基于虚拟视线交会的飞航导弹INS误差修正方法

针对飞航导弹惯性导航系统(INS,Inertial Navigation System)单独使用时存在位置和速度估计误差发散的问题,在不需要弹目距离信息的情况下,提出了一种基于对航路上单个已知地标连续、被动观测的INS误差修正方法.根据导弹与地标间的相对运动关系,采用虚拟视线交会的方法,将问题转化为多虚拟地标协同定位导弹问题.在此基础上,利用最小二乘思想,实现了导弹位置的有偏估计.以估计得到的有偏位置信息和基于大气系统得到的INS速度误差大小作为观测量,应用考虑系统误差估计补偿的卡尔曼滤波,实现了导弹位置和速度的无偏估计.仿真结果验证了方法的有效性.     

基于结构光的空间大目标特征重构与位姿测量

针对因缺少空间非合作大目标的全局特征而难以实现相对位姿测量的问题,提出利用点状光源与单目光学相机组成点结构光视觉测量系统进行特征重构与位姿测量的方法。以非合作大目标上尺寸未知的局部矩形特征为测量对象,首先建立点结构光视觉测量系统相对位姿测量模型;接着利用相对约束关系给出特征重构方法并获得隐性特征点;然后利用特征点计算测量系统与非合作大目标之间的相对转移矩阵得到相对位置和姿态。通过数字仿真校验该方法的有效性并对测量误差因素进行分析,仿真结果表明该测量方法是有效的。     

基于视觉原理的运动物体空间姿态测量技术研究

针对物体运动姿态的测量问题,以提高姿态求解方法的便捷性和准确性为目的,研究了一种基于双目视觉相机高速摄影测量物体姿态的测试技术。为实现该测量,使用高速相机获取同步影像,利用特征点间的几何约束关系,通过姿态优化算法确定被测物体空间姿态。试验结果表明：该方法正确、可靠,测量频率达到100帧/s,姿态角测量误差小于0.04°。     

基于单幅立式标靶图像的单目深度信息提取

针对在智能车中车载单目视觉系统已经检测到路面障碍物的情况下,计算障碍物相对于本车的距离问题,提出了一种仅利用单幅标靶图像且无需相机内部参数的图像深度信息提取方法．该方法利用一种放置于相机前方的立式标靶,建立图像纵坐标像素与实际成像角度之间的映射关系,结合投影几何模型实现实时深度信息的提取．依据立式标靶图像的特点,设计了包括标靶图像感兴趣区设置、模板匹配、候选点聚类、筛选及精确定位等处理的亚像素级角点检测及定位算法．实验结果显示,该方法具有较高的测量精度及实时性．相对于在路面摆放参照物的方法,该方法无需大标定场地且规避了数据拟合引起的误差．同时该方法标定只需一幅图像,过程简单,便于实际应用．      

一种空间视觉测量子系统用半导体 激光器驱动电路设计

为提高视觉测量子系统抗杂光干扰能力,保证测量精度、稳定性和可靠性,通常需要采用半导体激光二极管组成的照明光源对测量区域进行照明.提出一种半导体激光二极管恒流源电路设计,并实现了激光二极管开关延时软启动、恒流驱动、过流保护等功能.实测数据表明,恒流源电路具有高稳定、高可靠和高精度的特点.     

基于高层语义嵌入的孪生网络跟踪算法

在不加深网络的前提下,为提高孪生网络的特征表达能力,提出基于高层语义嵌入的孪生网络跟踪算法。利用卷积和上采样运算设计了语义嵌入模块,有效融合了深层特征和浅层特征,达到了优化浅层特征的目的,且该模块可以针对任意网络进行灵活的设计与部署。在孪生网络框架下,对AlexNet骨干网络不同层之间添加2个语义嵌入模块。在离线训练阶段进行循环优化,使深层语义信息逐渐转移到较浅的特征层,在跟踪阶段,舍弃语义嵌入模块,仍采用原始的网络结构。实验结果表明：相比于SiamFC,所提算法在OTB2015数据集上精度提高了0.102,成功率提高了0.054。     

基于约束卡尔曼滤波器预测的视觉跟踪研究

视觉伺服主要是对物体图像的某个特征区域进行处理，而不是对整个特体的图像进行处理，这样可以减少图像处理的区域，提高伺服系统实时性，为了达到这一目标，文中利用推导出的方程作为约束条件，建立约束卡尔曼滤波器，该滤波器在系统中作为预测器使用，利用它跟踪的特征点下一位置进行预测，与普通卡尔曼滤波器相比，这一预测精度有了很大的提高，这样就可以缩小图像处理的窗口，文中还利用视觉雅可比映射矩阵，求出了视觉空间到任务空间的伺服控制方程，利用这一方程可以控制机器人的运动，完成特征点的跟踪，从仿真结果来看，使用这些方法减小了图像处理的区域，提高了图像处理的速度和系统的实时性。     

增强现实技术在远程塔台管制中的应用

近年来,通航机场建设得到迅速发展,远程塔台由于低成本建设周期快等特点在国外机场已经得到验证使用,也必将在未来我国的民航业推广。本文分析了国外远程塔台的技术组成和功能特点,探讨了基于增强现实(AR)技术下塔台交通管理中的应用,为将来提供更优质的管制服务打下技术基础。     

监控视频中异常事件检测技术研究进展

异常事件检测技术是当前智能监控技术研究领域关注的一个热点,作为计算机视觉的重要研究内容,其主要目标是利用计算机自动检测出可被视为异常的事件。传统方法存在低层视频特征描述能力弱,异常检测方法计算代价大,对复杂场景建模时鲁棒性差等方面的限制。本文结合国内外的研究现状和目前的主流方法,介绍了监控视频中异常事件检测涉及的基本技术,分析了各类监控视频特征提取方法、特征学习模型和异常检测方法的优缺点,整理归纳了可用于监控视频中异常事件检测的常用实验数据集,最后讨论了监控视频中异常事件检测技术的难点、挑战及未来发展趋势。     

飞机尾旋三维测量试验的改进方法

飞机尾旋试验是研究飞机进入尾旋特征以及提出如何改出尾旋的方法.传统测量飞机尾旋运动姿态的实验自动化程度低、人工操作复杂费时,因此针对这些问题开发了一套基于特征点测量的改进方法.主要是基于机器视觉的三维测量原理,能动态测量飞机模型的三维特征点并计算出模型的各个姿态角度.在标记检测时采用了新的标记检测方法,提高了标记布局及图像识别的灵活度;姿态角的计算是根据坐标系转换而得到的.根据改进方法研制的系统操作简单、整个测量过程只需30min左右;并且数据有效率控制在90%以上;姿态角的精度控制在±1°以内.该系统在中国空气动力研究与发展中心立式风洞中的飞机自由尾旋实验中得到了很好的应用.