光流场重建线性算法的实验模拟

由光流场重建三维运动和结构是计算机视觉研究中的热点和前沿，它分为线性算法和非线性算法。非线性算法的初始值选取非常重要，否则会导致算法失败。本文提出了一种由光流场重建三维结构线性算法的实验模拟新方法，该方法巧妙地利用合成数据和图像序列验证了重建的线性算法，该思路也适用于其它算法。     

雷达的目标识别技术

对雷达自动目标识别技术和雷达目标识别过程进行了简要回顾。研究了相控阵雷达系统中多目标跟踪识别的重复检测问题。提出了角度相关区算法，分析了实现中的若干问题。通过在相控阵雷达地址系统中进汀的地址实验和结果分析表明，采用角度相关区算法对重复检测的回波数据进行处理时，将使识别的目标信息更精确，从而能更早地形成稳定的航迹，达到对目标的准确识别。     

电力场景下基于无人机视觉的运动目标追踪方法

随着人工智能技术的发展,面向电力系统的运动目标追踪技术逐渐得到关注,现有方法虽有一定成效,但是大多基于固定摄像头的监控视频录制,不能灵活追踪运动目标,当运动目标离开摄像头视野时,存在运动目标丢失问题。为此,利用无人机设备,并基于深度学习和核相关滤波技术,提出了一个电力场景下基于无人机视觉的运动目标追踪方法（MTTS_UAV）。所提方法采用改进的目标追踪方法与目标检测方法相结合的方式来追踪运动目标隐患,并引入2种无人机飞行控制模块:启发式和数据驱动式,使得无人机的飞行速度和方向可以根据目标移动情况自适应地调节。在真实变电站的安全帽人员数据集上进行了大量实验,对所提方法的追踪效果进行评估,结果表明:所提方法在真实数据集上的平均像素误差（APE）和平均重叠率（AOR）分别可达到2.37和0.67,验证了方法的有效性。      

基于人类视觉特性的遥感图像优化显示及应用

在分析遥感图像主观质量（Subjectivequality）评价的基础上,提出基于人类视觉特性的优化显示技术．并应用于遥感图像压缩、相对辐射校正评价和噪声估计。结果表明：当图像以50％比例放大时,处理前后的效果不明显：以100％比例放大时,差异性开始出现;当显示比例提高到200％时,图像的噪声、条纹及退化现象比较容易发现与识别。因此,当需要比较两幅图像差异及监测图像质量变化时,建议显示比例设为200％。上述成果已成功应用于CBERS-02B卫星HR相机及后续高分辨率相机压缩方案的评价,也用于中国卫星遥感地面处理系统的图像质量监测。     

做强航空货运着力要在民航之外

一、引言加拿大著名作家阿瑟·黑利在他的一本小说《航空港》里对航空货运的发展前景有过这样精彩的描述:航空运输的货运量终将超过客运量,这种状况在以往任何一种运输方式中都曾发生过,从用桦树皮做的独木舟起就这样,运输工具一开始都是用来载人的,然后加上一点点货物,很快货物就比人多了。中国民航正在经历这样的一个过程,从《我国民航业发展现状及前景分析》一文中也能得到印证。     

基于机器视觉的半导体表面缺陷检测研究

半导体的广泛应用使得人们对其质量要求越来越高。半导体生产过程中塑封表面缺陷的检测得到更多生产厂家的重视。本文对SOT-23封装式半导体的表面塑封缺陷进行了研究,改进并优化半导体质量缺陷检测系统,通过边缘检测算法提取半导体管体的塑封边缘,确定被检管体的位姿,缩小检测范围,使用基于边缘点的模板匹配算法来判断字符的完整性,最后利用差影法准确地检测出塑封缺陷。经工厂试用后,结果显示此系统能有效地检测出表面质量缺陷。目前此系统已在工厂正式使用。     

轨道转移飞行器复杂环境下假星干扰与星图识别研究

通过复杂环境下假星模拟,研究假星数目及K矢量查找角距阈值ε对星图识别成功率的影响,采用惯性数据辅助识别的方法,改善了星图识别的成功率.星图识别仿真结果表明,存在假星情况下,假星数目的增加及K矢量查找角距阈值ε的增大会降低星图识别成功率,假星数为7,ε取8″时,成功率仅为42.7％;惯性数据辅助识别相较于传统星图识别成功...     

基于相似度的卫星预复振试验结果评价方法

卫星大量振动试验结果表明,预振和复振响应普遍存在不同程度的差异现象(“预复振差异”)。针对该问题,工程上主要依靠设计师的经验分析进行故障定位,效率低、准确性差。基于此,文章首先提出了预复振响应的相似度分析方法,利用全频段相似度分析进行故障定位,进一步针对故障部位的响应进行分频段相似度分析,得到预复振差异频段,为设计师校核和改进结构提供量化的标准;然后,基于该方法建立了卫星振动试验结果评价的详细流程;最后,以某卫星承力筒为研究对象,设计了激振试验,分析结果表明：该方法可以实现卫星预复振试验结果的量化评估,提高产品研制效率。     

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。     

基于深度学习的雷达干扰识别方法研究

针对复杂电磁环境下雷达干扰信号识别问题,从优化卷积神经网络结构的角度出发,本文提出了一种对卷积神经网络结构LeNet-5增加批量归一化层和改变激活函数的方法。该方法能够加速网络收敛,提升网络的学习效率。本文首先建立舰船目标模型,分析了噪声调幅干扰、噪声调频干扰、梳状谱干扰和无干扰的真实目标回波信号在时频域的差异,然后利用四种信号对舰船目标模型生成数据集,最后通过本文所提方法实现雷达干扰的自动识别。仿真结果表明：在全信噪比条件下,本文所提方法对四种信号的识别准确率达到98.1%,表明所提方法有着较好的稳定性和鲁棒性。