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。     

水下PNT体系信息架构及关键问题

卫星导航系统固有的弱点与脆弱性制约了其水下应用，因此针对水下用户的定位导航授时（PNT）信息需求，迫切需要建设可提供全时全域、实用有效、安全可靠的PNT信息服务的水下PNT体系。针对水下PNT体系的顶层设计问题，重点探讨了PNT体系架构的核心信息架构设计及相关关键问题。系统分析了水下PNT体系建设的特殊性以及水下用户对于水下PNT服务的需求。在水下PNT体系构建原则的基础上，重点介绍了感知层、预处理参量层、本地时空参数层、环境信息层、多源信息融合层、系统应用服务层、体系服务管理层等七层水下PNT信息体系架构。总结了水下PNT体系构建时所涉及的关键科学问题和技术问题，并分析了后续水下PNT体系的主要研究方向。     

基于容器云的地面测控资源池日志管理系统的研究

新型航天地面测控装备基于商用服务器集群，采用虚拟资源池架构和容器云技术，按需进行测控资源调度和测控业务能力生成。和众多服务设备一样，日志是系统故障诊断的主要途径，由于海量日志可能分散在资源池系统中的不同位置，传统的流式日志采集和分析模式难以大批量管理信息，经常导致系统异常发现不及时、排查效率低、定位难度大等问题，日志的检索和统计缺乏行之有效的手段，弊端明显。针对这种地面测控资源池系统的运维管理需求，本文设计了一种基于容器云的日志管理系统，将平台日志和应用日志聚合管理，根据用户需求和运维目的分类检索并定制可视化日志显示，为使用者精准分析系统异常、快速进行系统维护提供有效支撑。     

基于Kinect三维重建的地下井室可视化方法研究

针对现有地下井室病害探测与维护方法的不足,提出了一种基于Kinect三维重建的地下井室可视化方法,以实现其三维可视化探测与维护.还提出了一种基于多项式曲面拟合的Kinect深度测量误差修正方法,利用联合双边滤波算法对深度图像数据进行预处理;结合SIFT特征匹配和改进的RANSAC算法获取相邻点云间的初始位姿,并利用基于邻域特征的ICP算法进一步实现不同视角点云的精确配准,从而获取全局一致的稠密三维点云.最后,在三维稠密点云的基础上进行曲面重建和纹理贴图,以实现地下井室真实三维重建.实验结果表明:所提方法可有效修正Kinect深度相机的深度测量误差,在0.5～4.5m的测距范围内,其三维重建精度可达2cm;在4.5～7m的测距范围内,精度也可以保持在4.5cm以内.所提重建方法可实现地下井室真实场景的三维可视化,为地下井室的探测和维护提供了技术支持.     

类脑计算研究进展

类脑计算是国际上的热门研究领域,也是人工智能发展的重要转折点.首先,回顾了近年来研究学者对局部脑功能运行机理的重要发现,并了解了其在类脑模型中的应用,如注意力机制和类脑导航等.随后阐述了神经形态计算芯片和人工神经元等类脑计算硬件的结构和特点,并对各国研究进展进行了简要梳理,从多个角度对类脑计算的研究内容、研究目标、研究方案和技术路线进行了全面总结.最后结合各国脑研究计划,分别从硬件和模型两个层面对芯片-算法兼容性及局部-全局整合等类脑计算的研究趋势进行了展望.     

一种基于实测点云数据的壁板类零件修配加工路径计算方法

针对飞机壁板类零件采用修配法装配过程中需要精确获取修配加工路径的问题，提出一种基于实测点云数据的壁板类零件修配加工路径计算方法。首先设计一种基于法线差的特征点检测算法提取参考壁板的初始特征点。然后建立迭代收缩优化模型对初始特征点进行收缩优化，得到参考壁板的准确特征点。最后根据工装定位孔特征进行配准，将参考壁板的特征点映射到待修配壁板上，并将映射后的特征点按照一定顺序进行连接，得到待修配壁板的修配加工路径，按照修配路径进行加工，获得壁板装配配合边界。实验表明，该方法能够精确提取待修配壁板修配加工路径，并且经过加工验证，壁板试验件对缝间隙获得小于1.2 mm的实际效果。     

非战争军事行动中装备维修保障资源需求计算模型

精确、高效、稳定、可靠的维修保障是海军非战争军事行动顺利实施的必要条件。文章建立了维修设施设备、备品备件、保障专业人员等维修保障资源的需求量化计算模型,并结合实例说明了模型的实际应用。     

基于条纹投射三维测量的铆钉自动化检测技术

针对大型薄壁结构铆接点位自动化检测问题,提出了基于条纹投射三维测量的铆钉检测技术,实现了铆钉镦头尺寸特征高精度测量以及裂纹缺陷自动化识别。在传统条纹投射三维测量的基础上,引入高动态范围(HDR)纹理合成,提出二、三维结合的点云分割策略,实现铆钉尺寸特征高效提取。搭建深度学习神经网络,实现镦头表面缺陷识别。本文搭建了系统原理样机,以铆接桁条样品和标准器作为样件进行系统实验验证。结果表明:实验室条件下,该方法直径测量精度为0.040 mm,高度测量精度为0.013 mm,缺陷识别准确率可达99.30%。与传统方法相比,本文提出的方法更加易于集成,效率高,具有广泛应用价值。