RGB-D SLAM综述

RGB-D SLAM是指使用RGB-D相机作为视觉传感器,进行同时定位与地图构建(SLAM)的技术。RGB-D相机是近几年推出的能够同时采集环境RGB图像和深度图像的视觉传感器。首先对主流RGB-D相机,RGB-D SLAM算法框架流程做了介绍,然后对RGB-D SLAM算法的国内外主要标志性成果,以及RGB-D SLAM的研究现状进行介绍,并对RGB-D SLAM方法前端视觉里程计中特征检测与匹配、后端位姿图优化、回环检测等关键技术进行介绍总结。最后,对RGB-D SLAM算法的优缺点进行了分析,并对RGB-D SLAM算法的研究热点及发展趋势进行了讨论。     

临近空间高超声速目标滑跃式轨迹Sine-AIMM跟踪算法

针对单一的Sine模型算法无法与临近空间高超声速目标滑跃式轨迹准确匹配,现有的交互多模型(IMM)算法跟踪效果也不够理想的问题,提出一种基于多重贝叶斯准则的自适应交互式多Sine模型(Sine-AIMM)临近空间高超声速滑跃式目标跟踪算法.算法采用多个Sine模型对滑跃式轨迹进行匹配,并利用多重贝叶斯准则在线调整各模型...     

基于黎曼距离的编队飞行卫星姿态控制系统故障检测数据优选方法

为突破星上资源的严苛约束、提升编队飞行卫星故障检测能力,提出了一种适用于编队飞行卫星姿态控制系统的故障检测数据优选方法,通过利用黎曼距离衡量无故障情况和故障情况下系统测量信息之间的差距,构建了编队飞行卫星姿态控制系统故障检测能力的评价指标。在此基础上,提出了故障检测数据优选方法,为系统输出信息结构优化提供了理论依据。仿真表明,所提出的方法能够在星上资源受限的情况下有效提升编队飞行卫星姿态控制系统的故障检测能力。     

高速BPSK相干光通信系统对激光器线宽要求

文章概述了激光器相位噪声对零差相干检测光通信系统性能的影响，对特定的基于平衡探测的科斯塔斯（Costas）环路接收系统相位误差进行了详细的理论分析，最后获得了不同传输码速率下的零差相干检测光通信系统对激光器线宽的具体要求。     

射频阵列仿真系统的目标位置精度分析

射频阵列仿真系统是一种比较理想的导弹武器系统抗干扰试验环境,目标位置精度是射频阵列仿真系统的关键指标。阐述了影响目标位置精度的主要原因,并结合测量数据对其进行分析,为工程应用提供了参考。     

Constellation analysis of an integrated AIS/remote sensing spaceborne system for ship detection

A future system integrating data from remote sensing and upcoming AIS satellites is analyzed through the development of a novel design method for global, discontinuous coverage constellations. It is shown that 8 AIS satellites suffice to guarantee global coverage and a ship location update of 50 min if the spaceborne AIS receiver has a swath of 2800 nm. Furthermore, synergic utilization of COSMO/SkyMed and Radarsat-C data would provide a mean revisit time of 7 h, with AIS information available within 25 min from SAR data acquisition.     

ASW-RTS:一种软件性能数据在线检测方法

在软件健康管理系统中,需要对相关被测构件的性能进行在线检测,从而确定构件的健康状态。针对被测构件的性能衰退检测问题,在AR(p)模型基础上,结合时间序列滚动式算法的准确性,提出了一种具有自适性策略的ASWRTS算法,用于对被测构件革新异常类性能数据的在线检测,提高检测的准确度,并基于该算法设计了构件性能异常数据的在线检测过程。实验结果表明,该算法将检测精度提高了50%左右,能够有效在线检测构件的性能衰退,说明了该算法的正确性和有效性。     

波音737系列飞机过热探测系统原理分析及排故技巧

轮舱火警、机翼及后下部机身的过热探测系统是飞机防火系统的重要组成部分，且故障发生频繁。本文介绍了波音737系列飞机的轮舱火警、机翼及后下部机身的过热探测系统的基本原理及常见故障，并结合外场维修经验介绍了排除该系统故障的一些技巧。     

Hypothesis-test-based landcover change detection using multi-temporal satellite images – A comparative study

Remote sensing images and technologies have been widely applied to environmental monitoring, in particular landuse/landcover classification and change detection. However, the uncertainties involved in such applications have not been fully addressed. In this paper two hypothesis-test-based change detection methods, namely the bivariate joint distribution method and the conditional distribution method, are proposed to tackle the uncertainties in change detection by making decisions based on the desired level of significance. Both methods require a data set of class-dependent no-change pixels to form the basis for class-dependent hypothesis test. Using an exemplar study area in central Taiwan, performance of the proposed methods are shown to be significantly superior to two other commonly applied methods (the post-classification comparison and the image differencing methods) in terms of the overall change detection accuracies. The conditional distribution method takes into consideration the correlation between digital numbers of the pre- and post-images and the effect of the known pre-image digital number on the range of the post-image digital number, and therefore yields the highest change detection accuracy. It is also demonstrated that the class-dependent change detection is crucial for accurate landuse/landcover change detection.     

基于自适应深度网络的无人机目标跟踪算法

针对无人机（UAV）视频中目标易受到遮挡、形变、复杂背景干扰等问题，提出一种基于自适应深度网络的无人机目标跟踪算法。首先，基于主成分分析（PCA）和卷积神经网络（CNN）算法，设计3阶的自适应深度网络进行目标特征提取，该网络对图像的H、S、I通道分别进行主成分分析学习，将得到的特征向量输入网络进行分层卷积，优化了网络结构，提高了网络的收敛速度和精度。其次，将目标深度特征输入核相关滤波算法进行目标跟踪，通过分析相邻2帧图像的变化率，采用分段自适应调整学习率的算法进行目标模板更新，有效地改善目标遮挡问题。仿真实验结果表明，该算法有效地避免了复杂因素干扰导致的跟踪精度下降，具有较好的鲁棒性，相较于全卷积跟踪（FCNT）算法平均跟踪精度提高了9.62%，平均跟踪成功率提高了11.9%。