面向结构化场景的激光雷达点云高精度配准与定位方法

在基于先验地图的激光雷达室内导航方案中,通常采用点云配准的方法进行无人设备位姿初始化.在结构化场景下,传统配准算法特征鲁棒性较差,导致点云配准的误差较大且易陷入局部最优.针对该问题,提出了一种基于多平面空间模型的点云快速配准方法.首先该方法利用特征直方图的思想对空间点云进行快速粗聚类,根据平面一致性将粗聚类后的点集进行...     

压力不匹配混合层流场结构的实验研究

为了研究压力不匹配超声速湍流混合层流场结构,采用时间平均纹影、脉冲激光纹影和高时空分辨率NPLS方法获取了相应的流动显示图像.根据不同时间和空间分辨率的实验图像所展示的流场结构,研究了激波与膨胀波对混合层整体结构的影响,分析了压力不匹配对混合层精细结构的影响.     

涡扇发动机压缩系统部件特性与匹配数值仿真

为了研究发动机环境中部件特性及部件之间的匹配规律,采用3维数值模拟软件对某压缩系统进行数值仿真计算。计算比较了设计转速风扇/压气机部件特性单独评定和发动机环境中评定的异同,研究了压缩系统4种可调参数变化对风扇、压气机匹配工作点的影响。结果表明：2种环境下风扇特性基本相同;对于压气机,单独评定时以风扇出口参数的径向分布作为进口边界条件获得的压气机特性与整机环境下的基本相同,而给定其他形式进口边界条件时压气机特性存在一定差异：采用均匀进气条件时,压气机流量、效率和喘振裕度分别增加0.3%、0.4%和4.6%,采用进口节流条件时压气机流量、效率和喘振裕度分别减小3.5%、4.0%和20.9%,整机环境使用时应对特性进行修正。研究结果对整机环境下风扇/压气机性能表现以及匹配规律研究有重要参考意义。     

风扇/压气机静子周向限位失效对气动性能的影响

以高负荷两级风扇为对象,采用数值模拟方法研究了静子周向限位失效对风扇气动性能的影响机理.比较分析了不同失效转速和不同失效级对其气动性能的影响程度,归纳总结了静子限位失效对压缩部件气动性能的影响规律.结果表明:静子周向限位失效将造成静子叶排产生一定的轮缘速度,影响自身的进出口气流角、流通能力和损失特性,以及级内和级间的匹...     

高空射流核心区控制的数值分析与试验验证

为研究高空射流核心区的变化规律,分析了不同模拟马赫数/高度状态下高空射流核心区的物理本质和影响因素.通过理论分析和CFD计算确定了建立自由射流试验需满足的进排气条件,获得了亚声速下喷管出口的核心区角度、超声速下不同马赫数典型流态的临界压比及其随喷管设计马赫数的变化趋势,以及自由射流试验中压力和马赫数等参数的模拟偏差对核...     

基于3维数值仿真的变循环压缩系统部件匹配分析

为了研究变循环压缩系统中各部件之间的匹配关系以及在整机调节时的表现,采用3维数值仿真软件对变循环发动机 的风扇、核心机驱动风扇级（CDFS）、高压压气机和外涵道开展联合数值仿真,并对比数值计算与试验结果的差异。针对单、双涵 工作模式,开展内、外涵出口节流特性计算,分析了内、外涵出口压力调节导致的各部件匹配关系的变化,获得了涵道比的变化范 围以及极限调节状态下的各部件表现出的流动特征,确定了制约整个压缩系统喘振裕度的关键部件。结果表明：在双涵模式下, 外涵节流导致风扇匹配点明显提高,首先到达喘振边界;在单涵模式下,外涵节流导致风扇和CDFS匹配点同时提高,几乎同时到 达喘振边界;在单、双涵模式下,内涵节流均使高压压气机首先到达喘振边界。仿真得到的外涵道损失与试验偏差在4%以内。     

基于非线性神经网络的摆式列车检测系统动态补偿方法研究

针对零极点匹配动态补偿方法的不足 ,提出基于非线性神经网络的摆式列车检测系统动态补偿方法。根据陀螺平台实测超高数据 ,采用LM算法对所设计的非线性神经网络进行训练。仿真结果表明 ,所设计的神经网络动态补偿器能有效改善陀螺平台系统的动态特性 ,满足摆式列车倾摆控制实时性的要求。     

基于匹配滤波和时间恢复算法的B(AC)码数字解调技术

针对靶场时间统一系统中B（AC）码解调的现状和存在的问题,本文从匹配滤波和时间恢复两个方面入手,阐述了一种B（AC）码在噪声和波形失真条件下的数字解调技术。     

基于快速仿射模板匹配的AMCL算法

自主定位是移动机器人的重要任务，机器人绑架问题是定位技术中的难点。基于粒子滤波的自适应蒙特卡罗定位(AMCL)算法能够解决机器人绑架问题，但其在定位恢复过程中需要在全局地图中放入新粒子，恢复效率低。通过对自适应蒙特卡罗定位算法的研究，结合图像学中模板匹配思想，提出了一种基于快速仿射模板匹配的自适应蒙特卡罗定位(AMCL-FM)算法。该算法利用全局代价地图与局部代价地图估计出机器人的真实位置，并在估计出的位置放置新的粒子，提高定位恢复能力。与传统的自适应蒙特卡罗定位算法相比，所提算法定位精度提升了61.13%，定位恢复效率提升了69.23%。     

基于渐进式注意力和分块遮挡的跨域行人重识别

针对跨域行人重识别中遮挡造成特征匹配缺失及细粒度辨识性特征被忽略的问题，提出了基于渐进式注意力和分块遮挡的跨域行人重识别方法。该方法通过学习行人未遮挡区域的多粒度辨别性特征，实现空间不对齐下的特征匹配。渐进式注意力模块将特征逐步分割为多个局部块，依次学习每块的辨别性特征，由粗到细地感知前景信息，从而解决目前网络不能提取多层次辨识性特征的问题，增强了特征的匹配能力；渐进式分块遮挡模块很好地适应模型逐步变强的学习能力特性，通过由易到难地生成遮挡数据，有效提取了未遮挡区域的辨识性特征，进而解决模型错误识别遮挡样本的问题，使得所提模型在遮挡情况下的鲁棒性得到有效提高。实验结果表明：所提方法在首位命中率和平均精确度2个指标上与当前主流方法相比具有显著的优越性；与2020年CVPR会议中QAConv行人重识别方法相比，在DukeMTMC-reID数据集(MSMT17→DukeMTMCreID)上的2个指标分别高出2.3%和6.2%，能够更加有效地实现跨域行人重识别，在OccludedDuke数据集(DukeMTMC-reID→Occluded-Duke)上的2个指标分别达到49.5%和39.0%，...