视觉辅助的无人机自主空中加油建模与仿真

为准确获得插头锥套式空中加油过程中无人机与锥套的相对位姿信息,提出了机器视觉辅助的插头锥套式无人机自主空中加油仿真方案,开发了基于Open CV,Simulink及Vega Prime视景仿真技术的闭环仿真系统。研究了机器视觉识别跟踪锥套的图像处理算法,利用Kalman滤波算法估计无人机与锥套的相对位姿。仿真结果表明,机器视觉算法可以准确识别跟踪锥套,滤波器状态估计的收敛速度较快,无人机姿态角变化范围较小,保证了插头锥套式无人机自主空中加油的平稳安全对接。     

大场景深度范围下的角度校验立体匹配算法

针对三维扫描系统开发过程中遇到的大场景深度范围下标志点误匹配率较高的问题,对基于单应性约束的双目立体匹配算法进行研究,从理论上推导出匹配误差与场景深度和工作距离比值间的数学关系,明确该算法的适用条件。为提高场景深度与工作距离比值较大时的匹配正确率,提出一种基于角度校验的双目立体匹配算法,首先通过极线约束获得初始匹配点对,然后通过计算角差异度校验得到最终正确匹配点对,实验表明所提出的方法能够达到良好的匹配效果。     

基于约束卡尔曼滤波器预测的视觉跟踪研究

视觉伺服主要是对物体图像的某个特征区域进行处理，而不是对整个特体的图像进行处理，这样可以减少图像处理的区域，提高伺服系统实时性，为了达到这一目标，文中利用推导出的方程作为约束条件，建立约束卡尔曼滤波器，该滤波器在系统中作为预测器使用，利用它跟踪的特征点下一位置进行预测，与普通卡尔曼滤波器相比，这一预测精度有了很大的提高，这样就可以缩小图像处理的窗口，文中还利用视觉雅可比映射矩阵，求出了视觉空间到任务空间的伺服控制方程，利用这一方程可以控制机器人的运动，完成特征点的跟踪，从仿真结果来看，使用这些方法减小了图像处理的区域，提高了图像处理的速度和系统的实时性。     

月球轨道交会对接任务辅助预报系统设计与验证

针对月球轨道自主交会对接制导、导航与控制(GNC)系统任务特点,设计一种基于人机协同框架的月球轨道自主交会对接过程辅助预报系统.该系统包括利用机器学习方法构建交会对接安全性规则知识库和安全性辅助预报两个部分.首先,在地面半物理仿真试验环境中,对导航监视相机拍摄的图像进行特征提取和匹配,利用图像特征与交会对接偏差组成训练样本对,用决策树方法构建安全性规则知识库.然后,利用安全性规则知识库,根据交会对接飞行过程中监视相机拍摄的当前状态的图像预报交会对接后续过程的安全性,给出成功的概率.通过地面半物理实验表明,该系统能够提升飞行控制过程中的智能化水平,有效协助地面飞行控制人员进行数据监视与任务决策.     

基于深度视觉语义嵌入的视频缩略图推荐

视频缩略图作为视频内容最直观的表现形式,在视频共享网站中发挥很重要的作用,是吸引用户是否会点击观看该视频的关键要素之一。一句与视频内容相关的描述性语句,再搭配一幅与语句内容相关的视频缩略图,往往对用户更有吸引力,因此提出一种深度视觉语义嵌入模型来构建完整的视频缩略图推荐框架。该模型首先使用卷积神经网络（CNN）来提取视频关键帧的视觉特征,并使用循环神经网络（RNN）来提取描述语句的语义特征,再将视觉特征与语义特征嵌入到维度相同的视觉语义潜在空间;然后通过比较视觉特征与语义特征之间的相关性来推荐与特定的描述语句内容密切相关的视频关键帧作为视频缩略图推荐结果。在不同类型的网络视频数据上的实验表明,所提方法能够有效地从网络视频中推荐出与给定描述性语句内容较相关的视频缩略图序列,提升视频的用户浏览体验。      

基于高层语义嵌入的孪生网络跟踪算法

在不加深网络的前提下,为提高孪生网络的特征表达能力,提出基于高层语义嵌入的孪生网络跟踪算法。利用卷积和上采样运算设计了语义嵌入模块,有效融合了深层特征和浅层特征,达到了优化浅层特征的目的,且该模块可以针对任意网络进行灵活的设计与部署。在孪生网络框架下,对AlexNet骨干网络不同层之间添加2个语义嵌入模块。在离线训练阶段进行循环优化,使深层语义信息逐渐转移到较浅的特征层,在跟踪阶段,舍弃语义嵌入模块,仍采用原始的网络结构。实验结果表明：相比于SiamFC,所提算法在OTB2015数据集上精度提高了0.102,成功率提高了0.054。     

可见光/激光组合的相对位姿测量研究

针对可重构航天器模块超近距离对接场景下特征点消失问题,提出一种可见光/激光的高精度相对位姿测量方法。该方法先通过可见光/激光组合对初始相对横滚角误差进行校零,完成粗校准环节;然后通过激光二维双镜反射法进行精确的相对位姿解算,获得高精度相对位姿数据。仿真结果表明,在现有技术条件下,该方法在模块相对距离在100cm内可不依赖视觉特征点,实现±1.2mm和±0.03°的相对位姿测量精度,为模块航天器对接后续的超近距离高精度位姿控制奠定基础。     

基于高效注意力和上下文感知的目标跟踪算法

基于匹配思想的孪生网络算法缺乏对目标的整体性感知,容易出现对目标状态估计不够精准和在复杂环境中跟丢的现象。为此,在孪生网络的基础上设计了2个轻量级的模块来实现更精准、更鲁棒的目标跟踪。在提取特征的主干网络之后,嵌入一个高效通道注意力模块,实现高效提取目标特征并增强差异化表示,使网络更注重于目标信息;模板匹配之后的特征通过一个局部上下文感知模块,增强网络对目标的整体感知,以应对跟踪过程中复杂多变的环境;采用Anchor-free的状态估计策略实现对目标的精准估计。实验结果表明:所提算法SiamCC在数据集OTB100、VOT2016和VOT2018上的测试结果均好于DaSiamRPN、ATOM等算法,并且跟踪速度达到了85帧/s。      

无人直升机自主着舰的计算机视觉技术

采用自主设计特征图案的方法,研究了一种基于视觉导引实现无人直升机自主着舰的快速算法.分析了制约位姿参数估计实时性的瓶颈,提出了一种基于信息分块的图像处理方法.引入选择性坐标变换的方法,获取图像处理的理想区域;采用直线方向粗识别的途径,确定参数区间,缩小了直线hough变换遍历空间,减小了底层图像处理的运算量.对真实图像的测试结果表明:对于768像素×576像素大小的图像帧,完成目标检测和位姿参数识别任务耗时小于30 ms,实现了视频流的实时处理;等效直升机与舰船相距10 m时,位置参数的均方根(RMS, Root Mean Square)误差在 2 cm内,姿态参数的RMS误差小于1.5°.算法能够满足自主着舰控制的实时性和实用性要求.      

视觉检测中椭圆中心成像畸变误差模型研究

针对在三维视觉检测应用中,空间椭圆的中心经摄像机针孔成像后存在畸变误差的问题进行了研究.基于透视投影变换和空间解析几何理论,建立了在摄像机的像平面上该畸变误差的数学模型,从而为圆孔(椭圆孔)或圆柱(椭圆柱)类工件中心位置的视觉检测、结构光三维视觉检测应用以及视觉检测中的CCD摄像机内部参数标定等问题的解决提供了一个有效的理论依据,具有一定的理论意义和工程应用价值.