基于立体视觉的无人机位姿测量方法

现有的无人机位姿视觉测量方法大多基于诸如关键点等几何尺寸在图像和模型间的对应关系完成位姿计算；然而，在复杂情况下易出现关键点图像坐标定位失效的问题，而针对特定机型的算法设计泛化性不佳。针对这一问题，本文提出了一种基于立体视觉的固定翼无人机位姿测量方法，通过立体视觉重建目标无人机三维点云，基于无人机组件三维点云拟合鲁棒地完成位姿测量。首先，使用一种二维、三维数据结合的方式，利用卷积神经网络完成组件的分割。其次，分别利用机翼和机身点云拟合无人机坐标系的z轴和x轴，进而完成目标无人机位姿的计算。整个计算过程无需已知具体机型或尺寸。经试验验证，本文方法在10m的范围内达到了1.57°和0.07m的位姿测量精度，具有较高的精度和鲁棒性。     

基于GPU指令转发的虚拟化图形引擎设计及实现

为了满足机载座舱显控系统对图形引擎的性能要求，设计了一种基于半虚拟化的机载图形引擎实现方案，并在嵌入式平台上进行实现和测试.结果表明采用本文设计的虚拟化图形引擎，可以满足多个虚拟机同时使用GPU进行绘制的需求的同时，可以有效发挥多核CPU的性能,在提高了产品集成度的同时，显著提升了机载图形应用的性能。     

一种超宽速率图形产生方法

随着现代科技的发展，信息传输系统的工作速率不断拓宽，要求用于其可靠性、稳定性评测的误码率测试设备具备超宽速率的测试图形产生能力。本文提出了一种用于误码率测试设备的超宽速率图形产生方法，该方法将50 Mb/s～60 Gb/s的超宽速率分解为四个速率段，并通过高速开关实现输出图形信号的切换。文中基于FPGA（现场可编程逻辑门阵列）+多级MUX（多路复用器）的图形产生架构^［1］搭建了测试系统，通过对整个工作速率范围进行分解，最终实现了一路50 Mb/s～60 Gb/s范围内超宽速率测试图形信号的产生。     

先进复合材料用立体织物研究进展北大核心CSCD

航空航天技术的发展对先进复合材料提出了更高要求,立体织物制备技术得到了全面发展。本文综述了复合材料用立体织物结构、成型工艺、制造设备和应用等国内外研究情况,并结合立体织物特点和近年发展现状,指出未来发展方向。