多自由度机械手自适应范围和受力分析

从理论上对多自由度浮动式机械手自适应范围和受力进行了分析，对浮动机械手在运动过程中的速度、冲击、位移偏差等关键参数进行了计算。通过实例分析，提出了插拔系统浮动式机械手应用过程各参数控制和调整的方法，同时对插拔系统中的浮动式机械手在垂直状态下插头无法插入弹体插座进行了分析，为插拔系统性能的进一步提高提出了新的观点。     

坚持质量第一建设中国航天质量文化

从物质层，制度层和精神层等三种表现形态及其之间的联系，制约和渗透的关系，概述了航天质量文化的内涵，分析了建设质量文化是增强航天事业的凝聚力，利用形成约束机制和树立航天产品良好社会形象的重要意义，同时研究和探讨了建设航天质量文化的几种途径。     

基于区域预测和视觉注意计算的快速目标检测

提出了一种结合区域预测与视觉注意模型化计算的快速目标检测方法.通过分析图像近似均匀的3个水平子区域的方向特征图之灰度比率,灰度特征图之信息熵和子区域位置,建立了目标区域预测的判定准则.同时,通过优选特征和优化特征图之权重,改进了视觉注意计算模型.对于一幅待检测图像,根据区域预测的判定准则,实现目标区域的快速预测,并利用改进的视觉注意计算模型对目标区域进行视觉注意计算,实现特定目标的快速精确定位.实验结果表明:针对户外场景中的行人目标,与通过整幅图像的视觉注意计算来实现目标检测的传统方法相比较,该检测方法可使检测时间缩短30%,同时还能使检测准确率提高9%.      

飞行员视觉信息流强度模拟及适人性分析

为了合理地确定飞行员在执行飞行任务时的视觉信息流强度,开发了飞机座舱显示界面仿真模型,以被试的正确反应率和反应时间来评价作业绩效.通过实验和数据分析得到以下结果:所建立的视觉信息流模型中视觉信息流强度曲线符合正态分布.不同的视觉信息量完成任务差异显著,信息量增加到一定程度时辨识变慢,出现错误的几率升高;在相同视觉信息量情况下,夜晚与白天、动态与静态执行任务辨识和绩效差异显著,白天要比夜晚、静态要比动态辨识效率和绩效更好.      

电力场景下基于无人机视觉的运动目标追踪方法

随着人工智能技术的发展,面向电力系统的运动目标追踪技术逐渐得到关注,现有方法虽有一定成效,但是大多基于固定摄像头的监控视频录制,不能灵活追踪运动目标,当运动目标离开摄像头视野时,存在运动目标丢失问题。为此,利用无人机设备,并基于深度学习和核相关滤波技术,提出了一个电力场景下基于无人机视觉的运动目标追踪方法（MTTS_UAV）。所提方法采用改进的目标追踪方法与目标检测方法相结合的方式来追踪运动目标隐患,并引入2种无人机飞行控制模块:启发式和数据驱动式,使得无人机的飞行速度和方向可以根据目标移动情况自适应地调节。在真实变电站的安全帽人员数据集上进行了大量实验,对所提方法的追踪效果进行评估,结果表明:所提方法在真实数据集上的平均像素误差（APE）和平均重叠率（AOR）分别可达到2.37和0.67,验证了方法的有效性。      

文本信息辅助图像差异描述生成

图像描述生成任务要求机器自动生成自然语言文本来描述图像所呈现的语义内容,从而将视觉信息转化为文本描述,便于对图像进行管理、检索、分类等工作。图像差异描述生成是图像描述生成任务的延伸,其难点在于如何确定2张图像之间的视觉语义差别,并将视觉差异信息转换成对应的文本描述。基于此,提出了一种引入文本信息辅助训练的模型框架TA-IDC。采取多任务学习的方法,在传统的编码器-解码器结构上增加文本编码器,在训练阶段通过文本辅助解码和混合解码2种方法引入文本信息,建模视觉和文本2个模态间的语义关联,以获得高质量的图像差别描述。实验证明,TA-IDC模型在3个图像差异描述数据集上的主要指标分别超越已有模型最佳结果12%、2%和3%。     

基于单目视觉原理的空间位置测量技术研究

为了提升空间位置测量的自动化程度,采用单目视觉原理建立空间成像方程,将三维的空间坐标转换为两维的图像坐标,由此实现单目视觉的空间位置测量。本文推导了单目视觉定位的基本成像方程,对建立的定位装置,进行了实际定位实验,实现了预期的测量结果。基于视觉原理的空间位置测量技术,具有良好的推广应用价值。     

基于非线性直方图变换的对比度畸变图像校正

在实际成像过程中,因受多种因素影响而导致图像对比度畸变,使其质量下降。为了改善图像质量并增强视觉效果,提出了一种基于非线性直方图变换与参数优化的降质图像对比度畸变校正方法。首先,针对常规直方图均衡方法的局限性,通过人眼视觉感知特性分析,引入图像直方图的先验约束条件,建立了非线性直方图变换模型;进而,从校正效果的最优化角度考虑,运用遗传算法的进化寻优进行校正参数的优化,从而形成了一种高性能的对比度畸变校正算法。一系列在不同场景实拍的对比度严重畸变图像的校正实验结果表明,本文方法校正结果的客观质量评价测算指标和实际视觉效果都有显著提升,和常规校正方法相比具有明显优势。      

基于多核融合的目标大面积遮挡处理方法

提出了一种基于多核融合的目标遮挡处理方法,用于提高大面积遮挡情况下视觉目标跟踪算法的鲁棒性和准确性.与现有基于单个对称核加权直方图的mean shift跟踪算法不同,该方法以目标区域内的多个非中心位置为核函数中心,构建多个非对称核加权直方图.由于这些直方图对目标的不同区域赋予了不同的权重,使得在遮挡发生时总存在一些直方图受影响较小.依据各个直方图分别进行mean shift迭代获得一组目标位置估计后,利用D-S证据理论融合判定最终的目标位置.实验结果表明,该方法在目标被大面积遮挡时仍能够获得准确的跟踪.