一种基于双目视觉的卫星相对位姿测量方法

卫星位姿测量技术是与航天飞行器相关的空间操控活动中一项核心的支撑技术.考虑到太空环境中光源单一，且卫星表面一般为反光材质，提出了一种基于双目视觉的卫星相对位姿测量方法.在卫星面板标志点可见时，本文方法利用卫星对接环外环和卫星面板标志点测量卫星相对位姿.在卫星距离对接目标较近，无法观测到卫星面板标志点时，本文方法利用ORB特征点匹配测量位姿.为了增强鲁棒性，本方法还利用光流追踪法和卡尔曼滤波器优化位姿测量的结果.仿真实验结果表明，本方法能够在光源单一背景下对任意种类的卫星在对接过程中进行准确的位姿测量.     

基于双目视觉的多型号电连接器检测技术

通过双目视觉平台捕获图像反馈PC机，采用基于支持向量机（SVM）的机器学习方法对目标进行分类。判定型号并为每个型号加载图像处理检测方案及参数矩阵，实现电连接器针脚的柔性定位预处理，之后执行针顶轮廓的精确拟合算法，结合插针排列模版实现其三项检测工作。最后，通过实例验证与重复精度实验，结果表明本文方法具备面向多型号的柔性检测能力，并且稳定性，精度，效率满足低频连接器的检验要求。     

套索驱动柔性细长机器人视觉运动系统建模与分析

运动和感官进程之间紧密的相互作用,是生物视觉系统进行目标距离估计和观察周围环境的重要特征.为了建立适合套索驱动柔性细长机器人视觉系统模型,分析了通过生物眼球运动策略,以获得准确距离估计和环境信息的机理.此外,探讨了在摄像机系统中通过模拟生物眼球运动策略进行距离估计和周围环境观察的可能性,以及通过纯机械方式,模拟基于Listing法则眼球扫视运动的可能性.最后,提出Listing平面应是套索驱动机器人视觉测量和空间姿态控制结合点的观点.     

大型客机CAT Ⅲ级自动着陆机载设备需求

CAT Ⅲ自动着陆在恶劣天气进场着陆时具有较高的安全性和可靠性,对此类运行机载设备的研究具有重要的意义.本文首先从基本概念及原理出发介绍了进场着陆等级的划分、故障一性能下降和故障-工作两类自动着陆系统以及完成自动着陆的机载自动飞行系统及设备,然后指出决断高度DH和跑道视程RVR对CAT Ⅲ自动着陆机载设备的限制,最后介...     

基于改进DeepSORT的视觉/激光雷达目标跟踪与定位方法CSCD

通过结合目标跟踪与相对定位,在对多帧检测目标进行关联与分析的同时,可以获取其三维信息。但当目标外观特征变换较大时,传统目标跟踪算法较易发生漏匹配或身份变换,而仅依靠对齐点云的相对定位算法较易出现定位失效的情况。针对以上问题,提出了一种基于改进DeepSORT的目标跟踪与定位方法在原始DeepSORT算法中加入基于位置约束的匹配,解决了因外观改变导致的漏匹配问题;在获取跟踪信息的基础上,设计了基于目标运动模型的相对定位方法,解决了图像中目标较小时相对定位不连续且定位精度较低的问题。试验结果表明,与传统DeepSORT算法相比,多目标跟踪准确度提高了5.9%;与仅依靠对齐点云的相对定位算法相比,定位精度提高了62.4%。     

神舟八号飞船交会对接CCD光学成像敏感器

介绍了CCD光学成像敏感器的功能和组成,以及低噪声视频电路、高速数据处理平台、抗杂光干扰算法、杂光干扰地面试验验证方法等关键技术,并给出了相关测试结果.实际飞行结果表明,CCD光学成像敏感器相机各项指标满足任务书要求,在最后的对接段最远测量距离达164m,位置测量精度优于2mm,滚动轴姿态测量精度优于0.03°,横轴姿态精度优于0.1°,位置和姿态测量精度超过了世界先进水平.     

民工短缺:基于博弈策略模型的研究

以博弈论为分析工具，通过构建民工与雇主博弈的策略模型，阐释民工短缺现象产生的内在机理。在此基础上，结合现实情况，分析了货币性因素和非货币性因素对民工策略选择的双重影响。由于宏观政策调控，务农的比较效益上升，这使相当一部分民工觉得打工已“得不偿失”；而非货币性因素在新一代民工中所占的比重越来越大，一旦出现触发因素，它也是一种能够左右民工策略选择的力量。近年来民工出现的回流现象，正是市场机制按供求规律自动调整的结果。     

粮食安全价值链及实现方式探析

运用价值链分析方法，提出了粮食安全价值链的概念和基本结构，从识别价值链、识别成本动因、识别战略环节等方面探讨了粮食安全价值链的分析方法，将粮食安全价值链的活动分为三种类型：即公共提供型、混合提供型和市场提供型，并提出了相应的实现方式。     

Drogue detection for autonomous aerial refueling based on convolutional neural networks

Drogue detection is a fundamental issue during the close docking phase of autonomous aerial refueling(AAR). To cope with this issue, a novel and effective method based on deep learning with convolutional neural networks(CNNs) is proposed. In order to ensure its robustness and wide application, a deep learning dataset of images was prepared by utilizing real data of ‘‘Probe and Drogue" aerial refueling, which contains diverse drogues in various environmental conditions without artificial features placed on the drogues. By employing deep learning ideas and graphics processing units(GPUs), a model for drogue detection using a Caffe deep learning framework with CNNs was designed to ensure the method's accuracy and real-time performance. Experiments were conducted to demonstrate the effectiveness of the proposed method, and results based on real AAR data compare its performance to other methods, validating the accuracy, speed, and robustness of its drogue detection ability.