用于半标定图像极线校正的误配剔除方法

针对半标定图像的极线校正问题,结合图像特征点的尺度和主方向性质,提出一种新的误配剔除方法。根据全局的缩放和旋转约束对误配点进行粗剔除,结合特征点的尺度、主方向和空间布局信息对剩余的误配点进行精剔除,使得到的精确匹配点满足极线约束。根据此约束,利用最小二乘方法估计未标定参数,并将半标定的图像极线校正转换为已标定的图像极线校正。实验结果表明,该方法生成的校正图像对精度较高,图像变形较小。     

约翰逊噪声精确测温系统的虚拟仪器实现

研究了一种利用约翰逊噪声进行测温的方法,即采用测量器件内部热运动引起的约翰逊噪声的方法来实现温度值的测量;分析了在采集、传输约翰逊噪声电压信号过程中消除各种外部干扰的信号处理问题,提出了采用间接互相关分析法来降噪的方法,以提高测量精度并实现温度信号的精确测量;结合虚拟仪器技术,构造了不需要周期性标定的能实现无人值守运行的高精度温度测量系统,解决了在恶劣环境中的温度测量难题。     

具有温度自补偿功能的高分辨力倾角传感器的设计

基于微加速度倾角测量原理,研制了一种高分辨力数字式倾角传感器。针对温度漂移现象,采用MSP430微处理器和DS18B20温度传感器进行了温度补偿智能化设计。针对嵌入式单片机编写了实时IIR数字滤波算法,有效抑制高频振动噪声干扰。通过分段线性化标定的方法,对传感器进行零位设置和倾角标定。实测结果表明:传感器倾角测量精度可达0.001°。     

一种强噪声背景下图像标定符号的定位方法

图像中标定符号的定位与识别是进一步计算数字图像对应的空间距离的依据。本文应用Hough变换对图像标定符号进行定位,克服了强噪声背景下单独采用灰度特征定位的缺陷。定位后对图像进行分割,并与传统方法比较。实验证明,本方法对在图像中所占比例较小的标定符号有较好的定位效果,并结合标定符号的灰度特征对强噪声背景下的标定符号进行准确分割。     

基于HEIV模型的摄像机一维标定

多摄像机系统广泛应用于文化创意产业,其高精度标定是迫切需要解决的一个关键问题. 新近出现的摄像机一维标定方法能够克服标定物自身遮挡,特别适合标定多摄像机系统. 然而,现有的摄像机一维标定研究主要集中在降低一维标定物的运动约束,而标定精度较低的问题未受到应有的关注. 本文提出一种基于变量含异质噪声 （Heteroscedastic error-in-variables,HEIV）模型的高精度摄像机一维标定方法. 首先,推导出摄像机一维标定的计算模型;其次,利用该计算模型详细分析了一维标定中的噪声,得出摄像机一维标定可以视为一个HEIV问题的结论;最后给出了基于HEIV模型的摄像机一维标定算法. 与现有的算法相比,该方法可以显著改善一维标定的精度,并且受初始值影响小,收敛速度快. 实验结果验证了该方法的正确性和可行性.     

基于改进的SUSAN法的摄像机线性标定方法

设计并实现了一种考虑径向畸变的逐步线性摄像机标定方法。结合边缘检测，缩小了SUSAN法检测角点的范围，并利用角点的邻域特征，剔除伪角点，从而提高了SUSAN法角点检测的速度和准确度。利用此改进的SUSAN法精确提取方格模板角点的亚像素坐标，并通过预标定获得主点坐标；然后在考虑摄像机径向畸变的情况下建立摄像机模型，并求解摄像机内外参数。最后通过实验及误差分析表明，本标定方法具有较高的精度和较好的实时性。     

基于无迹卡尔曼滤波的机器人手眼标定

提出一种基于无迹卡尔曼滤波(UKF)的机器人在线手眼标定算法来求解齐次变换矩阵方程AX =XB.建立手眼标定的隐式马尔可夫模型(HMM),并对它进行无迹卡尔曼滤波,从而对标定参数的状态进行递归贝叶斯估计和实时可视化处理.蒙特卡洛仿真结果表明,在小高斯噪声、较大高斯噪声以及非等方向性高斯噪声模型下,本文算法估计结果的精确...     

1000~1900 K范围内TDLAS测高温标定方法设计及实验验证

针对航空发动机对燃烧尾焰温度测试的需求，开展基于吸收光谱原理的可调谐半导体激光器吸收光谱(TDLAS)测温系统研究。在实验室环境中采用辐射升温法创造高温气体恒温区，完成温度标定系统及标定流程设计。根据TDLAS测温系统1000~1900 K温度范围的温度标定，对比分析各个温度点标定过程中信噪比的变化过程，证实了标定方法的可行性。对标定过程中信噪比恶化提出修正措施。     

激光扫描数据的脉冲噪声过滤

在分析冯雷的算法和移动最小二乘中位数法(MLMS)的基础上，提出一种能有效剔除脉冲噪声的算法．该算法利用统计学方法中的数据统计特性和噪声统计特性来解决脉冲噪声过滤问题．实例测试结果表明，该算法能在去除脉冲噪声和保留有用数据点之间取得良好的均衡．     

基于近邻距离的大规模样本集去噪与减样

在分析传统样本缩减方法局限性的基础上,提出一种距离模型及样本的类内距离和类间距离的度量方法。给出利用该距离模型进行噪声识别和样本重要性评价方法及训练样本的缩减算法。该算法剔除噪声样本,根据样本相似性、类间距离和周围被剔除样本的数目,直接从原始样本空间剔除次要样本。仿真结果表明,该距离模型偶然性小,抗噪能力强,缩减效果优于传统的样本缩减方法。