双目视觉导航信息的可观测性分析

本文针对飞行器相对导航中双目视觉测量系统的可观测性问题进行了研究。推导了系统估计的Fisher信息矩阵,提出利用Fisher信息矩阵的秩分析来判断双目视觉导航信息观测性的方法,研究了特征点个数及分布与Fisher信息矩阵秩及相应系统可观测性的关系,得出至少2个特征点能满足双目视觉测量系统完全可观测的结论。结合测量方程的不同,分析比较了在相同特征点个数情况下单目视觉与双目视觉测量系统可观测性的优劣,最后,通过单幅图片位置和姿态确定数值仿真,验证了基于Fisher信息矩阵的双目视觉系统可观测性分析结论的正确性。     

三维型面非接触测量系统现场标定技术

针对双眼视觉传感器三维型面测量系统,介绍了一种利用平面标靶实现系统标定的方法.标定过程无需辅助设备,仅要求两个摄像机同时拍摄一幅标定板图像,利用标定板上的控制点计算左右图像对应的单应性矩阵.结合进化策略优化左右主像点,从单应性矩阵中获得测量系统的其他标定参数.同传统定标方法相比,该方法简单、快捷,适用于现场标定.      

基于MicroSim仿真平台的航天器交会对接物理仿真系统

航天器交会对接物理仿真是进行交会对接技术地面试验和验证的一种行之有效的方式,本文初步分析了利用微小卫星五自由度仿真平台M icroSim实现交会对接过程中测量方案、制导和控制策略以及GNC软件系统性能等仿真验证的物理仿真系统的可能性,简要介绍了M icroSim仿真平台,提出基于M icroSim仿真平台的航天器交会对接物理仿真系统总体方案。为建立我国的RVD物理仿真系统提供了一条快速低廉的有效途径。     

从ACCV＇95看计算机视觉技术的发展

介绍了第二届亚洲计算机视觉会议（ＳＥＣＯＮＤＡＳＩＡＮＣＯＮＦＥＲＥＮＣＥＯＮＣＯＭＰＵＴＥＲＶＩＳＩＯＮ,ＡＣＣＶ’９５）的一些情况;回顾了在该领域及相关学科的研究成果;讨论了当前计算机视觉所面临的理论与实际应用问题,并对中国空间技术研究院这一学科的发展提出看法。     

基于神经网络的体视PIV空间标定模型

体视粒子图像测速（SPIV）中的空间标定精度对SPIV的测试结果精度有较大影响。为研究标定模型对输入误差的处理能力,定义了一个无量纲参数——误差衰减系数,来评判空间标定模型对误差的响应。在此基础上针对SPIV两相机空间标定的误差产生和传播特性,发展了一种基于神经网络的且具有联合标定能力的SPIV空间标定模型。使用仿真实验手段,证实了该神经网络模型在很大的参数空间内均具有对输入误差的抑制能力,而传统的多项式模型或小孔模型并不具备这一能力;此外,神经网络模型在高光学畸变情况下的表现也优于多项式模型及小孔模型。因此,神经网络具备替换传统空间标定模型的能力,有助于提高SPIV的测量精度。最后在实验中证实了神经网络标定模型的空间定位误差仅为传统模型的1/4。     

采用双目视觉测量的行星着陆相对导航方法

针对缺少行星表面陆标位置和探测器初始状态等先验信息情况下行星着陆导航问题,提出一种采用双目视觉测量的行星着陆相对导航方法。首先,利用行星表面陆标的双目视觉测量信息建立相对导航坐标系并计算陆标在相对导航坐标系下的位置,然后利用基于奇异值分解（SVD）的优化方法得到探测器在相对导航坐标系下的初始状态估计,最后利用陆标的视觉测量信息估计探测器在相对导航坐标系下的位置、速度和姿态。以火星着陆为例进行数学仿真分析,仿真结果表明本文提出的方法是有效可行的。     

飞机驾驶员视觉信息流系统工效综合评定研究

通过对驾驶员的视域、视觉信息流向、视觉信息获取工效的影响因素、视觉信息流工效的测定与评估方法的研究,建立了一套视觉信息流工效综合评估系统研究体系.研究的初步结果主要有:飞机驾驶员视域在水平面中存在最佳、较好、极限工效区,并且振动、反射眩光、噪声、显示字符的形状/颜色特征/对比度/显示方式等是影响信息获取工效的主要因素;飞机信息显示区域必须限于驾驶员视域,其显示布局及显示方式应符合视觉工效学设计原则.      

基于深度学习的无人机航拍目标检测研究综述

目标检测是提高无人机（UAV）感知能力的关键技术之一,其研究对于无人机的应用有着重要意义。与基于手工特征的传统方法相比,基于卷积神经网络的深度学习方法具有强大的特征学习和表达能力,成为目前目标检测任务的主流算法。近年来,目标检测技术已经在自然场景图像上取得了一系列突破性进展,在无人机领域的研究也逐渐成为热点。首先系统阐述了基于深度学习的目标检测算法的研究进展,并总结了相关算法的优缺点。对常见的航空影像数据集进行了梳理并介绍了迁移学习的方法;从无人机影像背景复杂、目标较小、视场大、目标具有旋转性的特点出发,对无人机目标检测在近期的研究进行了归纳和分析。最后讨论了存在的问题和未来可能的发展方向。     

基于机器视觉的高精度螺孔定位方法研究

针对手工安装工件、劳动强度大以及效率低等问题,提出了一种基于机器视觉的螺孔定位检测方法.利用CCD摄像机实时采集局部待定位物图像,并对图像进行处理,提取螺孔坐标,然后通过物理坐标关系得到拍摄范围外的螺孔的坐标,最后经过eye-hand手眼标定转换到机器人坐标系下的坐标.该方法解决了受外界条件限制,对目标测量的过程不能一步完成的问题-实现了较大物件的自动、快速、准确定位功能.     

基于立体视觉的监控视频人体目标跟踪

针对普通单目监控视频无法得到视频中目标深度信息的问题,以及人体目标在视频画面中因大小变化而不能被准确检测的问题,提出了一种综合双目视觉测距进行视频中人体目标的检测和跟踪的算法。算法可以根据人体目标在视频画面中的大小,按全部人体、人体的肩部以上区域、人脸的顺序进行检测,并显示被检测出的区域相对于摄像机的距离。完成在视频画面中标记检测区域,并显示检测区域和摄像机之间距离的任务。