基于视觉识别的电解加工多孔表面评定方法研究

针对电解加工多孔表面特点,提出表面形貌评价指标,获取多孔表面图像并对其进行预处理,提取腐蚀率、不均匀度、灰度等特征参数,揭示各特征参数与电解加工多孔表面形貌的相关性,并通过实例证明该方法适用于电解加工多孔表面的测量。     

飞机大部件对接及精加工系统研究

飞机机身与机翼大部件对接及孔精加工任务,存在装配对象质量大、所需精加工孔数量多、需要在总装现场进行加工等难点。为解决上述问题,设计了一种飞机大部件对接及精加工系统。在数字化测量系统的定位下,AGV平台装载运输机翼大部件,配合位姿定位系统进行机翼与机身的调姿对接,由孔精加工系统完成孔的精加工。经试验验证,系统的定位误差小于行程的0.1%,精加工孔的尺寸精度满足IT7精度。大批量孔精加工试验中,对接与精加工150个孔用时总计36 h,验证了其部署于实际生产线中的可行性。     

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...     

基于序列图象的三维刚体运动估计研究进展

序列图象运动估计是动态场景分析的基础,它主要研究如何从变化场景的一系列不同时刻的图象中,提取出有关场景中物体的位置、运动和结构等信息。在综述了基于序列图象运动分析的传统方法及其技术特点和存在的问题后,分析了基于序列图象的三维刚体运动估计研究的发展趋势。     

仿鹰眼-中脑机制的无人机空中加油显著性检测

空中加油是提高无人机（UAV）空中持续作战能力的重要技术，其中对加油锥套的检测和识别是实现空中加油的首要任务。针对空中加油快速、准确的目标检测难题，结合鹰眼敏锐的视觉机制，设计了一种仿鹰眼-中脑机制的显著性检测算法，采用仿鹰眼颜色拮抗和明暗适应机制模型从加油锥套视频序列中提取多通道图像特征，为适应锥套在图像中的面积，模拟仿鹰中脑网络门控机制对多通道特征显著图进行空间门控处理，模拟仿鹰中脑网络增益机制对显著图进行增强处理。通过公开数据集和空中加油试飞数据集分别进行了测试，仿真对比实验结果验证了所提出的显著性检测算法可在设定显著目标面积占比的条件下有效抑制背景影响，并能检测到空中加油的锥套目标。     

火箭喷管极性自动化测试系统的改进设计研究

使用计算机视觉方法进行的发动机极性自动化测试是火箭地面测试中重要的测试环节，该环节存在进一步改进和提升的空间。将递归全对场变换（Recurrent All-pairs Field Transforms, RAFT）光流算法替代传统光流法检测技术用于发动机喷管实时运动监测，并根据现场测试场景对光流算法进行了优化，提升了运动检测速度与测量精确度，使自动测试系统具备了摆角的估测能力；在软件系统设计层面，引入差异图像直方图法监听法辅助喷管动作识别，避免了光流法对于未处在监测流程中的摄像头的冗余监听资源消耗，降低了系统硬件设备的负载，同时实现了一种可视化在线判读软件的设计。提出的软件与算法方面的改进在当前已投入使用的极性自动化测试系统上实现了进一步的优化。     

基于ViBE与面向对象分类的视频卫星运动车辆检测

为了提高视频卫星对运动车辆的检测质量，在经典视觉背景提取器(ViBE)算法的基础上，结合遥感的面向对象分类技术，从提升正确检测运动目标数量和抑制虚假运动目标检测数量两个方面着手，提出了一种新的运动车辆检测方法（VOMVD）。首先通过优化ViBE模型参数，尽可能多地获取真实运动目标，但这在一定程度引入了许多的虚假目标。研究继而依据影像上地面小尺度运动目标和道路的依存关系，采用面向对象的分类方法，基于光谱、纹理、空间属性，构建了均值、标准差、卷积核内平均灰度值、卷积核内平均信息熵、面积、长度、紧密度、延伸度等8个特征，用于提取道路信息，以此掩膜ViBE提取的虚假运动目标和伪运动目标。结果表明，基于本研究提出的视频卫星运动目标检测方法较之三帧差分法、ViBE检测方法等，其精度有明显提升。在本研究中，三帧差分法、ViBE和VOMVD对运动目标的检测精度P分别为70.91%，61.49%和85.71%，召回率R分别为84.78%，98.91%和97.83%，F值分别为77.23%，75.83%和91.37%，有效提升了方法对运动目标的检测效果。     

基于立体视觉的无人机位姿测量方法

现有的无人机位姿视觉测量方法大多基于诸如关键点等几何尺寸在图像和模型间的对应关系完成位姿计算；然而，在复杂情况下易出现关键点图像坐标定位失效的问题，而针对特定机型的算法设计泛化性不佳。针对这一问题，本文提出了一种基于立体视觉的固定翼无人机位姿测量方法，通过立体视觉重建目标无人机三维点云，基于无人机组件三维点云拟合鲁棒地完成位姿测量。首先，使用一种二维、三维数据结合的方式，利用卷积神经网络完成组件的分割。其次，分别利用机翼和机身点云拟合无人机坐标系的z轴和x轴，进而完成目标无人机位姿的计算。整个计算过程无需已知具体机型或尺寸。经试验验证，本文方法在10m的范围内达到了1.57°和0.07m的位姿测量精度，具有较高的精度和鲁棒性。