基于SVM的浮动车行驶模式判断模型

浮动车在低速情况下存在两种行驶模式,如不能对上述模式进行准确区分,将严重影响浮动车实时路况计算的精度和效率.研究和设计了一个基于支持向量机(SVM,Support Vector Machine)的浮动车行驶模式判断模型,并针对性地提出了一种简单的基于隶属度矩阵的特征评价和选择方法.实验表明通过上述方法选择的特征子集所训练的分类器在测试样本集上具有92.6%的分类准确性;经过行驶模式分析后,浮动车系统的准确性有显著提升.      

基于视频的行人再识别

行人再识别是指在无交叉区域的多摄像机视频监控系统中,匹配不同摄像机中的相同行人目标。本文提出了一种基于视频的行人再识别方法,用HOG3D来描述一组视频的时空特征,在训练集上用预训练的DenseNet来微调模型参数,利用迁移学习得到的模型来提取视频中行人的表观特征,融合两种特征来描述视频序列中的行人。最后将融合的高维特征降维,并用度量学习方法计算行人对之间的距离。本文在PRID 2011和iLIDS-VID这两个视频数据集上进行了使用,实验结果表明本文的方法取得了较高的累积匹配得分。     

基于装配约束的飞机导管几何特征建模与误差补偿

针对飞机导管实际装配过程中因装配应力大导致故障频发的问题,提出了一种基于导管装配特征的误差补偿方法.首先采用几何建模法进行了导管装配过程的几何建模,并提出了一种基于轴线矢量的导管装配模型建模方法.在此基础上,采用罗德里格旋转公式建立了基于实际装配工况下的导管空间位姿计算模型.然后基于导管装配要求进行了装配约束分析并识别...     

特征自适应的飞机大型蒙皮曲面测量系统与测量规划

针对飞机蒙皮零件外形准确度要求高、制造尺寸大和外形复杂的特点,以及人工手动扫描测量工作量大、效率低的问题,搭建了基于移动机械臂的柔性测量系统,并提出一种特征自适应的多站位自动化扫描规划方法,以实现飞机大型蒙皮曲面的三维测量数据自动化采集。首先构建了柔性测量系统与待测对象坐标系变换模型,分析扫描规划与执行过程中数据的传递关系,并通过视觉定位实现系统相对位姿估计。然后通过特征敏感的扫描路径点生成、效率优化的扫描站位规划以及扫描轨迹规划,实现了基于扫描效率和扫描完整性约束的特征自适应扫描规划。最后,搭建了一个基于机械臂与移动平台的柔性测量系统,并以4个真实飞机零部件作为测量对象,从扫描效率与扫描完整性方面对所提出的自动化扫描方法与手动扫描方法进行对比,并设计试验进一步验证了系统测量精度,结果验证了所提方法替代手动扫描测量方法的可行性。     

基于G2DPCA的SAR目标特征提取与识别

给出了基于广义二维主分量分析（G2DPCA)的合成孔径雷达（SAR）图像目标特征提取 方法。与主分量分析（PCA）相比,在寻求最优投影方向时,它直接基于二维图像矩阵而不 是一维向量,在特征提取前不必将2维图像矩阵转换成1维向量。与二维主分量分析（2DPCA ）相比,它可以同时去除图像行和列像素间的相关性。基于美国运动和静止目标获取与识别 （MSTAR）计划录取的数据的实验结果表明,结合预处理,G2DPCA在大大降低了特征 维数的同时,又改善了识别性能,并且正确识别率在97％以上,且对目标方位变化具有较 好的鲁棒性。     

对数极坐标变换识别算法在成像制导中的应用

图像匹配是成像制导系统中常用的目标识别算法，但实时目标图与基准目标图存在的尺度差异以及旋转不可避免，这也导致失配率提高。针对这个问题，引入对数极坐标变换运算，根据对数极坐标图像的尺度、旋转不变性提出了新的目标匹配识别算法，一方面保证了在尺度变化及旋转下的高匹配率；另外新算法结合了变换图目标区域的轴向投影统计策略，保证了匹配运算量的降低；文中仿真实例验证了算法的优势与有效性。     

面向遥感应用的图像融合的原理和方法

信息融合技术可以综合利用多源信息 ,从而获得对同一事物或目标的更客观、更本质认识。由于遥感是目前为止能够提供全球范围的动态观测数据的唯一手段 ,遥感图像信息融合对于航空、航天、军事侦察、灾害预报等很多军事及民用的领域至关重要。本文给出了面向遥感应用的图像信息融合的原理和过程 ,然后综合分析了不同方法的特点。进而在指出其存在的问题的同时 ,还对未来的发展趋势进行了展望。相信本文的工作 ,将为促进相关领域的研究和发展有一定借鉴作用。     

雷达和红外成像双传感器信息融合目标识别研究

提出了一种利用目标的雷达和红外成像２种独立的传感器信息的互补性来构造特征向量的信息融合方法——联合向量空间法,并用对应的自适应信息融合系统进行目标识别。仿真证实比用单传感器的效果明显优越,从而说明了本文方法的有效性。     

人工神经网络在航空发动机中的应用

人工神经网络是一个十分热门的交叉学科,在许多行业都得到了应用。介绍了其在系统建模、模型辨识、控制及其在航空发动机上的应用情况和最新发展,并对各种应用状况进行了归纳和分析。同时对最新神经网络模型作了介绍,并对将来神经网络在航空发动机上的应用作了预测。     

基于混合特征匹配的微惯性/激光雷达组合导航方法

微惯性/激光雷达(MEMS IMU/LADAR)组合导航系统在室内应用时,由于室内结构化环境下环境特征(如点和线段)分布稀疏,传统的单一特征匹配算法存在观测盲区,易造成导航定位参数估计误差大的问题。基于此,研究了激光雷达自适应数据分割方法的点和线段的特征提取算法,提出了基于混合特征匹配观测模型的MEMS IMU/LADR扩展卡尔曼滤波(EKF)算法。同时,设计了MEMS IMU/LADR组合导航试验样机,在室内环境下通过试验对滤波算法进行了验证。结果表明:提出的算法在室内结构化环境下相比传统单一点或线特征匹配组合定位算法的定位精度可提高60%,对于小型旋翼无人飞行器在室内结构化环境中的高精度定位具有较高的参考意义。