排序方式: 共有6条查询结果,搜索用时 15 毫秒
1
1.
2.
3.
4.
5.
无人机进行红外舰船目标侦察时,检测算法对检测正确率的影响很大。为增强无人机红外光电载荷对舰船目标的检测能力,提出采用支持向量机(Support Vector Machine, SVM)进行候选区训练的检测算法,以提高目标检测的正确率。通过预先对候选区的特征进行训练,得到候选区的分类数据。在检测阶段,加载训练时得到的候选区分类数据,分类筛选出更可能包含目标的候选区,从而提高目标检测的正确率。验证实验中,选用368张无人机拍摄的长波红外图像作为训练数据集图像,另外选择139张图像作为测试图像。分别采用带候选区训练的方法和无候选区训练的方法做目标检测实验。检测结果表明,采用带候选区训练的检测方法比采用无候选区训练方法时平均检测正确率高14.6%。 相似文献
6.
微机电惯性测量单元(MEMS-IMU)具有尺寸小、重量轻、成本低、可靠性高等优点,在机器人、虚拟现实以及智能穿戴等诸多领域广泛应用。低成本的微机电惯性测量单元在使用过程中受噪声和零偏误差等影响,需要通过测试和误差补偿手段来提高其实际使用精度。本文提出了一种全面测试和补偿惯性测量单元误差的方法,通过建立MEMS-IMU的误差模型,使用优化方法标定误差模型中的系统误差参数;使用Allan方差分析方法确定随机误差参数;基于上述结果,采用与视觉融合的非线性优化方法在线实时估计并补偿零偏,最终达到提高定位精度的目的。通过实验分析,上述组合方法不需要使用专门测试标定设备,能够有效补偿低成本微机电惯性测量单元的误差,提高定位精度。 相似文献
1