一种轻量化SAR图像舰船目标斜框检测方法

针对目前基于深度学习的合成孔径雷达（SAR）图像舰船目标斜框检测方法难以满足实时化检测需求的问题,提出了一种轻量化SAR舰船目标斜框检测方法。该方法基于无锚框框架,设计了轻量化的网络结构,对模型参数量和运行速度进行了优化,可直接从头训练。同时,为解决基于角度回归的斜框参数表示方法存在的角度敏感性问题,提出了基于旋转向量的斜框参数表示方法。在公开的SAR图像舰船目标检测数据集上的实验结果表明,所提方法在无需预训练的情况下取得了与迁移学习方法相近的检测精度,模型参数量和运行速度取得了最优结果,充分验证了所提方法的有效性。     

S截面框肋类钣金零件回弹量预测与补偿技术研究及应用

根据框肋类钣金零件高效、精确成形的要求,发展了一种S形截面类框肋零件回弹量计算与补偿方法,针对变曲率弯边,通过离散为弯边截面单元,计算每个截面线弯边单元的回弹量和补偿后重构弯边面,对带加强边的内缘弯边,提出考虑修正系数进行补偿的方法,基于现有的CAD平台开发了相应的软件工具;以实际零件为例说明了该方法的应用过程.成形工件测量结果表明,零件弯边角度偏差控制在±1 °之内,实现了在新淬火状态下一步精确成形.     

基于点云深度学习的对称结构空间目标相对位姿测量

针对对称结构空间目标相对位姿解算过程中点云误匹配带来的误差问题，提出一种基于点云深度学习的对称结构空间目标相对位姿测量方法。首先设计空间目标点云特征提取网络及关键点回归网络，将位姿测量问题转换为空间目标点云关键点回归问题，通过两个并行的回归网络分别输出空间目标平移向量和具有固定标签的目标点云三维边界框角点；其次利用具有连续稳定标签的角点求解目标姿态，可有效解决目标的对称结构导致的点云误配准问题；最后通过仿真数据集的实验表明，该方法相比于传统的点云配准方法有更高的准确率，能够精确求解具有对称结构的空间目标相对位姿。     

基于多尺度融合的自适应无人机目标跟踪算法

针对无人机（UAV）跟踪过程中目标的尺寸小、尺度变化大和相似物干扰等问题，提出了一种基于多尺度注意力和特征融合的自适应无人机航拍目标跟踪算法。首先，考虑到无人机视角下干扰信息多，构建了深层多样化特征提取网络，提供鲁棒表征目标的语义特征和多样化特征；其次，设计的多尺度注意力模块，抑制干扰信息的同时保留了不同尺度的目标信息；然后特征融合模块将不同层特征进行融合，有效整合了细节信息和语义信息；最后，使用多个基于无锚框策略的区域建议模块自适应感知目标的尺度变化，充分利用整合的特征信息实现对目标的精准定位与稳定跟踪。实验结果表明：该算法在数据集上的成功率和准确率为61.7%和81.5%，速度为40.5 frame/s。该算法对目标的辨别能力、尺度感知能力和抗干扰能力明显增强，能有效应对无人机跟踪过程中的常见挑战。     

基于传力路径的飞机加强框结构优化方法研究

在飞机结构设计中,主传力构件的轻量化设计十分关键.通过引入结构承载因子,对加强框结构的传力路径进行量化,得到加强框结构最佳的传力路径.相对于传统的结构尺寸优化设计方法,提出的基于承载因子的传力路径优化方法仅需要考虑结构外形和载荷对结构承载的影响,不必考虑结构细节尺寸大小,因此,该方法具有高度的概括性和综合性.同时,通过...