基于深度学习的飞行器姿态分析研究

在分析运动物体姿态的任务中,分析算法的精度与速度十分重要。以飞行器作为研究对象,提出一种基于深度学习的姿态分析算法,提高算法精准度并缩短训练时间。该算法首先采用改进的级联卷积网络框架,对二维图像中目标物体的关键点实现精准定位,其次选用BP神经网络对姿态角进行回归训练,将关键点坐标作为模型输入,姿态角作为模型输出标签。试验结果表明,在设计的姿态分析算法中,其预测的飞行器姿态角的平均绝对误差可控制在0.6°～1.6°,约有98.91%样本的预测姿态角与真实姿态角的绝对误差可控制在3°以内,相比于传统的姿态分析算法,具有更高的识别率及较低的训练速度。     

基于单片机和GSM模块的密码锁报警系统

本设计提供了一种电子密码锁与GSM模块相结合的设计方法。基于51单片机的电子密码锁报警系统,由STC89C51单片机系统,存储芯片24C02C,、4×4矩阵键盘、报警系统等组成,可提供读写,修改密码,报警等功能。GSM模块连接于报警密码锁,便于报警的同时向预存号码发送短信,告知失主。本设计安全可靠性高,成本功耗低。     

提高仿生复眼定位精度研究

自然界中昆虫复眼的定位属于视觉定位技术的一种,其具有的大视场、小体积、高灵敏度的特点,满足了诸多场合对定位装置的要求。参照昆虫复眼研制的新型仿生复眼系统由复眼球壳、微透镜阵列、弯月折转透镜和大面积CMOS相机等组成,为实现复眼系统定位功能,需要先完成系统标定工作。针对系统标定过程中存在的图像光斑中心定位精度不足的问题,提出了基于能量对称的光斑中心定位算法,该算法首先需要完成复眼各子眼通道成像的传感器辐射响应标定,再根据能量对称的原则提取光斑中心坐标。并对该算法的定位效果进行试验验证。为了验证改进方案对复眼系统目标点定位精度的提升效果,在复眼系统60°视场内进行目标点定位试验,试验结果表明,方案改进前后整体角度误差最大值从4.92mrad降低到4.23mrad,定位精度提升约14%,表明改进方案对复眼系统定位精度起到了较好的提升效果。