基于类脑模型与深度神经网络的目标检测与跟踪技术研究

目标检测与跟踪技术广泛应用于交通、医疗、安保和航天等领域.目前,目标检测与跟踪技术面临目标微弱、背景复杂、目标被遮挡等挑战.同时,随着脑科学研究的不断深入,人们对人脑视觉系统的理解逐渐透彻,利用类脑计算解决复杂背景下高精度目标检测与跟踪问题成为相关领域的重要研究方向.本文结合神经工程导向的类脑模型和计算机工程导向的深度神经网络(Deep Neural Networks, DNNs),提出多种基于类脑模型与深度神经网络的目标检测与跟踪算法,包括：基于演算侧抑制的目标检测算法,基于结构 对比度(Structure Contrast, SC)视觉注意模型的弱小目标检测算法和基于记忆机制与分层卷积特征的目标跟踪算法.实验结果表明,将类脑模型和深度神经网络应用于目标检测和跟踪领域,有利于实现复杂条件下的高精度目标检测和鲁棒性目标跟踪.     

高分七号卫星激光测高仪激光器设计

高分七号(GF-7)卫星激光测高仪激光器是一台输出能量较大、光束质量要求又高的激光器。为了实现这样的技术要求,采用被动调Q的振荡级+两级板条放大器(MOPA)的技术路线,以激光二极管(LD)侧面泵浦的被动调Q之字形薄板条激光器作为振荡级,以实现近衍射极限的种子光输出,再通过两级之字形板条放大器,使最终输出的大能量激光束能够保持较好的光束质量,满足测高仪小足印光斑的要求。设计的振荡级采用双玻罗(Porro)镜谐振腔,实现输出能量2 mJ、光束质量因子(M~2)1.3、脉冲宽度3 ns。经过两级板条放大器后,输出光束M~2为1.5～1.8,单脉冲能量达到180 mJ,脉冲宽度为4～5 ns,证明激光器设计合理,可以作为对地观测类激光测高仪激光器的设计参考。     

无人车基于激光雷达/视觉的目标体积自动测量方法

近些年,基于激光雷达和视觉的目标感知在无人系统中得到了广泛应用。目标的体积测量在很多应用场景可以发挥极其重要的作用,然而对识别感知目标的体积测量,目前尚无大量研究。首次提出了一种基于激光雷达/视觉的无人车目标体积自动测量方法,实现了无人车与目标体积测量功能的结合。通过在LeGO-LOAM算法中加入点云畸变补偿,相较于原始LeGO-LOAM算法,无人车在高速情况下的构图精度得到提升;通过将激光雷达与视觉进行深度融合,实现了目标的自动识别与全局定位;通过基于平面拟合的地面分割与欧式聚类,实现了目标点云轮廓的实时获取;通过设计一种基于切片法的不规则物体体积测量方法,实现了无人车在运动情况下对目标体积的自动估计。最终,分别通过Gazebo仿真和实际试验验证了算法的有效性。试验结果表明,所提算法在无人车运动的情况下对静态目标物的实时体积测量精度优于3%,具有较好的工程应用价值。     

一种面向工业机器人的高精度三维无序抓取系统

在航空航天、汽车等领域中,各类复杂工件结构复杂、纹理弱且混叠堆放,在智能制造过程中存在快速、高精度测量和识别难题。针对上述问题,建立了一种面向工业机器人的高精度三维无序抓取系统。基于面结构光三维测量技术,构建大场景固定基座的三维视觉测量装备,获取大型复杂零件的三维点云数据。建立零件点云模板,设置抓取点位置,利用点云配准技术识别零件并估计当前位姿。提出了一种手眼标定优化策略,实现了对工业机器人的精确引导,完成任意位姿零件的抓取,按要求装配于指定位置。实验结果表明,所设计的无序抓取系统平移误差为0.413mm,角度误差为0.123°,可以快速有效地对散乱堆叠零件进行高精度识别与定位,引导工业机器人准确抓取与放置,该系统可以在航空航天、汽车等领域的工业生产线上进行示范应用。     

ORB-SLAM系统优化框架分析概述

首先阐述了ORB-SLAM系统的核心思想和基本框架,介绍了SLAM系统中光束平差法的应用实现,然后针对视觉里程计部分不同的关键帧位姿优化过程分别进行了详细阐述,并利用KITTI数据集的不同序列的实验结果进行比较研究,给出了核心的光束平差法在ORB-SLAM中的具体工作方式及性能分析,最后讨论和分析了ORB-SLAM的优势和不足。     

基于磁力计、IMU和单目视觉的自主定位方法

基于单目视觉与惯性测量单元(IMU)融合的SLAM(simultaneous localization and mapping)技术,具有硬件成本低、体积小和消耗计算资源少等优点,在移动机器人导航系统中得到了广泛的应用。单目视觉SLAM系统主要通过求解对极几何来解算位姿,但当平移为零时(仅存在姿态旋转运动),存在解算漂移的问题。通过将磁力计的数据融合到单目视觉SLAM算法中,不但可以解决纯旋转情况下姿态解算漂移问题,还可以提高解算精度。物理仿真实验的结果表明,与传统的SLAM算法相比,本文提出的基于磁力计、IMU和单目视觉融合的算法具有精度高、鲁棒性好的优点。     

崎岖地形中关节式月球车姿态估计数值求解方法

 以被动关节式地形自适应月球车为研究对象,融合关节机器人D-H坐标建模方法构建了月球车悬架运动学模型和以侧倾、俯仰和偏转角表示姿态的欧拉角方式建立了车轮到世界坐标系的悬架完整表达模型。利用悬架完整表达模型,用带有迭代因子的连续迭代和离散迭代数值求解方法,建立了光滑和离散崎岖地形姿态估计算法。最后以8轮扭杆双摇杆摇臂月球车原理样机为例来验证此模型求解方法。仿真结果验证了所建立的基于数值方法的崎岖地形被动关节式月球车姿态估计模型的正确性,其求解模型精度能够满足仿真要求。     

涡轮叶尖泄漏流被动控制数值模拟

结合基于密度修正的采用雷诺应力湍流模型加壁面函数的三维计算流体力学程序,通过在叶尖吸力面表面加肋条的被动控制方法以期减小叶尖间隙泄漏流动带来的损失,对某一轴流涡轮转子叶尖间隙泄漏流场的被动控制进行了数值模拟研究,并详细分析了在不同肋条高度下泄漏流场细节,最后计算了涡轮效率。结果表明,在涡轮叶尖表面沿吸力面边缘镶肋条对泄漏流动进行被动控制,相对于与其相对叶尖间隙高度相等的基本间隙流场,涡轮效率增大;肋条高度对涡轮效率有较大影响,相对等绝对叶尖间隙高度的基本流场,增大肋条高度可以提高涡轮效率。在叶尖间隙区域前半部,肋条对泄漏流动的阻挡作用使得在叶尖表面出现回流区,阻碍泄漏流动;在叶尖间隙区域后半部,回流区消失。     

基于立体视觉的大型客机障碍物探测

为了提高大型客机在低能见度天气下场面滑行时的安全性,提出了一种采用热成像仪进行障碍物探测和识别的系统。对客机前方景物进行热成像,用改进的机器立体视觉算法计算目标距离,使用模糊逻辑融合位置信息识别障碍物。实验表明提出的系统能探测和识别场面上的主要障碍物。     

视觉导航技术的发展

近20年来视觉导航技术发展迅速,在原理方法与技术实现上取得了重要突破,规模化应用已经成为可能。以视觉导航中光流、视觉里程计、视觉同步定位与地图构建等主流研究方向为对象,对其发展概况、基本原理、技术优势与难点等进行了简要介绍与分析,并从近期应用推广及长远发展角度对视觉及视觉组合导航技术进行了展望。