基于计算机视觉的AGV导航标识带识别与提取方法

针对基于标识带导航的自动导引车(AGV)对中心线提取精度要求高的特点,应用计算机视觉原理,设计了一种导航标识带识别与中心线提取方法.首先对摄像头采集到的图像进行预处理,包括灰度化、图像滤波、图像分割、图像边缘检测;然后提出了一种基于几何作图的标识带中心线提取方法,并根据中心线方程解算出偏角和偏距等信息;最后将上述过程整...     

基于图像处理技术的自动报靶系统设计和实现

提出了一种通过图像处理技术设计和实现的自动报靶系统。针对靶图像背景颜色对比度大的特点,采用一种基于灰度期望值的图像二值化算法,通过逐步分离的方法,将靶环从背景中分割出来;针对影响靶数精度的主要因素（图像的非线性畸变）,将靶数分解为整数与小数两部分。整数部分根据靶图像的物理意义确定,对靶数精度不会造成任何损失;小数部分根据弹孔最内侧点在两条靶环之间的相对位置确定。试验结果表明,用该系统确定的靶数可以     

基于Hough变换的指针式仪表自动判读方法

针对航空机载气压式高度表的自动精确判读,提出一种基于Hough变换的判读方法,为提高运算速度,采用中轴变换的方法将仪表指针图像处理为仅有一个像素宽,所有算法均用Visual C++6.0实现.实验证明,该方法的判读速度与精度均优于人眼.     

基于多传感器信息融合的自主移动机器人导航算法研究

本文介绍了一种基于微控制器控制，以GPS为主要导航手段，且基于多传感器信息融合的自主移动机器人导航系统的软硬件设计思想及实现方法。重点讨论了基于栅格法的导航算法在微控制器系统中的实现。最后给出了该导航系统在比较典型的环境中实现导航与避障的实验结果。     

基于区域气球力Snake模型的运动目标快速跟踪方法

提出了一种包含区域信息的Snake模型用于运动目标检测与跟踪。在通常情况下,基于区域信息的跟踪方法对背景光线的微小变化、位置的微小移动较为敏感,而基于边缘信息的跟踪方法则难以对边缘模糊的图像取得满意的跟踪效果。在算法中同时引入这两种信息,边缘信息使得算法快速而鲁棒性好,区域信息可以对边缘模糊的图像取得正确的跟踪效果。使用双差分图像设计了自动初始化的方法来实现视频的自动跟踪。同时,对目标的下一步运动位置增加了一个预测环节来加快主动轮廓模型的收敛速度。该算法的每帧计算时间一般小于0.1S,能应用于实时系统。     

环视SAR成像处理中的几何失真校正算法

环视合成孔径雷达(SAR)图像用于导弹精确来制导中的景象匹配处理,需要满足几何精度的要求.校正由雷达平台不规则运动和天线圆周扫描导致的图像几何失真,是环视SAR成像处理中的关键步骤.文中在利用线性距离多普勒算法生成子图像的前提下,提出了一种基于像源与像点映射关系的距离多普勒域图像几何失真校正算法.该算法无需复杂的坐标系转换计算,实现了360°范围内任意波束指向上SAR子图像几何失真校正.地面点目标仿真和实测教据成像结果证明了该算法的有效性.     

基于有向元胞自动机复杂环境下直升机飞行路径规划研究

针对直升机在复杂环境飞行时,缺乏自动导航,飞行难度大的问题,提出基于有向元胞自动机的直升机飞行路径规划算法。在考虑直升机的飞行性能,限制区域的大小,飞行速度等限制条件下建立空域的网格模型,利用机载星基导航和定位系统生成精确的定位信息,建立有向元胞自动机运动规则,确定有向元胞自动机的运动方向,从而构建了直升机空中自动导航的算法,实例表明:基于该算法的仿真,在复杂环境中,直升机能够规避障碍物,自动生成飞行路径,有效提高直升机飞行安全。     

基于尺度不变特征的眼底图像自动配准与拼接

针对眼底图像对比度低、光照不均匀、不同视场的图像间存在几何畸变等特点,提出了一种基于尺度不变特征的眼底图像自动配准与拼接算法.该算法分别提取同态滤波增强后的待配准眼底图像的尺度不变特征点,并用向量进行描述,确定相邻两图像特征点的匹配关系,在MLESAC算法中使用透视变换模型去除误匹配点对,计算匹配点对之间的变换矩阵,进行图像空间变换,完成配准和拼接.对实际眼底照相机获取的多幅图像配准与拼接结果表明,该算法具有很好的鲁棒性和稳健性,配准精度达到像素级,可以实现眼底图像的高精度自动配准与拼接.     

用于弹道导弹的GPS/SST/SINS组合导航滤波算法实现

针对目前国内弹道导弹导航系统单一的情况,文中提出一种滤波算法.该算法将捷联星光跟踪仪(Strapdown star tracker, SST)的姿态信息、高速GPS的位置、速度信息与捷联惯导进行组合滤波,全面提高了导航的姿态、速度和位置精度.最后以该算法为核心,设计并实现了用于弹道导弹的GPS/SST/SINS组合导航系统实时仿真平台.仿真结果表明,该滤波算法稳定可靠,系统精度达到国外同等水平.     

一种基于神经网络的图像去雾算法

针对传统暗通道去雾算法在处理大面积天空区域部分时易出现光晕的缺点,提出了一种传统算法与神经网络相结合的去雾网络。首先经由暗通道去雾算法和Retinex算法分别获得两幅待融合图像,然后基于编码解码的神经网络构建一个图像融合去雾网络系统。训练阶段在编码网络中加入密集块结构,增强了模型的稳健性,便于从更高维度提取特征信息;测试阶段利用gamma校验因子预处理待融合的图像,减少了图像处理过程中的光晕现象问题。合成有雾图像处理的实验结果表明,该算法合理地将传统算法和神经网络去雾算法融合起来,构建一个新型去雾模型,提高了去雾精度,无论是在室内、室外合成数据集中去雾效果均有提升;较现有经典算法峰值信噪比至少提高18.7%,而且对自然雾天图像的处理效果明显;在图像物理细节信息处理方面对比已有算法有了一定的提高,为研究图像去雾提供了新思路。