抗旋转和尺度变化的导航系统图像匹配算法

在惯性导航系统中,定量分析了景象匹配过程中惯性导航系统漂移和无线电气压高度表测量误差对实测图的旋转和尺度所造成的影响,引入了对数极坐标变换.基于图像边缘特征提取,提出了一种结合中心点的4-邻域点共同参与计算的抗旋转和小尺度变化的图像匹配算法,并给出了相应的算法流程.仿真分析表明,在导航系统误差漂移所引起的图像旋转和气压高度表所引起的尺度变化范围内,该算法能满足匹配准确性的要求,并能有效给出系统的定位误差修正信息.     

线性调频信号特征分析

线性调频(LFM)信号是脉冲压缩体制雷达中广泛应用的大时宽带宽积信号,它的突出优点是匹配滤波器对回波信号的多普勒频移不敏感。文章根据线性调频脉冲压缩信号的时域和频域特点,运用模糊函数对该信号的性能进行分析,得出该信号具有更高的距离分辨率和速度分辨率,以及更好的低截获概率特性。给出此类信号经匹配滤波压缩处理的过程和结果及工程实现。     

基于遗传算法的快速目标匹配方法

为解决在测量图像目标识别中因采用模板匹配方法而产生庞大计算量的问题,将遗传算法应用到测量图像模板匹配中。根据测量图像的特点,利用匹配产生的相关数据变化规律,对标准遗传算法进行改进,提出一种测量图像快速匹配方法,可消除标准遗传算法的大量无效搜索。实验结果表明,该方法比标准遗传算法速度快、精度高。     

虚拟匹配单元对力觉交互系统性能影响分析

讨论虚拟现实力觉交互系统中,阻抗再现方式下虚拟匹配单元对系统稳定性和透明性的影响.对不同的虚拟环境,根据弹簧单元和阻尼单元的不同物理性质,将其与虚拟环境串联或并联,作为连接操作端与虚拟端的双端口系统;对于单自由度力觉交互系统,当虚拟环境驱动点为弹簧元素时,以串联弹簧单元和串联阻尼单元为例,通过对附加虚拟匹配单元后的系统性能评价,及与原系统的比较,分析了虚拟匹配单元对系统性能尤其是稳定性的影响,仿真和分析结果吻合较好.在力觉交互控制系统设计中,可根据需要选择不同的虚拟匹配单元以提高系统的稳定性.      

车辆导航系统中超前滞后校正方法

分析了车辆导航系统中超前滞后产生的原因,提出了利用地图匹配MM(Map Matching)进行GPS(Global Positioning System)/DRS(Dead Reckoning System)组合导航系统超前滞后校正的方法.该方法是将超前滞后误差归结为GPS误差,先利用GPS沿道路垂直方向上误差的可观测性进行GPS误差校正,再将校正的GPS信息与DRS信息进行卡尔曼滤波,从而减少组合导航系统超前滞后误差.仿真结果表明上述方法是行之有效的.      

随机纹理图像的特征匹配鲁棒算法

针对三维外形测量以及表面位移、损伤、应变测量中的随机纹理图像,提出了一种特征匹配算法.该算法首先结合Harris角点探测和一个72维的角点特征描述向量,快速获取随机纹理图像对之间的粗匹配像点集合,然后通过灰度相关约束和视差梯度约束对粗匹配集合进行检验,剔除粗匹配集中的错误匹配.通过在误匹配剔除的过程中采用与粗匹配阶段相关联的自适应约束阈值,从而使最终的匹配结果不敏感地依赖于阈值参数的选取,而是在一个较大的取值范围内都能使最终结果在严格控制误匹配的前提下,得到足够多的正确匹配点对.通过实验对提出的方法进行了验证.     

分支阻抗调配器调配电纳值的计算

在传输线的匹配计算中,需要用到大量的复变量.复数的运算过程极其复杂,所以传统的求解方法是借助于Smith圆图,用图解的方法得到近似解.用Smith圆图法求解的过程也很复杂,容易出错.为此介绍了一种利用MathCAD软件求解分支调配器调配电纳值的方法.与用Smith圆图求解相比,该方法物理概念清楚,求解过程简单,结果精确.     

高动态条件下星点像斑建模与补偿

高动态条件下星点提取有两个难点：一是暗弱星点目标湮没在噪声中不易识别,质心定位精度较差;二是星点像斑可能断裂,无法用常用的连通域算法提取。针对上述难点,本文建立了高动态条件下星点像斑模型,提出了基于该模型的像斑补偿与质心定位提取算法。该方法分为四步：第一,利用卡尔曼滤波实现星点像斑静态模板的实时迭代;第二,基于静态模型与星点运动模糊模型建立星点像斑动态模型;第三,以动态模型作为模板在恒星跟踪窗口内进行相关性匹配以确定星点像斑位置;第四,基于动态模型补偿星点像斑,并计算质心位置。实验结果表明,该方法能有效解决高动态条件下暗弱星点提取与断裂残损星点修复问题。相比传统算法,姿态精度误差均值减少了40.9%,最大误差减少了81.2%;星点提取率达到100%,提高174.5%,提取星数相比阈值分割与连通域法提高了173%。     

基于深度学习和图匹配的接线图检测与校核

传统的厂站一次接线图的绘制和管理主要依靠电网运行人员,费时费力且缺乏科学可校核的参考标准。提出了一种基于深度神经网络和数字图像处理相结合的厂站一次接线图的自动检测、识别和校核算法。首先,使用目标检测Faster R-CNN模型检测厂站接线图中的电器元件,并达到92%的检测准确率,同时使用端到端的文字检测识别模型识别厂站接线图中的文字信息,并达到94.2%的文字检测准确率和92%的文字识别准确率;然后,使用数字图像处理技术进行厂站接线图连接线、拓扑关系识别;最后,使用改进的VF2算法进行厂站一次接线图和人工维护的厂站一次接线图拓扑关系匹配校核,将拓扑数据抽象为无向图,通过轮廓序号得到元件的相对位置信息,根据改进的VF2算法得到2张图的匹配率,并通过匹配率与设定好的阈值来帮助核验,相比于节点遍历的匹配方法,核验准确率提高了37.5%。基于某供电公司提供的部分变电站的厂站一次接线图标注了接线图电器元件,贡献了一个小型接线图数据集。