基于密集连接与特征增强的遥感图像检测

遥感技术的快速发展使得遥感图像检测技术广泛应用于军事、农业、交通、城市规划等多个领域。随着遥感分辨率和数据体量的不断提升,通过人工处理数据的方法已经无法满足实时性需求,因此,实现高效、精准的自动化数据处理方式成为该领域的研究热点。针对遥感图像分辨率高、背景复杂、目标尺度小等特点,提出一种改进的YOLOv3算法,用以提升遥感图像的检测效果。在原始YOLOv3算法的基础上,使用改进的密集连接网络替换原有的DarkNet53作为基础网络,以提升网络输入和预测结果的尺度多样性。通过阀杆模块降低输入损失,同时在浅层特征图中加入特征增强模块,从而丰富特征图的感受野,强化网络对浅层特征信息的提取,在保证整体检测性能的同时使网络对遥感图像中、小目标的检测精度和鲁棒性均有所提升。在遥感图像数据集上进行多组对比实验,结果表明,相比原始YOLOv3算法,该算法的平均准确率提高9.45个百分点,在小尺度目标上的检测准确率提升更显著,达到11.03个百分点,且模型参数量得到有效缩减。     

基于光流传感器和惯性导航的全向移动平台双闭环控制研究

以实现全向移动平台的位姿控制为主要研究目的。在位姿获取上,采用光流传感器和惯性导航获得了位姿信息;在结构和控制上研究了四轮麦克纳姆轮的全向移动平台结构及其位姿解算,分析了获得车辆转角和位姿双闭环PID控制规律。通过Simulink仿真建立上位机实时获取传感器数据研究了各个传感器在不同条件下的数据变化情况和双闭环控制的参数调节问题,以寻找最佳的控制参数。