基于类脑模型与深度神经网络的目标检测与跟踪技术研究

目标检测与跟踪技术广泛应用于交通、医疗、安保和航天等领域.目前,目标检测与跟踪技术面临目标微弱、背景复杂、目标被遮挡等挑战.同时,随着脑科学研究的不断深入,人们对人脑视觉系统的理解逐渐透彻,利用类脑计算解决复杂背景下高精度目标检测与跟踪问题成为相关领域的重要研究方向.本文结合神经工程导向的类脑模型和计算机工程导向的深度神经网络(Deep Neural Networks, DNNs),提出多种基于类脑模型与深度神经网络的目标检测与跟踪算法,包括：基于演算侧抑制的目标检测算法,基于结构 对比度(Structure Contrast, SC)视觉注意模型的弱小目标检测算法和基于记忆机制与分层卷积特征的目标跟踪算法.实验结果表明,将类脑模型和深度神经网络应用于目标检测和跟踪领域,有利于实现复杂条件下的高精度目标检测和鲁棒性目标跟踪.     

运载火箭新一代测量系统发展设想与关键技术分析

回顾了我国运载火箭测量系统的发展历程,以设计要素为依据,对运载火箭测量系统的发展进行了划代;在当今航天发展的新形势、新要求下,提出以"集成化、网络化、无缆化、高速化、智能化"为主要特征的新一代测量系统功能设想,并重点对关键技术的实现进行详细阐述。     

燃烧室结构高温变形非接触测量试验研究

为获得地面试验中主动冷却燃烧室在高温状态下的结构总变形和局部应变,基于数字图像相关法开展了非接触测量试验研究。分别采用加速鲁棒特征算法和改进的圆柱曲面数字图像相关法完成了燃烧室结构总变形和局部应变测量及分析。测量结果表明,燃烧室稳定工作条件下,结构轴向总变形约4.8 mm、局部平均应变约0.0049。测量结果与工程粗略估算结果比较吻合,说明所使用的非接触测量方法有效,能够支撑燃烧室热结构设计,测量数据能够用于三维结构强度数值计算的验证。     

无人车基于激光雷达/视觉的目标体积自动测量方法

近些年,基于激光雷达和视觉的目标感知在无人系统中得到了广泛应用。目标的体积测量在很多应用场景可以发挥极其重要的作用,然而对识别感知目标的体积测量,目前尚无大量研究。首次提出了一种基于激光雷达/视觉的无人车目标体积自动测量方法,实现了无人车与目标体积测量功能的结合。通过在LeGO-LOAM算法中加入点云畸变补偿,相较于原始LeGO-LOAM算法,无人车在高速情况下的构图精度得到提升;通过将激光雷达与视觉进行深度融合,实现了目标的自动识别与全局定位;通过基于平面拟合的地面分割与欧式聚类,实现了目标点云轮廓的实时获取;通过设计一种基于切片法的不规则物体体积测量方法,实现了无人车在运动情况下对目标体积的自动估计。最终,分别通过Gazebo仿真和实际试验验证了算法的有效性。试验结果表明,所提算法在无人车运动的情况下对静态目标物的实时体积测量精度优于3%,具有较好的工程应用价值。     

深空探测自主导航技术综述

由于深空探测任务具有飞行时间长、距离远、环境复杂多变的特点,基于地面深空网的导航方法存在通信时延大、传输效率低以及天体遮挡等问题。自主导航技术可以使探测器具备自主执行部分或全部导航功能的能力,大大减轻了探测器对地面站的依赖程度,已成为深空探测领域的重点研究内容。从国内外深空探测任务的实际工程需求出发,首先概述了天文导航、惯性基组合导航以及星间测量导航方法的基本原理,其次介绍了三种自主导航方法的国内外发展现状,并重点分析了三种自主导航方法的关键技术,最后对未来深空探测自主导航技术发展给出了若干建议。     

一种面向工业机器人的高精度三维无序抓取系统

在航空航天、汽车等领域中,各类复杂工件结构复杂、纹理弱且混叠堆放,在智能制造过程中存在快速、高精度测量和识别难题。针对上述问题,建立了一种面向工业机器人的高精度三维无序抓取系统。基于面结构光三维测量技术,构建大场景固定基座的三维视觉测量装备,获取大型复杂零件的三维点云数据。建立零件点云模板,设置抓取点位置,利用点云配准技术识别零件并估计当前位姿。提出了一种手眼标定优化策略,实现了对工业机器人的精确引导,完成任意位姿零件的抓取,按要求装配于指定位置。实验结果表明,所设计的无序抓取系统平移误差为0.413mm,角度误差为0.123°,可以快速有效地对散乱堆叠零件进行高精度识别与定位,引导工业机器人准确抓取与放置,该系统可以在航空航天、汽车等领域的工业生产线上进行示范应用。     

低频三维磁场测量系统研制

低频10Hz～20kHz的电磁波在气象观测、地质勘探、远距通信等领域具有广泛应用.为了监测该频段的电磁辐射,本文设计了三轴正交方形天线用于测量低频磁场,采用基于AD797与OP27的双级放大电路对磁场感应电压信号进行调理和放大,采用NI-9222数据采集卡实现对信号波形进行采集,利用短时傅里叶变换对信号进行时频分析.所...     

前沿光学技术的新发展

近几十年,光学这门古老的学科得到了迅速发展。文章从近几年诺贝尔化学奖和物理奖的获奖课题谈起,介绍了光学技术的发展脉络,梳理了纳米光学、超表面、压缩感知、深度学习、太赫兹、光学自由曲面等光学前沿新技术的发展情况。文章最后指出,从事科研研究不能从文章到文章,要与社会的需求相结合,科研只有服务于企业、服务于社会,才能将技术的发展落实到实处。     

基于深度学习特征提取的遥感影像配准

传统的影像配准算法,如尺度不变特征变换(SIFT)、加速稳健特征(SURF)等,对遥感卫星影像配准存在提取特征点少、错误匹配多等缺点。文章使用数据驱动的随机特征选择卷积神经网络(RanSelCNN)方法,对Landsat-8卫星不同时相或同一时相具有重叠度的遥感影像进行配准,卷积层使用随机特征选择,增加特征提取的鲁棒性;训练时使用联合损失函数,同时对特征探测器和特征描述符进行优化,减少特征的错误匹配。结果表明:基于随机选择的深度神经网络的遥感影像配准能提取更多的特征点,有效降低错误匹配率。与传统的人工设计特征相比,该算法能明显提高卫星影像配准的精度。