基于一维距离像的抗箔条干扰算法研究

对箔条进行有效识别是对抗雷达箔条干扰特别是冲淡式干扰的关键。阐述了箔条干扰的原理,分析了舰船和箔条一维距离像的波形稳定性、距离像分布及相邻距离像相关性等差异,提取了距离像峰值点位置熵、距离像分散性以及相邻距离像相关系数三个目标特征,构造了BP神经网络识别器并完成了相应的参数设计以实现目标识别。利用真实数据进行了舰船和箔条的目标识别实验,结果表明该算法识别率高,收敛速度快,便于工程实现,具有较强的应用价值。     

基于多核DSP激光成像雷达数据处理系统

采用多核DSP设计了一个用于地面目标检测的激光雷达实时图像处理系统。在详细分析算法各模块资源消耗量的基础上,完成了硬件电路设计,实现了以主辅拓扑结构为框架的软件并行处理系统开发。在系统实现时,先将图像进行分区,并合理地将分区后的图像分配到四个DSP核中进行处理。最后,将并行系统进一步扩展到双核和六核,并与单核系统进行性能比较。对算法运算时间的测试结果表明,系统处理一帧图像仅需50 ms达到了实时性要求。结果表明,对于固定负载的处理系统,单纯地通过增加并行的核数来提高加速比的幅度是有限的。当增加并行的核数已不能明显地提高计算效率时,在系统设计中应着重减少每个核串行运算的负载量。     

USB2．0在DSP调试系统中的应用设计

为了实现DSP调试系统中数据和指令在DSP和主机之间的传输,利用EZ-USB FX2芯片,设计了一个满足DSP调试系统应用需求的数据传输系统。重点介绍了FX2芯片结构和Slave FIFO,并进一步给出了硬件电路、USB固件程序、驱动程序以及主机应用程序的设计方法。实践结果表明,该系统运行稳定可靠,具有较高的应用价值。     

采用投影轮廓特征的激光雷达快速目标识别

激光雷达可以获得目标的三维形状信息,已成为目标识别领域新的研究热点。针对传统匹配识别算法计算量大的问题,提出了一种快速的激光雷达目标识别方法。采用由粗到精的策略,提出了一种新的点云正交投影轮廓特征(PCF)实现模型的快速预选,在此基础上利用迭代最近点(ICP)算法将目标与模型点云精确匹配,并综合利用特征匹配和点云匹配信息构建相似性度量实现目标识别。采用25类地面装甲目标在96个不同视角下的点云数据进行实验,结果表明该算法的运算效率远优于逐一匹配法,且对目标姿态估计误差和目标遮挡具有很强的稳健性,具有较好的综合性能和应用推广价值。     

一种新的点云拼接算法

迭代最近点(ICP)算法广泛运用于三维点云数据的多视拼接,其精度和迭代收敛性严重依赖于待拼接数据的初始拼接位置,这就决定ICP只能是一个性能优越的精确拼接算法。粗拼接算法旨在为ICP提供一个良好的初始拼接位置。基于信息论中熵的概念,分析了点云的空间分布规律与所处位置的关系,在此基础上提出了一种新的粗拼接算法—迭代最小空间分布熵法。实验表明,该算法有效可行,可以提供很好的初始拼接位置,在误差允许范围内,该算法可以直接实现点云拼接。     

基于投影分布熵的多视点三维点云场景拼接方法

多视点三维点云场景拼接是解决激光三维主动成像目标自遮挡或被遮挡情况下目标数据不完全问题的一种有效方法,它将直接影响到后续的目标检测与识别处理。通过点云投影分布熵对场景独立坐标系进行估计,由此计算待拼接场景之间的空间变换参数,最后通过退火最近点迭代(ICP)方法,实现多视点场景的精确拼接。仿真实验结果表明,此方法是一种有效可行的方法。     

基于点云-模型匹配的激光雷达目标识别

为实现激光雷达自动目标识别,本文给出了一种基于点云模型匹配的方法。将点云进行三视投影,对投影点云进行二值化处理得到二值图像,采用Sobel算子和Hough变换提取点云轮廓边界及获得边界直线参数,然后以投影点云轮廓信息为约束提取包围矩形,完成目标姿态估计和几何特征提取。在此基础上以点云到CAD模型面元的欧氏距离最小为优化目标,采用单位四元数法计算点云与模型之间的刚体变换,通过迭代实现点云和候选目标CAD模型的匹配,并以归一化平均欧氏距离作为相似性度量完成目标识别。采用五种地面装甲目标在不同激光雷达视角下的点云进行目标识别实验,统计结果表明目标类别的正确识别率为100%,目标型号的正确识别率大于91%,因而本文方法具有较好的识别性能和较高的应用价值。     

基于Link口和USB的数据传输设计

为了满足多DSP软件调试系统中DSP和上位机之间的数据传输需求,以FPGA作为时序控制,采用Link口和USB2．0接口完成了数据传输设计。多个DSP之间以及DSP和FPGA之间采用Link连接,FPGA和上位机之间采用USB2．0连接。重点介绍了系统组成,完成了芯片选型、Link口和FX2芯片时序设计,并给出了固件程序、驱动程序和应用程序的设计方法。该系统工作稳定可靠,使用方便灵活,能很好地完成ADSP-TS101与上位机之间的数据通信。     

激光雷达目标三维姿态估计

针对现有激光雷达目标姿态估计算法对遮挡较为敏感的问题,提出了一种新的三维姿态估计算法.分析了现有算法的内在本质和地面装甲目标固有的表面结构特性,提出了投影点云密度熵(PDE)特征,研究了PDE特征与目标姿态的内在关系,给出了对目标点云迭代地进行旋转投影并寻找PDE最小值以实现三维姿态估计的方法.采用25类地面装甲目标的激光雷达点云数据进行仿真实验,分析了自遮挡、遮挡以及噪声下的估计性能,讨论了参数选择对估算结果的影响.实验结果表明,本文方法在自遮挡下的估计误差小于3°,在遮挡率达到80％时的估计误差小于10°.实验显示,本文方法对遮挡和噪声具有很强的稳健性,且收敛迅速,能很好地实现激光雷达目标三维姿态估计.     

几何属性引导的三维语义实例重建

目的 语义实例重建是机器人理解现实世界的一个重要问题。虽然近年来取得了很多进展,但重建性能易受遮挡和噪声的影响。特别地,现有方法忽视了物体的先验几何属性,同时忽视了物体的关键细节信息,导致重建的网格模型粗糙,精度较低。针对这种问题,提出了一种几何属性引导的语义实例重建算法。方法 首先,通过目标检测器获取检测框参数,并对每个目标实例进行检测框盒采样,从而获得场景中对应的残缺局部点云。然后,通过编码器端的特征嵌入层和Transformer层提取物体丰富且关键的细节几何信息,以获取对应的局部特征,同时利用物体的先验语义信息来帮助算法更快地逼近目标形状。最后,本文设计了一种特征转换器以对齐物体全局特征,并将其与前述局部特征融合送入形状生成模块,进行物体网格重建。结果 在真实数据集ScanNet v2上,本文算法与现有最新方法进行了全面的性能比较,实验结果证明了本文算法的有效性。与性能排名第2的RfD-Net相比,本算法的实例重建指标提升了8%。此外,本文开展了详尽的消融实验以验证算法中各个模块的有效性。结论 本文所提出的几何属性引导的语义实例重建算法,更好地利用了物体的几何属性信息,使得重建结...