航空发动机热端表面温度场测量

航空发动机热端温度场的测量和监视对延长发动机的使用寿命具有重要意义。文章简要介绍了目前采用的各种温度测量方式,如热电偶、光电高温计、红外热像仪和示温漆,并详细介绍了多波长温度测量和谱色温度测量两种新型的温度测量方法。两种方法大大降低了温度测量对被测物体表面发射率的依赖性,适用于1000～3000℃温度范围内高温物体表面温度的测量。     

双摄像机光笔式三维坐标测量系统研究

基于双目立体视觉传感器三维测量模型和空间坐标变换原理,采用最小二乘冗余算法,讨论了双摄像机测量空间三维点坐标的基本原理,建立了视觉测量系统的非线性测量方程。通过实验验证了双摄像机光笔式三维坐标视觉测量系统建立的可行性。     

基于双目视觉和惯性器件的微小型无人机运动状态估计方法

针对微小型无人机(UAV)自主运动状态估计问题,提出了一种基于双目视觉和惯性器件的微小型无人机运动状态估计方法,运动状态估计系统由微惯性测量单元(MIMU)和2个摄像机组成.根据微惯性测量单元的输出更新无人机运动状态,同时由摄像机获得周围环境的图像序列,从序列图像中提取特征点,并对这些特征点进行匹配、跟踪,测量序列图像...     

基于四元数的单目视觉物体位姿测量方法

对基于点特征的单目视觉定位算法进行了研究,设计了一种5点平面靶标,在五个特征点的基础上提出了一种基于四元数的单摄像机位姿测量方法。建立了四元数空间变换矩阵,然后再根据特征点在世界坐标系下的坐标值以及特征点在CCD成像面上的坐标值,在空间投射的基础上利用最小二乘法求解出靶标的四元数空间变换矩阵,从而求得靶标的空间位姿。通过实验对该单目视觉定位方法进行验证,实验结果表明：测量模型平移定位精度达到了,旋转定位精度达到了。     

一种鲁棒Sigma-point滤波算法及其在相对导航中的应用

研究了一种鲁棒Sigma-point滤波方法在无人机编队相对导航问题上的应用。该方法采用Huber估计方法,将Sigma-point滤波量测更新转化为求解线性回归问题,新的Sigma-point滤波方法是一种混合L1、L2范数最小估计,当量测噪声为受污染的高斯白噪声时,该方法具有一定的鲁棒性。给出了编队无人机相对惯导方程和相对视线矢量测量原理,应用鲁棒Sigma-point滤波方法融合相对惯导信息和相对视线矢量信息,估计出无人机之间的相对姿态、相对速度和相对位置。仿真结果表明,与扩展卡尔曼滤波和常规Sigma-point滤波相比,鲁棒Sigma-point滤波可以获得更高的估计精度。     

一种基于嵌入式图像处理的工程车辆导向装置

分析了架桥施工中运梁车工作的特点,针对其在车辆导向方面所存在的主要问题,并结合现场需求,设计了一种基于单片机实现的嵌入式图像处理的新型车辆辅助导向装置,完成了相关硬件平台的设计,给出了在单片机系统中实现视频采集、图像处理、车辆跑偏判断和报警输出等关键技术细节的具体方法.实验结果表明,该辅助导向装置满足了运梁车在轨道梁上的行驶要求.该装置已应用于现场实际,其设计和实现方法对于其他大型工程车辆导向装置的研发具有较高的参考价值.      

基于视觉的无人作战飞机跑道障碍物检测方案

提出了基于视觉的无人作战飞机跑道障碍物检测方案.结合应用特征和流的障碍物检测方式的特点,使用多尺度特征点匹配光流估计方法代替普遍使用的微分光流计算方法,直接对图像序列计算稀疏光流场;利用相关假设,在存在一定导航误差的情况下,对跑道障碍物进行实时检测;同时对跑道障碍物视觉检测方案的误差和适用区间进行了分析;通过自主开发的"无人作战飞机自主着陆实时仿真验证平台"进行仿真,结果显示该方案能够有效检测跑道上存在的障碍物.      

基于Gabor滤波器的图像目标识别方法

为了给机器人视觉导航提供有效信息,提出一种基于图像匹配的目标识别方法.对CCD采集的目标图像,由 Gabor 变换生成的二维Gabor 滤波器有着优良的滤波器性能,不需要对图像进行分割,能适应一定的旋转、尺度、光照的变化,通过多个频率和角度的Gabor算子与图像的卷积,获取图像全局信息的特征描述.分类方法采用统计学习理论基础上发展起来的一种新的机器学习方法——支持向量机(SVM, Support Vector Machines),它可解决模型选择、过学习、维数灾难等问题.通过支持向量机进行多维特征向量的分类.该方法可达到较高的识别率,达到实时处理的要求,可以在人脸识别、机器人视觉定位等领域得到应用.      

局部空间-时间显著性的表达过程蕴涵对空间显著性的表达

建立的基于独立成分分析进行特征提取器的学习,进而模拟人类对视觉信息的局部空间-时间显著性的表达过程的计算模型,蕴涵了对局部空间显著性的有效表达;从而当据其设计为机器人主动视觉的注意机制的视线控制而用的算法,可以同一个处理过程适用于动态场景或静态场景的情形。对获自动态场景的特征提取器的频率特性的分析,揭示了此种内在的包含性的成因;算法的实验结果显示了局部空间-时间显著性表达过程对静态场景的局部空间显著性可有效表达。     

基于深度学习的目标检测框架组件研究

深度学习与计算机视觉的结合给目标检测研究领域带来了全新的检测模式,通过对基于深度学习的目标检测网络分析研究,目标检测网络框架可模块化地拆分为特征提取网络、多尺度融合和预测网络三个部分。从组成目标检测网络模块化的角度对各个模块进行了详细的分析综述,并给出了如何根据实际需求来构建适合的模型框架建议,为基于深度学习的目标检测方法研究提供参考。