区域导航无人机空中基准站的多源信息融合容错导航系统研究

作为卫星导航系统的补充和备份,区域导航服务系统近年来得到较大发展。在基于无人机的区域导航服务系统中,无人机自身的定位精度对区域导航服务系统的可靠运行有直接的影响。针对无人机导航传感器及系统的容错和可靠性问题,设计了具有针对性和自优化功能的多源信息融合容错导航方案,提出了一种优化的基于矢量分配形式的自适应联邦滤波算法。通过对每个状态量设计不同的信息分配系数,实现传感器量测噪声的动态优化调整,有效减小了传感器故障对融合导航系统的影响,提高了无人机导航系统的鲁棒性。验证分析表明,该方法可以减小子滤波器故障信息对融合导航系统联邦滤波全局估计的影响,避免了故障子滤波器在信息重置过程中对系统造成的污染,提高和保障了无人机空中基准站多源信息融合导航系统的稳定性和可靠性。     

基于群智机理的集群防碰撞控制

在执行作战任务以及民用中,无人机集群由于具备高可靠性和高效费比的特点而受到广泛关注;随着城市低空空域的开放,作战环境的动态复杂性剧增,对无人机集群防碰撞提出了严峻的挑战。针对无人机集群执行任务时的编队个体之间防碰撞以及遭遇突发障碍时的集群防碰撞问题,提出了基于群智机理的集群防碰撞控制方法。通过引入力学概念,设计了集群内部吸引力、排斥力以及编队构型力的模型;通过集群个体间的信息共享以及类脑知识发育,构建了基于群信息共享和类脑反射的无人机防碰撞模型。仿真结果表明：所提集群控制方法提高了集群的集结效率,而且在遭遇突发障碍时能够规避动态障碍,再次完成编队重构;群智机理的引入缩短了无人机集群面临突发障碍时的反应时间。     

基于小行星地形特征库的自主测距与定姿方法

首先建立全景着陆区域地形特征数据库,包括了特征点的经纬度、图像纹理信息、各个特征点之间的位置相关特性等;随后提取探测器下降过程中拍摄得到的地形特征,在图像数据库中进行匹配,解决了因小行星自转周期较短产生的特征点溢出视野问题,提高了光学测量的适用性;最后结合匹配点的位置信息通过计算机视觉测距原理获取探测器和小行星之间的相对位置和相对姿态。数学仿真实验验证了方案的可行性。     

基于双目视觉的自动空中加油近距导航方法

为解决插头锥管式自动空中加油中的近距精确导航问题,提出了一种基于双目视觉的近距导航方法.该方法使用受油机上的两个摄像机拍摄加油锥管端面上光学标记的图像,采用轮廓跟踪法检测图像中的光斑区域,并将其灰度重心作为光学标记的像点,根据对极几何约束完成像点的匹配,利用空间圆形拟合法计算加油锥管的位置和姿态.建立了空中加油的三维虚拟场景对该导航方法进行仿真验证,仿真结果表明,该方法在近距离加油对接时具有很高的位置和姿态测量精度,可以满足自动空中加油的需要.      

规则图像特征的标准互相关相似函数

利用标准互相关算子对机器视觉领域常用的十字图像特征进行匹配运算,发现相似函数在峰值区域的分布特征为4个互相对称的双曲面.受此启发,对规则几何图像特征(如矩型、圆型等)的标准互相关相似函数展开了研究.以图像特征概率分布的形式给出了NCCO算子在二值图像匹配下的相似函数计算式.推导并证明了矩型、圆型等典型图像特征相似函数在峰值点区域具有确定的数学模型.基于上述数学模型,在微装配显微视觉系统上进行了实验验证,对模板优化、图像特征的尺寸等优化方法进行了探讨.上述结论对图像定位、图像标定、图像跟踪等技术研究具有实用价值.      

远焦区聚焦性能分析与改善

传统聚焦测度函数在远焦区对图像高频能量解析性能较差;表现为聚焦曲线在远焦区呈现非单调性.利用傅里叶变换方法对图像频谱进行分析:在远焦区,聚焦图像序列的直流分量表现出强烈的波动性,并且直流分量在图像频谱中占据绝对比例,再加上传统聚焦函数滤除图像直流分量的能力较弱,导致误聚焦概率高.考虑到频域聚焦函数计算量大,提出基于时域的两个聚焦函数.实验结果表明:此二函数具有强的直流分量滤除能力,能有效改善聚焦曲线在远焦区的表现,同时具有高的聚焦分辨率.远焦区聚焦性能的改善对于提高显微视觉操作自动化的可靠性尤为重要.      

基于计算机视觉的UAV自主空中加油半物理仿真

设计并实现了一种基于计算机视觉的无人机（UAV,Unmanned Aerial Vehicle）自主空中加油仿真平台,采用点匹配与位姿估计算法对软管式加油锥发光二极管（LED,Light Emitting Diodes）标志进行识别.对大气扰动和尾涡流进行了建模,建立了加油锥模型,并设计了加油锥运动状态预估算法.在此基础上,设计了基于线性二次型调节器（LQR,Linear Quadratic Regulator）的飞行控制律.基于上述技术,在实验室环境下设计开发了基于单目机载摄像机的无人机自主空中加油半物理仿真平台.半物理试验结果表明：所设计的位姿匹配算法和飞行控制律能够满足复杂环境下无人机自主空中加油的性能要求,具有较强的实时性、准确性和鲁棒性.     

中小型无人机伞降精确回收方法研究

传统的无人机伞降回收由于受风向风速、地理环境等因素限制,常常使回收失败。基于此,探索充分利用风向和无人机回收时随风水平漂移距离,在不改变原回收区基础上而相对有效扩大回收区域、改进无人机飞控控制律的算法,从而实现精确回收的方法措施。     

基于时空模型的快速视频显著区域检测

传统的视频显著区域检测方法运算量大且难以处理包含复杂运动的视频,本文提出一种基于时空模型的快速显著区域检测方法.该方法用一种新的模糊聚类算法对特征点的运动轨迹进行无监督聚类,对不同运动类型进行分类.在复杂运动情况下,该算法通过计算优化的聚类中心的个数以获得运动类型数,再将异常数据剔除后,生成运动显著图.而在空间显著区检测方面,则利用反差模型以及Gabor滤波器获得图像的静态显著图.在此基础上,还提出一种基于运动优先思想的时空混合方法,将运动和空间显著图动态合成视觉显著图.实验证明,该方法能够有效地提取视频显著区域,与传统的方法相比该方法平均耗时更少且更方便.     

基于改进微粒群算法的无人机姿态控制参数智能整定(英文)

提出了基于改进微粒群算法的无人机姿态控制器参数智能整定方法.标准微粒群算法在搜索后期由于群体缺乏多样性而容易出现收敛停滞现象,为此提出了一种改进的微粒群算法.标准微粒群算法中的微粒速度是根据惯性运动、群体历史最优位置和自身历史最优位置来调节的.改进微粒群算法中的微粒除了保持惯性运动外,仅向当前群体中任意更优个体的状态学习,而且惯性权重系数是随机数.改进方案减少了算法不确定参数,简化了微粒学习机制,且增强了群体多样性.本文构建了无人机姿态控制系统,将改进微粒群算法用于四个控制参数的寻优整定.仿真结果表明,改进微粒群算法比一般微粒群算法具有更强的全局搜索能力,故获得更优的无人机姿态控制参数.