无人车基于激光雷达/视觉的目标体积自动测量方法

近些年,基于激光雷达和视觉的目标感知在无人系统中得到了广泛应用。目标的体积测量在很多应用场景可以发挥极其重要的作用,然而对识别感知目标的体积测量,目前尚无大量研究。首次提出了一种基于激光雷达/视觉的无人车目标体积自动测量方法,实现了无人车与目标体积测量功能的结合。通过在LeGO-LOAM算法中加入点云畸变补偿,相较于原始LeGO-LOAM算法,无人车在高速情况下的构图精度得到提升;通过将激光雷达与视觉进行深度融合,实现了目标的自动识别与全局定位;通过基于平面拟合的地面分割与欧式聚类,实现了目标点云轮廓的实时获取;通过设计一种基于切片法的不规则物体体积测量方法,实现了无人车在运动情况下对目标体积的自动估计。最终,分别通过Gazebo仿真和实际试验验证了算法的有效性。试验结果表明,所提算法在无人车运动的情况下对静态目标物的实时体积测量精度优于3%,具有较好的工程应用价值。     

星载稀布L阵对地面辐射源的高精度测向研究

在均匀分布和非均匀分布两种情况下,采用二维MUSIC算法研究了星载稀布L阵列的地面辐射源测向精度。对地面辐射源方位估计、小角度辐射源分辨率,以及测向精度的分析和仿真结果表明,星载L型阵列能实现对地面辐射源的高精度二维测向。在相同条件下,非均匀阵的测向性能明显优于均匀阵。     

反导系统中的目标识别技术及其发展趋势

指出了反导系统目标识别的难点和特点。回顾了反导系统中的红外识别技术和雷达识别技术,并探讨了反导系统目标识别技术的发展趋势。     

用标定和亚像素技术实现三维运动目标的高精度测量

本文介绍一种利用多种亚像素图像技术提取目标及网格节点，并采用新的摄影系统标定与系统误差修正技术，用多个摄像机实现对有特殊标志的空间三维运动目标的高精度测量方法。     

四边形全天自主星图识别算法

讨论了一种新的无须任何先验知识的星图识别算法。该算法将四边形星图模式分解为两个具有公共边的三角形模式，使用三角形模式的特征，在保证自满计算量和星载星表的存储容量的前提下，使算法的识别成功率得以星著提高。Ｍｏｎｔｅ Ｃａｒｌｏ实验表明，在星等误差０．５星等（３σ），位置误差１０角秒（１σ）时，该算法的识别成功率接近１００％。     

基于AHP与D-S理论的辐射源识别技术

深入研究了基于层次分析与证据理论的辐射源识别技术.首先针对属性测度识别方法中权重获取困难的问题,提出利用层次分析法获取多参数权重的思想,给出权重具体计算步骤,同时简要回顾属性测度识别方法的原理.在此基础上,应用D.S证据理论进行多传感器信息融合,给出识别算法和模型.仿真对比实验表明,提出的辐射源识别技术是实用有效的,其下确识别率较高.     

一种新的基于粗集的辐射源信号识别模型

粗糙集理论作为一种新的处理含糊和不确定性问题的数学工具,已成为国际学术界的一个前沿的研究领域。在深入研究粗糙集理论的基础上,将其引入辐射源识别问题中,给出了一种基于粗糙集的辐射源信号识别模型。同时给出了一种不依赖先验知识确定辐射源识别权值的新方法,并提出了一种新的分类规则。最后,进行了计算机仿真实验,并与经典的模糊模式识别及统计模式识别方法进行了比较,实验结果证明了该方法的优势和有效性。     

一种新的全天自主星图识别算法

在星图识别领域三角形算法得到了广泛的应用，但是在星对角距很小的情况下，其识别率严重降低。字符匹配算法可以解决这个问题，但是它无法识别由于相机在拍摄瞬问的平移和旋转而产生位移的星图。为了克服这一缺陷，提出了一种有效的星图识别算法，该算法在生成导航星数据库时以一些一定范围内的亮星为中心，把整个天球分为很多个四方形区域，然后根据被拍摄星图的特点从这些四方形区域内选取子区域参与星图识别。仿真结果表明该算法不但继承了字符匹配算法的优点，而且对星图位移有很强的鲁棒性。     

一种计算二维图象矩的神经网络方法

提出一种计算二维图象矩的神经网络方法,首先,导出一维信号矩与一维Ｈａｄａｍａｒｄ变换之间的关系。通过２Ｎ－一维Ｈａｄａｍａｒｄ变换和极少量加法,移位及乘法运行可计算二维图象矩。然后给出用Ｔａｎｋ－Ｈｏｐｆｉｅｌｄ神经网络实现Ｈａｄａｍａｒｄ变换的方法,并对该网络作了改进。     

基于管制语音指令识别的防跑道侵入安全告警策略设计

传统场面监视管理系统通常采用基于电子进程单操作和场面目标态势识别的防跑道侵入安全告警设计策略,无法判别和保证管制语音指令与电子进程单操作之间是否具备一致性,某型空管场面监视管理系统尝试在引入管制指令识别功能的基础上重新设计防跑道侵入安全告警策略,为实现更准确高效的防跑道侵入应用提供了解决方案。