面向自主空中加油任务的目标检测技术研究

针对软式空中加油任务自主对接过程中的视觉需求，本文进行了基于深度学习的自主空中加油锥套目标检测技术研究。首先，构造了一组包含不同目标尺度、背景并经数据增广后的软式自主空中加油锥套图像数据集。其次，结合当前主流的智能检测算法，对比分析了不同单双阶段检测算法在加油锥套数据集中的检测效果。在Faster RCNN网络添加了自适应置信度筛选模块，降低了其错检概率。为满足工程化应用需求，对YOLOv5网络进行轻量化改造，在几乎不降低检测精度的情况下提高了YOLOv5的检测速度，并大大降低了模型复杂度与运算资源消耗。该研究验证工作为后续展开锥套跟踪及位姿解算等研究提供了良好基础，可以为相关算法在自主空中加油任务中的进一步工程化应用提供重要的先验信息和技术参考。     

基于单目视觉的非合作目标相对位姿测量

为实现对空间姿态翻滚航天器的在轨服务与维护以及对空间碎片的清理，需对其进行精确的相对位姿测量。针对相对位姿测量问题，提出了基于单目视觉与卡尔曼滤波的相对位姿测量方法。通过对特征点匹配算法进行调查，采用了具有尺度不变性与旋转不变性的尺度不变特征变换算法(SIFT)和加速稳健特征算法(SURF)的特征点提取方法，并对二者进行了对比，得到了二者分别适用的工况条件。通过对Kalman滤波算法进行研究，引入了相机偏置矩阵，设计了Kalman滤波器，解决了单目相机的距离模糊问题，估计得到了非合作目标的相对位姿、主惯量比以及特征点位置信息。经过仿真，姿态角度估计误差在稳定后低于0.3°，相对位置估计误差在稳定后低于0.5m，相较于真值，误差小于1.67%，主惯量比估计误差在稳定后低于0.01，特征点位置误差在稳定后低于0.005m。在引入相机偏置条件后，滤波状态变量均收敛，并得到具有足够精度的估计，成功解决了单目相机深度信息缺失问题。     

机器视觉在军事领域的应用现状及发展趋势

机器视觉技术凭借其非接触测量、实时性好、可持续工作等优点，在军事领域中有着广阔的应用前景。在对机器视觉光学照明系统、成像系统、视觉信息处理系统等关键技术进行概述的基础上，详细分析了机器视觉技术在军事领域进行典型目标物识别、人员识别、装备缺陷检测等典型场景以及典型军事装备上的应用现状。在此基础上，指出了机器视觉在军事领域的应用，仍然存在视觉传感器硬件系统难以适应极端环境、复杂的军事目标适应性不足、目标识别的实时性难以保证、多传感器融合获取军事目标信息能力缺乏等问题。同时，对机器视觉技术在军事领域应用的未来发展趋势进行了展望，研究分析结果可为机器视觉在军事领域的进一步实用化提供参考。     

基于机器视觉的搅拌摩擦焊缝装配质量评测方法

搅拌摩擦焊常采用无坡口焊缝,焊缝装配质量对搅拌摩擦焊装配质量影响较大,通过焊缝的特征,可以对搅拌摩擦焊缝的装配质量进行评判。线结构光是提取焊缝特征的常用手段,基于结构光传感器扫描获得的焊缝轮廓信息多通过离散的点进行表示,如何高效地从轮廓点中提取焊缝轮廓信息,是焊缝特征识别的新挑战。本文提出一种基于机器视觉的焊缝装配质量评测方法,将离散的轮廓点转换为位图,通过抗锯齿算法提高轮廓直线特征的识别可靠性,并计算对应焊缝的装配质量信息,进而实现对整条焊缝的装配质量的量化评价。与传统的离散点拟合方法相比,本方法具有较为明显的效率优势。     

一种提高机器视觉检测精度的方法

本文提出一种提高机器视觉标定精度的方法。首先，设置标准参考点位置，对机器视觉系统进行标定获得初始标定矩阵；其次，对图像进行处理，视觉检测算法提取标准参考点的准确位置；最后，通过修改初始标定矩阵参数，使计算结果无限接近标准参考点，从而获得更高精度的标定矩阵。实验表明，该方法可提高狭缝测量和圆孔定位的检测精度，为实现高精度机器视觉检测提供了新途径。     

基于旋转搜索的相机位姿估计和对应点匹配

传统的同步位姿计算和对应点匹配（SPCD）算法采用两阶段交替迭代的方式计算相机位姿，求解精度较低。除此之外，传统SPCD算法依赖于局部搜索策略，无法保证找到全局最优解。为提升求解SPCD问题的精度和全局收敛能力，推导出了一种新的基于点和点约束的SPCD问题求解模型。基于新模型从角度距离出发构建优化目标函数，并利用分支定界搜索的方法寻找最优相机位姿和3D/2D匹配关系。实验证明：相比于传统SoftPOSIT算法，本文算法具有更高的求解精度和收敛率，并且可适用范围更广。     

基于视惯融合的大型空间碎片质心位置辨识

大型自由翻滚碎片的质心是在轨操作基坐标系下的不动点，也是碎片连体基下动力学参数向卫星坐标系转换的基准，对其精确识别是提高碎片动力学参数辨识精度的关键。提出基于惯性单元测量数据与双目视觉定位数据融合的大型空间碎片质心位置识别方法。基于无力矩欧拉方程，获取附着到空间碎片表面的惯性单元间转换关系，利用该转换关系对惯性单元冗余测量数据优化，再优化求解惯性单元到质心点距离；利用双目视觉获取惯性单元上标记点动态坐标，再利用惯性单元到质心点距离，基于三点定位原理识别大型空间碎片的质心位置。以加入高斯白噪声的惯性单元与双目视觉测量数据进行仿真，结果表明优化解算后惯性单元实时测量数据的误差降低到1%以下，解算的质心位置三轴误差小于0.47mm；开展了地面试验，结果表明，解算的质心位置三轴误差小于0.49mm。仿真和试验证明，该方法能够为大型空间碎片的消旋、捕获任务提供准确的数据基准。     

面向视觉着陆的高精度结构化约束特征点研究

为提高视觉着陆过程中无人机的相对定位精度,选取视觉图像中的直线交点作为结构化约束特征点,设计了基于梯度一致性的边缘检测算法,并结合Shi-Tomasi角点检测算法进行结构化约束特征点的粗定位。对LSD直线检测算法进行改进并设计了亚像素角点定位精度改进算法,在结构化约束特征点粗定位的基础上,将其精度提高到亚像素级。基于实际场景中固有约束的结构化约束特征点具有鲁棒性、旋转和尺度不变性,抗干扰能力更强,其高精度定位有利于提高视觉着陆相对定位的精度与可靠性。     

基于双目视觉的类脑三维认知地图构建方法

基于大脑导航神经细胞机理的类脑认知地图构建方法,为发展智能同步定位与地图构建(SLAM)技术提供了新思路.针对现有类脑认知地图构建精度不高的问题,提出了一种基于双目视觉的类脑三维认知地图构建方法.首先阐述了类脑三维认知地图系统的工作原理,然后论述了不同视觉里程计对认知地图精度的影响,研究了基于双目视觉里程计的类脑三维认知地图精度优化方法,最终完成了基于视觉数据集的类脑三维认知地图构建试验.试验结果表明,所提方法构建的视觉里程计地图的三维位置误差为总行程的2.14％,认知地图的三维位置误差为1.56％;认知地图精度与里程计精度呈正相关;系统通过模板匹配进行回环检测与校正,提高了认知地图的精度.     

采用局部约束线性编码的像素级舰船目标图像融合

为了提升视觉信息在低能见度条件下的适用性,提出了一种采用局部约束线性编码的像素级舰船目标图像融合方法.首先,采用K均值奇异值分解算法从海量的训练样本中完成过完备字典的学习.其次,在考虑着舰导引实时性任务需求的前提下,采用局部约束线性编码完成融合系数的非迭代求解,相较于压缩感知理论架构下的匹配追踪算法,极大地降低了计算复...