基于置信滤波的激光雷达多目标检测方法

针对激光雷达在复杂场景中检测多目标时所遇到的传感器本身数据抖动、目标相互遮挡导致目标检测准确率不高的问题,提出了一种基于置信滤波的多目标检测方法。本方法将Velodyne点云数据投影到地面,使用置信滤波方法将聚集区域边缘的不稳定栅格滤除,并将栅格分为动态与静态两类。最后使用改进的DBSCAN聚类算法,对动、静态栅格进行聚类处理,得出运动目标与静态目标。实验结果表明:该方法能够较大地提高对复杂场景下多目标的检测准确度,是一种高效的激光雷达多目标检测方法。     

基于局部异常因子算法的三维声纳单帧重建研究

海洋环境的复杂性会使三维声纳获取到的点云中存在异常点,从而影响点云的后期处理和可视化。将获取到的声纳数据依次进行三维波束成像、最大值滤波和坐标系转换,进而得到原始点云。提出将局部异常因子(LOF)算法应用到点云去噪、剔除干扰的异常点,并用一种改进三角网生长方法进行单帧重建。改进三角网生长法简化了三角网生成中关键的“第三点”搜寻过程,通过实际数据处理分析得知：相比于传统阈值去噪方式,基于LOF算法的去噪方式能够在保持目标真实轮廓的前提下有效剔除非目标点;经过所提去噪方式的声纳数据能够得到更贴合实际目标轮廓的三维重建结果。     

基于耦合去噪算法的航空发动机中Si3N4圆柱滚子表面缺陷的检测方法

为解决基于机器视觉的传统单一图像去噪算法对混合噪声信号处理效果不佳,导致不能有效地检测识别航空发动机中应用的Si3 N4圆柱滚子表面缺陷问题,提出一种基于改进的耦合去噪算法与多尺度阈值分割算法相结合的视觉检测方法.通过优化的小波阈值去噪算法与改进的中值滤波算法相耦合方法对Si3 N4圆柱滚子的表面缺陷图像进行去噪处理,...     

一种改进的小波阈值降噪算法研究

小波阚值降噪是一种从带噪信号中去除噪声的直观而有效算法,提取降噪后信号的目标特征可以获得良好的识别效果,舰船目标识别通常使用该方法。论述了基于Stein的无偏估计原理的自适应小波降噪阚值选择(rigrsure)算法,利用小波变换分解低信噪比下的Block信号,使用rigrsure算法获得重构后的低频信号和各层细节信号小波降噪阈值。提出了一种改进的处理各层信号的算法,对Block信号去噪,取得了良好的仿真结果,具有很好的工程应用前景。     

高光谱-激光共光路联测设计与试验

为解决同时对空中、地面和水下等目标进行精确的距离、方位和光谱属性探测问题,提出了高光谱-激光雷达共光路探测原理和计算模型,以及原理样机设计方法,并进行高光谱-激光雷达共光路探测试验。试验生成了高光谱与激光雷达合成数据,每个点具有坐标信息和光谱信息,对合成前后数据进行对比,可以实现对不同目标识别伪装,并对目标进行精确定位。试验结果表明,高光谱-激光雷达共光路联测方法具有可行性。     

BP神经网络结合粒子群优化卡尔曼滤波的MEMS陀螺随机误差补偿方法

针对微机电系统(MEMS)陀螺仪随机误差相对较大、影响其精度这一问题，提出一种基于BP神经网络结合具有量子行为的粒子群优化(QPSO)算法优化卡尔曼滤波(KF)的补偿方法。采集MEMS陀螺和转台数据作为样本，采用BP神经网络进行训练，建立误差模型；利用训练好的模型对MEMS陀螺进行误差补偿；利用QPSO算法优化KF,以达到更好的降噪效果。实验结果表明，该方法较BP神经网络优化KF、QPSO优化KF与变分模态分解结合小波阈值去噪等方法去噪处理后的平均绝对误差(MAE)和均方误差(MSE)更小，具有更好的降噪效果。     

动态环境下无人地面车辆点云地图快速重定位方法

无人地面车辆在战时全球定位系统定位信号缺失情况下,依靠车载传感器确定在已有地图中的位置是无人车辆发挥效能的关键。现有方法多基于二维栅格地图,难以适用于场景变化大的复杂环境,为此提出了一种动态环境下基于三维点云地图、采用聚类词带模型的快速定位算法。通过连续多帧激光雷达点云数据进行反向溯源,利用贝叶斯公式进行动态障碍物剔除,对点云进行聚类并提取各类的视点特征直方图描述子,进而构建词典与数据库并快速匹配,实现无人车点云地图中快速起始位置寻址;基于改进的实时激光定位与建图算法,完成了后续精准定位。实车实验结果表明：该算法在动态环境下能有效准确地在三维点云地图中精准定位,满足实时性需求。     

针对非合作目标的自适应网格聚类算法

武器系统的探测设备通常面对的是非合作目标,观测样本在特征空间中的分布形式难以预期,噪声、不规则的类簇形状以及差异化的类簇密度给聚类分析带来极大挑战。提出了一种自适应的网格聚类算法,该算法包括基于k-近邻方法的空间分辨率自适应网格化处理方法,以及基于自适应分水岭变换的类簇结构检测与划分方法。实现了对噪声以及密度差异极大类簇的自适应处理,同时保留了网格聚类方法对类簇形状不敏感、不需要类个数作为先验参数等优点。通过雷达、电子侦察以及复杂人造数据集的仿真,证明了该算法的有效性。     

基于小波变换的射弹序列图像混合噪声去噪

提出了一种基于小波变换的混合噪声去噪方法。首先对图像进行二维多尺度小波变换,得到低频子带图像和高频子带图像;然后对低频子带图像采用改进的邻域平均滤波进行去噪处理,对高频子带图像采用改进的小波阈值算法进行去噪处理;最后对处理后的各子带小波系数进行小波重构,得到降噪后的图像。结果表明,该算法在有效去除图像混合噪声的同时,较好地保留了图像边缘和细节。     

基于视觉的无人机着舰中红外合作目标的分割方法研究

针对基于视觉的无人机着舰中红外合作目标分割的需求背景,提出一种组合分割方法。相关研究发现随着待分割目标所占图像中比例变化,Otsu算法在分割时效果亦随之改变。当目标比例较小时可能会造成不同程度的误分割,而最大熵分割算法在实际处理中又含有较多噪点。本文首先根据图像的能量信息找出包含合作目标的感兴趣区域,同时在原图运用双Otsu算法进行分割,最后对两者的结果进行逻辑＂与＂运算得出最终分割结果。大量实验结果表明,本文的组合分割方法与Otsu算法和最大熵算法相比分割效果有明显改善。     

基于全卷积神经网络和点云的道路检测算法

传统利用视觉传感器进行道路检测的算法受到环境光影响明显,难以在实际驾驶环境进行应用.本研究基于全卷积神经网络和激光雷达点云提出了一种道路检测算法,通过将点云进行投影,栅格化计算统计学特征,将无序的点云转化为全卷积神经网络能够训练的数据,进而对车辆前方的道路进行检测.在KITTI数据集上的训练和测试表明,该算法在识别精度、计算耗时、感知范围和稳定性上能够满足对于车辆前方道路的检测要求,具有鲁棒性好、全天应用的特点.     

正态分布转换算法在声纳图像处理中的应用

根据声纳图像匹配处理的实时性需求,研究了正态分布转换算法。该方法基于对图像中目标点的概率分布进行匹配,不需要提取图像的几何特征或灰度特征,可有效缩短匹配时间。通过对均值滤波法、中值滤波法、小波去噪法、形态学平滑法4种图像去噪和迭代阈值法、最大熵法、一维Otsu法和二维Otsu法4种分割算法,进行仿真并对比,选出符合实时性处理的方法,即中值滤波法和一维Otsui法。基于美国德州仪器公司的数字信号处理芯片,将图像去噪、分割和匹配算法在硬件上实现,硬件实现结果和仿真结果一致,实现了声纳图像匹配的实时处理。     

越野环境下无人履带平台的道路可通行性分析

针对越野环境下道路特征模糊、地形复杂的问题,基于相机与激光雷达融合感知的方案,提出一种针对无人履带平台道路可通行性分析方法。基于图像语义分割获取语义点云,进行可通行区域的粗提取;利用三维点云描述地面几何特征,同时考虑履带平台的通过性约束,对道路的可通行性进行分析;生成包含道路表面属性和地面几何信息的三维可通行性栅格地图。所提方法对于平台可通行性的定义反映了平台-环境的强耦合关系。试验结果表明,算法能够在线稳定地建立可通行性地图,对平台规划控制具有良好的引导作用,有利于无人履带平台在复杂越野环境下的稳定通行。     

基于多线激光雷达的非结构化道路感知技术研究

为解决无人平台在越野条件下能够感知识别非结构化道路的问题,采用基于多线激光雷达的测距传感器检测技术,通过对激光点云数据做栅格化处理,并进行距地高度、高度差和梯度差等特征统计及聚类分析、目标跟踪,实现了对道路可通行区域、障碍物、坡道和动态车辆等的检测.结果表明,相比于相机,采用基于多线激光雷达的三维测距传感器检测技术,可以更直接地获取障碍物分布的位置信息,能够为无人平台的自主导航提供局部栅格地图.     

基于Kinect深度信息的室内分散障碍物检测

为解决盲人在室内环境下独自行动易受障碍物影响的问题,提出基于深度信息的室内障碍物检测算法.利用Kinect 2.0设备来记录室内环境的图像,根据采集的深度信息重建3维场景,获取相应的3D点云数据.结合随机采样一致性算法从点云中提取出地面.提取地面之后各障碍物分散于空间中各个位置,结合欧式聚类的方法对障碍物进行分割提取.实验结果表明:该算法能有效检测到室内多种障碍物,给予盲人精确有效的提示,有效地解决了传统方法易受光照影响,对于不同深度、倾斜和形状不规则的障碍物检测效果差,输出信息单一的问题.     

四种地面固定目标识别方法研究

首先简要阐述了模型基视觉法是基于知识的智能化识别目标的方法,然后以桥梁例比较详细地介绍了应用模型基视觉法解决目标识别问题的过程,包括:建立目标图像、确定预理方法、设计识别算法和提高识别算法的鲁棒性等。对四种地面固定目标识别研究的结果表明,型基视觉法是解决地面目标识别问题的有效方法。     

基于数据块特征的地面目标识别方法研究

光线变化常常改变图像数据块结构,导致图像匹配识别错误。文中分析了光线强弱对地面目标灰度变化影响,提出基于目标数据块特征的识别方法,将数据块目标分为反色或不反色两类,分别用Nprod匹配和特征识别方法识别两类目标,避免了光线变化对图像识别影响。实验表明,该方法能够克服光线变化影响,较好地识别地面不同类型目标。     

基于膨胀运算的移动对象兴趣点检测方法

针对传统兴趣点检测算法在准确性和效率方面的不足,提出基于膨胀运算的移动对象兴趣点检测方法（DMDO）。通过矩阵二值化操作滤除停留点噪声,提高预测准确率,并用膨胀运算替代传统方法中的聚类算法提高算法效率。将DMDO在开放空间数据集AMSA和IMIS3Days上进行仿真实验,结果表明：DMDO相比基于密度的空间聚类算法,在数据集AMSA上准确率平均提高17.94%,算法效率提高6.63倍;在数据集IMIS3Days上准确率平均提高19.98%,算法效率提高9.13倍;相比以聚类点排序结果确定聚类结构算法,DMDO在数据集AMSA上准确率平均提高20.04%,算法效率提高14.61倍;在数据集IMIS3Days上准确率平均提高16.60%,算法效率提高42.19倍;DMDO相比传统方法均表现出较高的预测准确性、较低的时间开销,适用于解决大数据背景下的移动对象兴趣点检测问题。     

基于EMD-DFA-小波阈值的MEMS陀螺信号去噪方法

针对MEMS陀螺仪输出信号中噪声较大的问题,提出了一种EMD-DFA-小波阈值去噪的方法。利用EMD理论将信号按照频率高低分解为若干IMF分量和余量,将DFA方法应用到噪声与信息主导的IMF分量临界点的判定中,并通过仿真实验证明了DFA判定方法的有效性。针对传统EMD去噪方法直接去除噪声分量导致的信号缺失等问题,采用小波阈值去噪法对噪声主导的IMF分量去噪后再与低频分量重构,最大程度地保留了有用信息。同时,对小波阈值去噪的核心步骤进行了改进:采用随分解尺度的增加而逐渐减小的动态阈值选取规则,最大程度上保留了各层的有用信号;对阈值函数进行了改进,既对较大的小波系数进行了收缩变换,又保留了较小的小波系数,使之兼顾软、硬阈值函数的性能。为验证提出方法的有效性,分别对仿真信号和实测MEMS陀螺仪数据进行了去噪分析,结果表明:和传统EMD去噪法相比,新方法去噪后的均方差降低了22%,信噪比提高了59%;和EMD-DFA-传统小波阈值去噪相比,均方差降低了12%,信噪比提高了13%。     

水下小目标声呐图像分割算法研究

为取得较好的水下声呐图像分割效果,提出了一种简单易操作的声呐图像分割算法。该方法根据水下声呐目标图像包含目标和阴影的特点,分别分割出目标和阴影图像;对两幅分割后的图像预处理后得到包含目标和假目标的图像,综合阴影和目标处理后图像去除假目标,得到真实的目标图像。根据真实图像验证了此算法的有效性。