全文获取类型
收费全文 | 529篇 |
免费 | 103篇 |
国内免费 | 65篇 |
专业分类
航空 | 294篇 |
航天技术 | 200篇 |
综合类 | 70篇 |
航天 | 133篇 |
出版年
2024年 | 10篇 |
2023年 | 43篇 |
2022年 | 43篇 |
2021年 | 58篇 |
2020年 | 42篇 |
2019年 | 43篇 |
2018年 | 19篇 |
2017年 | 20篇 |
2016年 | 25篇 |
2015年 | 26篇 |
2014年 | 23篇 |
2013年 | 34篇 |
2012年 | 31篇 |
2011年 | 36篇 |
2010年 | 27篇 |
2009年 | 29篇 |
2008年 | 29篇 |
2007年 | 32篇 |
2006年 | 20篇 |
2005年 | 14篇 |
2004年 | 19篇 |
2003年 | 11篇 |
2002年 | 12篇 |
2001年 | 7篇 |
2000年 | 4篇 |
1999年 | 6篇 |
1998年 | 2篇 |
1997年 | 4篇 |
1996年 | 7篇 |
1995年 | 2篇 |
1994年 | 5篇 |
1993年 | 3篇 |
1992年 | 1篇 |
1991年 | 4篇 |
1990年 | 1篇 |
1989年 | 5篇 |
排序方式: 共有697条查询结果,搜索用时 171 毫秒
531.
532.
533.
534.
GEO非合作目标超近距相对位姿视觉测量 总被引:1,自引:0,他引:1
提出一种基于几何特征综合匹配的双目超近距相对位姿视觉测量方法。首先,将失效卫星的矩形太阳帆板作为几何特征,采用综合匹配方法实现了双目图像的高精度匹配,随后基于几何特征指标参数判别和ROI检测方法,实现了卫星太阳帆板特征点组的识别与提取,在此基础上,进一步建立了目标坐标系,通过三维重建完成了超近距阶段失效卫星的相对位姿高精度解算。最后建立了高精度双目视觉超近距相对测量实验系统,结合所提出的综合匹配算法和相对位姿解算方法,完成了动态非合作目标的相对位姿测量实验,实验结果说明所提出的方法具有较好的实时性和较高的精度。 相似文献
535.
在以运动参数误差为状态量、视觉导航与惯导导航相对运动参数差为观测量 的传统惯性/视觉组合导航方法中, 为解决相对运动参数同时与前后两个时 刻状态相关的问题, 采用将前一时刻位置和姿态误差增广到状态量中的方法, 并且假设增广的状态量为常值, 导致状态模型中引入了较大的误差. 基于 真实位置、姿态建立观测量误差模型, 导致观测量同时与前后两个时刻的状 态相关. 本文以惯导误差方程为状态模型, 采用四元数差形式的相对运动 参数差作为观测量, 基于上一时刻组合导航位置、姿态估计值建立观测量误 差模型, 实现了状态的增广, 并使得量测信息仅与当前时刻的位置误差和平 台失准角相关, 克服了状态模型误差较大的问题. 月面仿真和地面模拟实验 均表明, 该方法能够达到较高的位置和姿态估计精度. 相似文献
536.
在传统的以惯性与视觉相对运动参数差为观测量的惯性/视觉组合导航模型中,为了得到简单的观测矩阵,惯性相对旋转四元数与平台失准角之间的函数关系往往通过近似处理得到。但当航向角较大时,该近似处理的误差很大,不可忽略。为解决该问题,文章提出了一种不需该近似处理的改进的观测量误差分析方法,并建立了改进的观测模型。该方法利用含误差的惯性姿态已知的特点,得到了更精确的惯性相对旋转四元数误差表达式,减少了Kalman滤波中惯性与视觉相对旋转差的状态模型预测误差。月面仿真和地面试验表明该改进方法相比传统方法可实现更高的导航精度,其中位置精度提高达68%。 相似文献
537.
实时定位与建图(SLAM)技术搭载特定传感器,使移动机器人在无任何环境先验条件下,在运动过程中自主建立环境模型来计算自身位姿,大幅提高其自主导航能力,以及对不同应用环境的适应性。视觉SLAM方法以相机作为外部传感器,通过采集周围环境信息来创建地图并实时估计机器人自身位姿。为此,介绍了具有代表性的经典视觉SLAM方法及与深度学习相结合的视觉SLAM方法,分析了视觉SLAM方法中采用的不同特征检测方法、后端优化、闭环检测,以及动态环境下视觉SLAM方法的应用,总结了视觉SLAM方法的问题,并探讨了视觉SLAM方法在未来的热点研究方向和发展前景。 相似文献
538.
体视粒子图像测速(SPIV)中的空间标定精度对SPIV的测试结果精度有较大影响。为研究标定模型对输入误差的处理能力,定义了一个无量纲参数——误差衰减系数,来评判空间标定模型对误差的响应。在此基础上针对SPIV两相机空间标定的误差产生和传播特性,发展了一种基于神经网络的且具有联合标定能力的SPIV空间标定模型。使用仿真实验手段,证实了该神经网络模型在很大的参数空间内均具有对输入误差的抑制能力,而传统的多项式模型或小孔模型并不具备这一能力;此外,神经网络模型在高光学畸变情况下的表现也优于多项式模型及小孔模型。因此,神经网络具备替换传统空间标定模型的能力,有助于提高SPIV的测量精度。最后在实验中证实了神经网络标定模型的空间定位误差仅为传统模型的1/4。 相似文献
539.
540.