基于FPGA的DDR2缓存控制器在 无线链路图像跟踪系统中的应用

图像跟踪系统是机载光电吊舱的重要组成部分,其对目标捕捉的成功率直接决定了机载光电吊舱的性能.而作用于机载光电吊舱与地面站之间的无线链路系统,有着不可消除的的延时特性,这极大地降低了目标捕捉成功率.本文设计了一种基于FPGA的DDR2缓存控制器,通过缓存控制器可以轻松实现高清视频图像的快速存储和调用,从而实现图像跟踪算法对无线链路延时的补偿.该缓存控制器成功应用于某型机载光电吊舱图像跟踪系统,有效消除了无线链路延时的影响,提高了图像跟踪系统对目标捕捉的成功率.     

基于卷积稀疏表示的图像融合方法

图像融合是图像处理领域中比较重要的一门技术,传统的图像融合方法会降低图像融合质量。针对稀疏表示在图像融合中存在一定的缺陷,提出了一种基于卷积稀疏表示的图像融合方法。首先,对高频子带系数进行合理有效处理,利用相似度分析和视觉显著性进行融合。然后,将低频子带系数整体融合改进为使用Butworth低通滤波对低频子带进行分解,得到低频近似子带和强边缘子带。最后,再用改进的脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)对强边缘子带进行融合。实验结果表明,与其它传统的图像融合方法相比,信息熵(Information Entropy,IE)提高了将近3%,标准差(Standard Deviation,SD)提高了将近9%,空间频率(Space Frequency,SF)提升了将近30%,互信息(Mutual Information,MI)提升了将近25%。同时,时间效率也有了一定程度地提升。     

基于视觉引导着陆的微小型四旋翼设计及实现

为了增强四旋翼的自主性,借用视觉导航方法要求在GPS丢失信号或信号精度不高的情况下进行辅助定位,使得四旋翼能够在某些特殊需求场合自动着陆。针对Harris角点检测算法计算量大的问题,设计了一种快速、准确的标志图像识别算法,将一个区域内的所有角点转换成一个单值角点,替代了Harris算法中的局部非极大值抑制算法,减小了计算量,并进一步设计了视觉模式下的姿态与位置转换算法和视觉着陆控制算法。为了验证所设计算法的可行性和有效性,基于STM32单片机搭建了微型四旋翼实验平台系统,并实时在线进行了性能实验,结果表明,标志图像识别算法能正确检测和识别出标志图像,视觉着陆算法也成功实现了四旋翼实验平台的着陆功能。     

CARDC 激波风洞 TSP 技术研究进展

从基本原理、关键技术和验证应用三个方面总结了近两年在中国空气动力研究与发展中心激波风洞中开展的温敏涂层(TSP)技术相关研究工作。通过解决快速响应温敏发光材料研制、模型研制、数据处理等一系列关键技术,完成图像采集系统、光学系统及标定系统的配套和系统集成,建立了一套适于激波风洞试验的高速 TSP 测量及标定系统。该技术可在激波风洞试验中获取模型被测面温敏涂层的发光图像,基于该图像可以直接观察模型表面热流分布和捕捉峰值热流的准确位置。结合温敏发光材料的物性参数标定数据,能够实现对模型表面热流的定量测量。不同于传统的传感器点热流测量技术只能得到模型表面有限数量的离散点的热流值,TSP 技术能够以高空间分辨率得到较大面积区域的详细热流分布信息,可更加全面的测量模型外表面的热环境,并且可以据此进一步分析和辨别边界层流态以及确定边界层转捩位置。试验对比表明,TSP 技术的测量结果与点热流传感器的测量结果具有良好的一致性。目前该技术已趋于成熟,在Φ2 m 和Φ0.6 m 激波风洞上成功应用于边界层转捩研究、局部干扰区热环境研究和复杂外形飞行器热环境研究等领域,已成为激波风洞除点测热技术之外又一重要测热技术。     

基于星载可见光相机的空间碎片探测

空间碎片在轨识别与参数辨识为空间轨道预警、航天器规避空间碎片提供了重要依据。文章在轨道相对动力学的基础上,模拟了空间碎片在光学探测过程中的拖尾成像特性;随后,采用 Hough变换对空间碎片尾迹特征.r进行提取与识别,获取碎片方位角信息,通过匹配多帧图像,获取碎片的方位角速度信息。同时,结合激光测距仪的测距信息,获取空间碎片的位置和速度信息;通过数值仿真验证,该方法能够实现对空间碎片探测、识别和定位,因而具有一定的工程应用价值。     

基于双摄像机的立体视觉图像预处理研究

针对立体图像对的亮度差异问题和图像噪声问题研究图像的强化处理,图像预处理主要完成图像对极线校正和图像质量增强.极线校正部分以对极几何为基础研究立体图像对的校正算法.图像质量增强部分主要研究了立体图像对特有的亮度差异问题,并提出了应用直方图均衡化来校正亮度的方法.之后本文对图像噪声进行了深入的分析,并针对立体图像特点使用均值滤波和Gauss滤波平滑图像.在实验中,验证了算法的可行性,取得了良好的应用效果.     

基于深度神经网络的粒子图像测速算法

粒子图像测速(PIV)作为一种流体力学实验技术,能够从流体图像中获取全局、定量的速度场信息。随着人工智能技术的发展,设计用于粒子图像测速的深度学习技术具有广泛的应用前景和研究价值。借鉴在计算机视觉领域用于运动估计的光流神经网络,采用人工合成的粒子图像数据集进行监督学习训练,从而获得适用于流体运动估计的深度神经网络模型,并且能够高效地提供单像素级别分辨率的速度场。文中采用人工合成的湍流流场粒子图像进行初步实验评估,并讨论PIV神经网络的隐藏层输出和内在原理,同时将训练而成的深度神经网络模型与传统的相关分析法、光流法对比;随后进行射流流场测速实验,验证深度神经网络PIV的实用性。实验结果表明,文中提出的基于深度神经网络的粒子图像测速在精度、分辨率、计算效率上具有优势。     

基于纵向滤波的星敏感器低频误差在线估计

多敏感器数据融合是获得更高精度姿态测量的有效方法,敏感器数据融合前必须先修正低频误差。首先,介绍了星敏感器低频误差（LFE）的产生机理及对其在线估计的必要性。其次,针对传统算法的不足,提出了基于纵向滤波的低频误差在线估计算法,该算法将传统低频误差估计问题转化为若干个常值误差估计问题,提高了估计精度。最后,给出了该算法具体实施方式,说明相关参数物理意义及选取原则。通过理论分析及仿真,算法误差可忽略不计。通过在轨数据仿真,星敏感器轨道周期低频误差可被消除。     

回流燃烧室流动特性试验

为了揭示有/无燃烧状态下燃烧室热态和冷态流场的特征和流动特性,针对某型回流燃烧室单头部试验件,使用粒子图像测速仪（PIV）,测量燃烧室燃烧状态下不同截面处的热态流场,以及没有燃烧状态下不同截面处的冷态流场,探讨不同总压损失系数对回流燃烧室热态/冷态流场特征及流动特性的影响。研究表明:随着总压损失系数的增大,冷态条件下各截面流场结构基本保持不变,如射流孔穿透深度、射流角度、回流区位置及大小、流线等基本保持一致,但是各位置点速度大小逐渐增大。热态条件下各截面流场随着总压损失系数增大,流场结构也基本保持不变;相同总压损失系数时,热态流场与冷态流场存在差异,燃油喷射与气流的相对运动将会对燃烧室头部的流场结构造成影响,速度较冷态流动时略微增大。      

一种基于张氏标定法的单目相机改进标定算法

单目视觉在地面机器人等无人导航系统中的应用越来越广泛,而相机参数的标定是利用视觉进行导航的基础性工作。标定结果的好坏,直接影响导航性能和定位精度。主要考虑单目相机的径向畸变,基于张正友平面标定法,通过利用Matlab进行图像预处理、利用OpenCV进行Harris角点检测和亚像素精确化等方法在角点提取精度等方面进行了改进,通过重投影法对标定结果进行了评估,并将其与Matlab相机标定工具箱Toolbox_calib所得结果进行了比较。实验结果表明,改进的标定算法标定结果精度更高,并且对多个摄像头传感器均有效,适用性强。