要组成部分,它描述了软件系统的动态行为,是软件系统测试过程中的一个重要的信息来源.提出了一个基于UML活动图的场景测试方法,给出了生成基本流和备选流的原则,对传统场景法进行了改进,避免了测试场景集数量爆炸.最后重点结合一个实例对该方法进行了论述.     

A system for obstacle detection during rotorcraft low altitudeflight

An airborne vehicle such as a rotorcraft must avoid obstacles like antennas, towers, poles, fences, tree branches, and wires strung across the flight path. Automatic detection of the obstacles and generation of appropriate guidance and control actions for the vehicle to avoid these obstacles would facilitate autonomous navigation. The requirements of an obstacle detection system for rotorcraft in low-altitude Nap-of-the-Earth (NOE) flight based on various rotorcraft motion constraints is analyzed here in detail. It is argued that an automated obstacle detection system for the rotorcraft scenario should include both passive and active sensors to be effective. Consequently, it introduces a maximally passive system which involves the use of passive sensors (TV, FLIR) as well as the selective use of an active (laser) sensor. The passive component is concerned with estimating range using optical flow-based motion analysis and binocular stereo. The optical flow-based motion analysis that is combined with on-board inertial navigation system (INS) to compute ranges to visible scene points is described. Experimental results obtained using land vehicle data illustrate the particular approach to motion analysis     

机载多媒体网络传感器技术研究

为了解决机载设备获取的视频图像不清晰、数据容量小等问题,本文研究了机载多媒体网络传感器的实现技术,给出了机载多媒体现场记录系统的总体技术方案,并讨论了显示器、存储单元及MCU单元选择等问题.网络传感器技术能够提高机载图像和数据获取及记录的能力;机载多媒体现场记录系统是实现机载图像和数据获取的一种高效可行的方法.     

基于时空显著性建模的空中飞行器跟踪方法

以复杂背景下空中飞行器的鲁棒视觉跟踪问题为研究背景，为解决现有跟踪方法目标表征模型不够精确，算法鲁棒性严重受到目标形变、宽高比变化、复杂背景等因素干扰的问题，提出了建模跟踪场景中独立物体的显著性特性，用于构建精确的目标模型。提出的显著性估计方法有别于传统的单帧检测方法，利用跟踪算法提供的背景先验知识以及多帧图像观测数据，使用时空联合的方式进行建模估计，其结果用来指导目标跟踪算法选取有效视觉特征，建立精确目标表征模型，减小背景区域对算法模型的干扰。实验表明，提出的方法为上述难点问题提供了有效的解决方案，对空中飞行器的跟踪精度与鲁棒性优于大多数最先进的主流方法，在其他类型的目标跟踪任务中也有十分优越的性能表现。     

Multi-block SSD based on small object detection for UAV railway scene surveillance

A method of multi-block Single Shot MultiBox Detector (SSD) based on small object detection is proposed to the railway scene of unmanned aerial vehicle surveillance. To address the limitation of small object detection, a multi-block SSD mechanism, which consists of three steps, is designed. First, the original input images are segmented into several overlapped patches. Second, each patch is separately fed into an SSD to detect the objects. Third, the patches are merged together through two stages. In the first stage, the truncated object of the sub-layer detection result is spliced. In the second stage, a sub-layer suppression and filtering algorithm applying the concept of non-maximum suppression is utilized to remove the overlapped boxes of sub-layers. The boxes that are not detected in the main-layer are retained. In addition, no sufficient labeled training samples of railway circumstance are available, thereby hindering the deployment of SSD. A two-stage training strategy leveraging to transfer learning is adopted to solve this issue. The deep learning model is preliminarily trained using labeled data of numerous auxiliaries, and then it is refined using only a few samples of railway scene. A railway spot in China, which is easily damaged by landslides, is investigated as a case study. Experimental results show that the proposed multi-block SSD method produces an overall accuracy of 96.6% and obtains an improvement of up to 9.2% compared with the traditional SSD.     

Adaptive Optical Target Detection Using Correlated Images

A method for target detection that achieves clutter rejection by the use of multiple observations of the same target scene is developed. Multiple scene observations can be obtained by processing separate frequency bands of the same target scene or by recursively processing sequential observations in time. Optimal detection algorithms are developed, based on the assumption that the image intensity can be modeled as a variable mean spatial Gaussian process. Several fast detection algorithms are derived which make use of the fact that the covariance matrices of many optical and infrared (IR) images can be accurately approximated by diagonal matrices. These algorithms provide efficient solutions to the problem of processing multiple correlated scenes or multiple sequential imaging. Computer simulations based on actual optical and IR image data were used for checking the theoretical results. The new detection algorithms achieved performance improvement in detection signal-to-noise ratio of up to 10 dB over conventional target correlation methods.     

基于滑窗检测的机载设备故障诊断仿真系统

根据机载设备故障诊断的需求,结合飞机性能监控系统的结构框架和机载设备的特点,提出基于快速存取记录器（QAR）记录的飞行数据和滑窗检测原理的机载设备故障诊断算法,并实现相应的机栽设备故障诊断仿真系统。在简述QAR数据译码与数据选择方法的基础上,论述了滑窗检测的原理并对其性能进行分析：设计实现了基于QAR的机载设备故障诊断仿真系统并给出仿真结果。结果表明,该系统可以有效诊断存在的故障,并能大大降低虚警概率,对保障飞行安全具有重要意义。     

基于神经网络的类乘波体飞行器FADS算法研究

大气数据是飞行器飞行的重要参数,大气数据系统是必备的机载航电系统。嵌入式大气数据系统（FADS）是新一代大气数据系统,可用于类乘波体飞行器。飞行器外形特殊,大飞行包线内FADS压力场模型复杂,解算算法尚不完备。针对飞行器的特点,利用三维几何建模和计算流体动力学（CFD）计算的方法,分析FADS压力场模型特性,设计并验证了基于神经网络的类乘波体飞行器FADS算法,结果表明,算法对马赫数、攻角和侧滑角大气参数的解算可行有效。     

机载多目标跟踪系统模型和运动补偿

研究多目标跟踪技术在机载雷达应用中的特殊问题——坐标系的选择、载机运动的稳定与补偿。建立了数学模型 ,进行了仿真研究。研究结果表明 :载机运动的稳定与补偿是机载多目标跟踪中必须重视的问题 ,并得出基于 NED和 RHV的组合坐标系下的模型 ,在机载应用中有很好的性能。优点是易于解耦、避免了非线性、降低了计算量、且有较高的精度