基于多特征匹配的快速星图识别

随着星敏感器探测灵敏度的提高,导航星表中恒星的数量急剧增加,导致星图识别的识别速度和识别率降低。因此,为了提高星图识别的识别速度和识别率,文中在三角形算法的基础上提出了一种基于多特征匹配的快速星图识别算法。首先,采用天球的内接正二十面体法对预处理后的星表进行分区。然后,将特征三角形的边长以及外接圆和内切圆半径的乘积作为特征值构建导航特征库,并根据后者的哈希函数对特征库进行分块。在识别的过程中,利用观测三角形外接圆和内切圆半径乘积的哈希函数实现导航特征库子块的快速定位,并在该子块内采用多特征匹配的方法得到观测三角形的识别结果,最后根据该结果确定星敏感器视场所包含的天球子区域,并在子区域内完成视场中其它导航星的识别。实验结果表明,文中算法的识别性能与导航特征库的分块数有关,在选择合适的分块数后,与常用三角形算法相比,算法在识别速度,识别率以及对星等误差和假目标的鲁棒性等方面具有明显的优势,算法的平均识别时间和识别率分别为17.161ms和98.58%,满足星敏感器对高识别速度和识别率的要求。     

基于飞腾DSP的多视场星敏感器信息处理系统设计

星敏感器是自主导航姿态控制系统中的重要组成部分之一。作为星敏感器的核心部件,信息处理系统对其整机性能有重要影响。基于飞腾多核DSP+复旦微FPGA架构设计了一种全国产化多视场星敏感器信息处理系统。在设计中采用EMIF接口和GPIO接口与复旦微FPGA进行数据交互及控制,将2片串行 Flash用于存储星库数据和启动程序,将2片DDR3芯片用于缓存数据。详细介绍了信息处理系统的整体软件流程设计、算法流程设计及实现。经试验验证,该系统可稳定运行并输出正确姿态。在星图分辨率为2048×2048的情况下,系统无初始指向时的数据更新频率为20Hz,有初始指向时的数据更新频率为625Hz。运算性能约为普通ARM架构的3倍,对于提升多视场星敏感器的实时性、丰富其工程化实现方法具有重要意义。     

基于人工智能的足迹识别与特征提取

针对战场感知及侦破现场中传统人工主观经验检验与识别模式误差较大的问题,提出了一种基于人工智能的足迹识别与特征提取方法。采用三维形貌重构系统进行足迹图像采集,并将数字图像处理算法与传统足迹检验法结合,提取足迹的区域关系特征和形状长度特征,进而采用支持向量机的模式识别方法对提取的特征进行立体足迹身份鉴别对比实验。实验结果表明,所提方法准确率超过人工鉴别准确率,达到99.1%,可应用于战场感知及侦破现场足迹准确检测与识别,也可推广应用于人体身份鉴别的相关领域。     

An attitude tracking method for star sensor under dynamic conditions

The tracking performance of star sensor degrades seriously under dynamic conditions. To improve the tracking accuracy and efficiency, an attitude tracking method based on unscented Kalman filter (UKF) and singular value decomposition (SVD) is proposed in this paper. The star sensor is modeled as a nonlinear stochastic system, the state of which is attitude quaternion. The quaternion can be estimated by UKF, then the predicted attitude and corresponding star positions are obtained. To ensure the stability of attitude tracking, SVD is applied to obtain the sigma points in UKF continuously. The experimental results indicate that the proposed method yields high accuracy and efficiency in attitude tracking. This method provides a practical approach to ensure the tracking performance of star sensor under dynamic conditions.     

靶场测量中跟踪目标的多尺度多级模糊聚类分类算法

靶场测量中的连发弹目标数量较多,需要对此目标进行分类跟踪,文章提出了一种多尺度多级模糊聚类的分类算法,首先对靶场测量中的多连发目标的特性进行分析,定义了3种不同的类目标群序列,其次针对模糊聚类算法必须先验确定聚类初始点以及聚类中心的缺陷,在此基础上加入尺度因子,并根据目标群的位置信息以及运动方向信息进行多级聚类,最后通过多次聚类实验证明分类结果能够满足靶场测量中的多连发目标的分类要求.     

采用稀疏表示的红外图像自适应杂波抑制

针对红外图像中弱小目标的检测问题,提出了一种基于图像稀疏表示的自适应杂波抑制方法.首先,采集500帧红外图像样本,通过训练学习构造包含图像各个层次结构特征的多成分超完备字典;然后,通过红外图像的协方差自适应地选择与图像子块对应的超完备字典对图像进行稀疏表示,利用匹配追踪算法得到子图像在超完备目标字典下的最佳表示系数;最后,根据表示系数以及对应的原子向量对图像子块进行重构,从而得到突出红外小目标的高信噪比重构图像,实现杂波抑制.不同环境下的多项实验表明,该算法可在复杂背景下自适应地抑制杂波,提高图像的信噪比;通过简单的阈值分割可以分开目标和背景,为之后的目标检测处理奠定基础.得到的性能评价指标显示:本算法计算量较小,实时性较强,鲁棒性较强,易于硬件实现.     

高灵敏度EMCCD导航相机的设计

导航相机是深空探测领域中关键的导航敏感部件,本文通过提高导航相机的灵敏度来提高导航相机的综合性能,特别是提高时间分辨率,解决高动态条件下的目标探测问题。首先,根据导航相机的工作模式和EMCCD的性能特点,分析了影响导航相机成像质量的多个因素,建立了目标信噪比理论分析模型;然后,在理论计算基础上,重点研究EMCCD导航相机的样机设计技术,说明了EMCCD高频高幅驱动、模拟前端设计、TEC真空制冷、时序控制与数据处理等关键技术的实现方法;最后,介绍了相关实验工作,并分析实验数据。实验结果表明:样机最大目标信噪比在倍增增益M=10时达到68.6dB,在口径13mm条件下,可在积分时间1ms内实现对月球成像。基本满足深空探测导航相机高动态条件下短积分时间成像的要求。     

光学动作捕捉中缺失标记重建方法研究

光学动作捕捉技术是一种常用的动作捕捉方法,目前已经在各个行业内广泛应用.尤其是在体育竞技领域,已经成为了不可或缺的训练辅助手段.在光学动作捕捉中,最常见的问题是缺失标记,可能由外部遮挡、身体自遮挡或信号丢失等原因造成.对于缺失标记问题,在以往的研究中要么需要舍弃缺失的标记,要么需要大量后处理工作来恢复缺失标记.针对这种情况,本文提出一种用于光学动作捕捉中缺失标记的重建方法,该方法使用卡尔曼滤波框架,结合运动数据来预估缺失标记点的位置,实时重建人体运动模型.实验结果证明该方法能够快速有效的恢复缺失标记,重建人体运动.     

采用多经纬仪的红外多目标实时跟踪系统设计

针对靶场测量中包含较多目标的跟踪且目标容易丢失问题,提出一种多经纬仪、大视场的协同跟踪系统。该系统拟以Xilinx公司的Virtex5系列FPGA与TI公司TMS320C6455型高速DSP为核心处理器,采用一片FPGA作图像拼接融合决策器控制两台经纬仪达到扩大视场的目的。依据主视场得到目标俯仰方位以及灰度等特征,由决策器控制分视场对丢失目标进行协同跟踪,并将两台经纬仪的图像进行拼接融合,达到大视场、多目标实时跟踪的目的。通过具体实验表明,该系.统适用于目标分散、目标涵盖区域较广的多目标跟踪问题,在分辨率640×512、镜头焦距220mm条件下,单个经纬仪可获得方位2°,俯仰2.5°的视场。本系统能达到的视场为方位3.6°,俯仰2.5°,跟踪效率高且能满足系统实时性的要求。     

基于NIOSⅡ的红外弱小目标检测算法实现

介绍了基于可编程片上系统SOPC技术的图像处理系统的软硬件设计,系统采用FPGA作为视频信号采集控制模块,利用FPGA内建NIOSⅡ软核微控制器作为图像处理单元。针对天空背景下红外弱小目标,提出了一种基于形态学和仿生学相结合的图像预处理算法,该算法在基于数学形态学滤波的基础上利用人眼固视微动辨别信息的原理对图像进行背景抑制和目标增强;采用自适应阈值分割法确定目标。硬件实验结果表明系统实时性好,图像处理效果良好,目标检测率高,验证了预处理算法的有效性和实时性。