一种智能化元器件检测系统的研究

为解决航天元器件筛选检测过程中存在的计划管理不合理、过程管控不透明、灵活性不够、人工参与过多等问题,按照智慧工厂的参考模型,提出了一种元器件智能化检测管理系统的构建方案,并对所需关键技术进行了分析,集成了物联网、机器视觉、大数据分析、ERP技术,实现了检测业务的信息化、自动化、智能化。验证了航天某元器件可靠性中心的智能化检测系统,并进行了技术实现,为同行业的技术研究、应用实施提供了参考。     

SpaceMocap：在轨人体运动捕捉系统

SpaceMocap是一套基于多RGB-D相机的计算机视觉航天员运动捕捉系统。地面准备阶段,扫描航天员模型,并分别标定彩色相机的内参数。在轨采集阶段,3~4台相机布置在舱内角落,同步采集航天员任务视频。地面处理阶段,通过相机外参数标定和ICP方法实现点云融合,采用深度神经网络对人体关节点位置进行检测并初始化位姿参数,再用改进的ICP方法进行位姿求精,实现序列图像中关节角度跟踪。本系统搭载TG-2升空,对SZ-11航天员的任务视频进行了采集和处理,首次获取了在轨航天员的姿态(包括中性体位)、占位空间、运动参数等重要数据。结果表明,运动捕捉的模型与点云具有良好的重合度,关节点位置与关节角度具有较高的跟踪精度。SpaceMocap是我国首个在轨运动捕捉系统,它小型、轻质,具有计算机视觉特有的非接触测量、直观、高精度优势,无需在人体上粘贴任何标志,具有良好的抗遮挡能力,完全适用于微重力、狭小空间环境下的在轨应用 。     

GEO非合作目标超近距相对位姿视觉测量

提出一种基于几何特征综合匹配的双目超近距相对位姿视觉测量方法。首先,将失效卫星的矩形太阳帆板作为几何特征,采用综合匹配方法实现了双目图像的高精度匹配,随后基于几何特征指标参数判别和ROI检测方法,实现了卫星太阳帆板特征点组的识别与提取,在此基础上,进一步建立了目标坐标系,通过三维重建完成了超近距阶段失效卫星的相对位姿高精度解算。最后建立了高精度双目视觉超近距相对测量实验系统,结合所提出的综合匹配算法和相对位姿解算方法,完成了动态非合作目标的相对位姿测量实验,实验结果说明所提出的方法具有较好的实时性和较高的精度。     

基于双目视觉的返回舱着陆横向速度测量

通过分析返回舱在着陆时所具有的水平速度也可能对着陆安全构成威胁的事实,论述了为返回舱增加横向缓冲装置的必要性,由此提出亟需解决的问题———在返回舱着陆下降过程中测量其水平运动速度。提出了全新概念的以视觉图像为唯一信息来源的返回舱水平速度测量方法,仅以双目摄像机系统作为传感器,避免了对返回舱原有传感器系统的改造。通过对着陆区域地面图像的采集和在线处理,利用双目交会测量原理得到返回舱当前的大地坐标和姿态。仿真实验证明,方法简单易行,测量结果可靠。     

基于对偶四元数的航天器交会对接位姿视觉测量算法

根据光学测量基本原理建立双目视觉测量模型,提出基于双目视觉的航天器间相对位姿 的测量方法。利用对偶四元数,建立目标航天器的坐标系和追踪航天器上的摄像机坐标 系之间的关系,构造出航天器交会对接位姿误差模型,通过使用拉格朗日求极值的方法,解 算出航天器间的相对位置和姿态。仿真结果表明该算法有效,能够满足航天器交会对接的测 控要求。     

基于多目立体视觉和神经网络标定的表面形貌测量方法研究

针对三维表面形貌的非接触式光学测量是计算机多目立体视觉技术的一项重要应用,但目前还存在相机个数受限、特征点匹配算法复杂与纵向测量精度不够等难题.开发了一种基于多目立体视觉和神经网络标定的表面形貌测量方法,其中包括:使用神经网络完成多目标定与三维重构,在表面投射激光点阵作为图像识别与匹配的特征点,应用蚁群粒子跟踪测速技术...     

视觉SLAM方法综述

实时定位与建图(SLAM)技术搭载特定传感器,使移动机器人在无任何环境先验条件下,在运动过程中自主建立环境模型来计算自身位姿,大幅提高其自主导航能力,以及对不同应用环境的适应性。视觉SLAM方法以相机作为外部传感器,通过采集周围环境信息来创建地图并实时估计机器人自身位姿。为此,介绍了具有代表性的经典视觉SLAM方法及与深度学习相结合的视觉SLAM方法,分析了视觉SLAM方法中采用的不同特征检测方法、后端优化、闭环检测,以及动态环境下视觉SLAM方法的应用,总结了视觉SLAM方法的问题,并探讨了视觉SLAM方法在未来的热点研究方向和发展前景。     

支持场景表观差异的无人机图像视觉定位方法

视觉定位是计算机视觉中的基本任务,在无人机测控、视频监控和遥感分析等领域有着广泛应用.在GNSS拒止情况下,利用图像进行视觉定位是重要的导航替代方法.然而,由于室外场景易受天气、季节和光照等变化影响,细节的表观差异方差大,无人机视觉定位的鲁棒性与精度在近地面时难以保证.提出一种基于虚拟图像合成的视觉定位框架.设计阴影映射和深度卷积图像填补网络来合成具有大表观差异和大视差的虚拟图像集,以提高2D-3D配准质量从而提升视觉定位的鲁棒性.实验数据表明,与国际同类方法相比,本方法合成的图像质量在视觉效果、匹配点数量、置信度和视觉定位的精度等指标上都获得了明显的提升,可以支持大表观差异下的无人机视觉定位.