视觉条件对驾驶员跟踪着舰引导指令影响研究

针对光学助降系统易受到不良天气（如低能见度）影响的缺点,研究了不同视觉条件对驾驶员跟踪着舰引导指令的影响。在光学着舰引导系统模型建立的基础上,针对不同视觉条件,对驾驶员跟踪菲涅尔透镜“肉球”的情况进行了仿真对比。结果表明,当视觉品质下降时,为防止跟踪效果变差,驾驶员应当减小操纵增益。     

使用ASIC芯片实现高清视频编码的设计

本文以高清视频编码为切入点,首先介绍了一款高性能的视频编码ASIC芯片FH8735,然后通过对视频编码设备整体框架的设计介绍,引入了视频编码设备的硬件原理设计方案和软件设计方案,硬件设计方案以不同输入视频格式的种类为章节详细叙述了几种常用视频编码的原理设计,软件设计方案从软件架构和软件流程上对视频编码设备软件进行了讨论。可以看出,ASIC芯片以其独有的优势使得视频编码设备设计越来越简单、功能越来越强大、性能越来越可靠。     

激光投影系统在飞行模拟器上的应用

视景系统是飞行模拟器的重要组成部分,对保证模拟训练效果起着至关重要的作用,而对于采用投影显示的视景系统来说,投影器的性能则在很大程度上决定了视景系统的性能.本文以AVIOR激光投影系统为例对激光投影系统进行了详细的介绍,并与传统的CRT、LCD、DLP投影器进行了比较,最后对激光投影系统的发展前景进行了分析.     

基于双目视觉的无人机编队相对定位算法

针对无人机编队飞行时双目视觉定位精确性差、计算量大、实时性不高的技术现状,对基于特征点的FAST定位和BRIEF旋转(Oriented fast and rotated brief,ORB)算法进行了改进,提出了一种适用于无人机双目视觉定位的算法。在改进ORB算法中,采用提取目标区域、最近邻约束和随机抽样一致(Random sampling consensus,RANSAC)方法,提高了特征点提取与匹配效率,也提高了特征点匹配质量;对于双目视觉定位,提出了适用条件更加宽泛的双目视觉定位模型,并保证了模型的定位精度;最后使用卡尔曼滤波算法对无人机的定位信息进行估计,进一步提高了无人机的定位精度。实验表明,算法具有较高的精确性和实时性,满足无人机间的相对定位要求。     

基于计算机视觉/GPS/MG姿态测量的盲人行走组合导航方法研究

电子导盲辅助装置(ETA)是解决盲人出行困难的重要手段,而导航是ETA的关键技术.现有的ETA主要用GPS来定位定向,但在城市环境中经常存在GPS信号遮挡导致导航信息丢失的问题.针对该问题,利用视觉导航短时间内定位精度高,输出连续的优点以及 MG(Magnetic Gravity)姿态测量可补偿姿态积累误差的优点,提出一种基于视觉、GPS和MG姿态测量的盲人行走组合导航算法.该方法构建系统误差模型并以Kalman滤波为框架.仿真和实验结果表明,提出的组合导航算法准确度优于单独的导航算法,满足盲人户外安全出行导航的需求.     

基于DSP的感应同步器测角系统的设计与实现

本文介绍了一种基于DSP的感应同步器测角系统的设计与工程实现,其核心是角位置的数据变换及编码部分.该设计提高了测角系统的性能,特别是大幅度地提高了位置测量的分辨率和精度.     

基于多核融合的目标大面积遮挡处理方法

提出了一种基于多核融合的目标遮挡处理方法,用于提高大面积遮挡情况下视觉目标跟踪算法的鲁棒性和准确性.与现有基于单个对称核加权直方图的mean shift跟踪算法不同,该方法以目标区域内的多个非中心位置为核函数中心,构建多个非对称核加权直方图.由于这些直方图对目标的不同区域赋予了不同的权重,使得在遮挡发生时总存在一些直方图受影响较小.依据各个直方图分别进行mean shift迭代获得一组目标位置估计后,利用D-S证据理论融合判定最终的目标位置.实验结果表明,该方法在目标被大面积遮挡时仍能够获得准确的跟踪.     

基于全局稀疏地图的AGV视觉定位技术

为了实现自动导引车（AGV）在复杂工业环境下的高精度定位,克服环境变化给定位带来的影响,提出了基于全局稀疏地图的视觉定位方法。首先,设计了大容量二维编码点,作为人工路标铺设在工业环境的地面;然后,基于一种四边形识别算法,在复杂工业环境中准确分割和识别二维编码点;最后,利用二维编码点提供的编码信息,鲁棒匹配图像中的特征点,并以此为基础,使用一种分参数块优化的三维重建策略,实现了工业环境的大规模地图构建,为AGV视觉定位提供了一种稀疏电子地图。AGV视觉的定位通过匹配车载视觉传感器图像中的特征点和稀疏电子地图实现。停车重复定位精度小于0.5 mm,角度偏差小于0.5°,轨迹平均位移误差小于0.1%。实际应用结果表明,该方法能在复杂工业环境中实现AGV视觉的定位,定位的速度和精度方面都满足工业应用的要求,为AGV的视觉定位提供了新的思路。      

基于区域预测和视觉注意计算的快速目标检测

提出了一种结合区域预测与视觉注意模型化计算的快速目标检测方法.通过分析图像近似均匀的3个水平子区域的方向特征图之灰度比率,灰度特征图之信息熵和子区域位置,建立了目标区域预测的判定准则.同时,通过优选特征和优化特征图之权重,改进了视觉注意计算模型.对于一幅待检测图像,根据区域预测的判定准则,实现目标区域的快速预测,并利用改进的视觉注意计算模型对目标区域进行视觉注意计算,实现特定目标的快速精确定位.实验结果表明:针对户外场景中的行人目标,与通过整幅图像的视觉注意计算来实现目标检测的传统方法相比较,该检测方法可使检测时间缩短30%,同时还能使检测准确率提高9%.      

基于图像特征融合的粉末床缺陷检测方法

针对单一特征对粉末床缺陷表达不明确导致检测效果不佳的问题,提出了一种基于特征融合的增材制造过程粉末床缺陷视觉检测方法。该算法分别使用SIFT方法、灰度共生矩阵和Hu不变矩提取尺度空间特征、纹理特征和几何特征,借助词袋模型对每张图像构建3组视觉单词直方图,通过串行融合3组视觉单词直方图得到新的特征矩阵,采用特征选择对融合后特征矩阵进行降维,并传入随机森林分类器中进行训练。实验结果表明,不同特征对粉末床不同类型缺陷检测具有不同的贡献,优化特征融合参数后,算法平均准确率达到97.46%,缺陷检测效果明显提升。