基于MEMS激光雷达的车辆目标识别算法

针对传统线阵激光雷达对地面目标识别准确率低的问题,设计一种基于MEMS激光雷达推扫成像点云识别算法。引入直通滤波和栅格分割算法缩减原始点云数据,有效提高算法的运算速度。结合MEMS激光雷达点云有序化处理方法,提出基于数学形态学的点云聚类算法,将去除地面后的点云分割为相互独立的点云簇。在此基础上使用自适应阈值的分布直方图去噪算法,去除点云簇周围的离群噪点。设计多特征复合判据,直接处理聚类去噪后的三维激光点云,实现对目标的准确识别。分析典型实验条件下的数据处理结果,识别准确率达到了94.9%,表明该方法具有良好的泛化能力和准确性。     

改进的Roberts图像边缘检测算法

针对复杂背景下图像边缘检测中存在抗噪性能不强、边缘不连续等问题,提出了改进的Roberts边缘检测算法。该算法采用3×3邻域代替Roberts算法中2×2邻域来计算梯度幅值;并利用图像块之间相似性的三维块匹配的去噪模型,提高Roberts算子的检测精度和抗噪性能;通过最佳阈值迭代方法代替人为指定阈值来获取最佳分割阈值,有效地提取图中目标轮廓。仿真实验结果表明,该算法PSNR达到33dB左右,比抗噪形态学边缘检测算法和一种改进的Roberts和灰色关联分析的边缘检测算法抗噪性能好,在抑制噪声干扰的同时,能保留边缘信息,较好提取目标的整体轮廓信息,为后续目标识别奠定基础。     

基于kinect传感器的物体三维重建

随着计算机视觉的发展及深度传感器的出现,基于kinect传感器的物体三维重建技术得到了广泛的研究。针对现有的基于kinect传感器的物体重建算法需要将待重建物体置于转台并随转台转动的局限性,提出了一种通用的基于kinect传感器获取的物体彩色和深度图像完成物体三维重建的方法,对深度图像进行预处理以平滑噪声并获取三维点云,提取彩色图像匹配点并根据彩色图像特征点与三维点云之间的关系得到三维特征点,并通过SVD方法完成点云初始配准,然后利用改进的ICP算法完成点云的精确配准,得到物体表面的三维点云,重建出物体的三维模型。实验结果表明,该方法能有效去除深度图像的噪声,并对各个视角下的点云数据进行精确配准,完成物体的三维重建并得到较好的重建效果。     

基于激光雷达距离图像信息的三维重构技术

摘要：为了得到目标物体的几何信息,提出一种利用距离数据对物体表面进行三维重构技术。将激光雷达扫描 的平面二维数据点转化为三维数据,根据激光雷达逐行扫描特点,对点云数据采用三角网生成法,得到三维网格, 并采用C++语言和OpenGL 在VC++6.0 编译环境下对其进行了验证。实验结果证明：该方法能有效地对采集的距离 数据进行重构,可以得出三维图形。     

基于PCA的反辐射导弹激光引信目标识别方法

为了满足空舰反辐射导弹激光引信对舰载雷达目标的识别要求,通过建立舰载雷达目标三维模型,运用激光仿真软件获取雷达目标点云数据,在此基础上提出采用主成分分析法(PCA)分析目标数据点在局部空间分布特性的目标识别方法。利用Matlab进行仿真分析,结果表明分析得到的雷达目标数据点在局部空间的分布特性与实际目标基本相符,可将其作为数据模板与激光引信探测到的目标信息进行匹配从而完成识别。     

一种新的小波阈值去噪算法

雷达一维高分辨距离像对噪声极为敏感。研究一种新的小波去噪算法得到高信噪比的雷达一维高分辨距离像是实现精确目标识别的关键。文中对比分析了小波模极大值去噪算法和小波阈值去噪算法,并在经典小波阈值去噪算法的基础上改进了阈值函数,提出了一种新小波阈值去噪算法。实验证明新的算法能够更好的提高雷达一维高分辨距离像的信噪比,有效抑制噪声敏感性。新算法结合了软、硬阈值算法的优点,灵活度高。     

应用于义齿三维模型建立的结构光测量系统

义齿三维模型建立是基于逆向工程的牙科计算机辅助设计和制造的一个重要环节,其三维数据获取的精度是后期设计制作的关键;针对获取高精度义齿三维数据,探讨了一种基于双目视觉和时间相位投影的义齿模型三维测量系统,采用投影负指数序列的多频外差相位光栅,辅助获取高精度三维点云数据;拼接过程中再将三维数据反投影,结合多视几何约束下物点唯一性原理实现对重叠点云自动删除;真实实验证明：该系统可以获得义齿三维模型的高精度点云数据,测量标准偏差为0.03 mm。     

噪声目标的边缘检测算法研究

在传统的小波多尺度边缘检测的基础上,利用相邻尺度上小波系数相乘的性质,提出一种噪声目标的边缘检测算法,同时对一般的小波阚值方法加以改进,得到一种自适应阈值方法,从而达到增强边缘．抑制噪声的效果,并相应提高了边缘检测的精度。对实际拍摄的含噪军事目标进行仿真试验的结果表明,该算法检测出的图像边缘轮廓清晰,细节突出,去噪效果好,因而在军事上具有一定的实用性。     

基于法矢量修正和参数修正的点云双边滤波改进算法

针对现有点云滤波算法在实现过程中存在的目标特征保留能力差和时间复杂度高的问题，提出了基于法矢量修正和参数修正的点云双边滤波改进算法。介绍了点云双边滤波算法原理，在该算法的基础之上分别修正了法矢量、距离权重因子和特征保持因子，提出了一种改进的点云双边滤波算法，并通过仿真分析进行了算法验证。与传统的点云半径滤波算法和点云双边滤波算法相比，所提算法能够在时间复杂度较低的情况下保留更多的目标细节特征，提高滤波算法实时性。     

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。     

合成孔径声纳图像阴影增强方法研究

合成孔径声纳成像时,需要从不同位置采集目标的回波,从而造成目标的阴影被模糊。传统的声纳图像增强方法没有利用合成孔径声纳的成像机理,难以对阴影进行有效增强。从合成孔径声纳信号处理的角度,给出了固定焦距阴影增强（FFSE）算法的严格证明过程,导出了不同变换域下阴影增强的处理方式。对于多子阵合成孔径声纳,使用不均匀分离快速傅里叶变换（NSFFT）消除方位向的不均匀采样,然后在距离多普勒域进行阴影增强。分别对海上试验和湖上试验的数据进行了分析。处理结果表明,该方法能够显著增强合成孔径声纳图像的阴影,具有较强的实用价值,对于后续的图像分割和目标识别具有重要意义。     

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。     

一种基于激光扫描雷达的挖掘面3D 重构方法

为了实现挖掘机器人自动轨迹生成和轨迹跟踪,提出一种挖掘机器人的挖掘面3D重构方法。根据3D激光扫描雷达的三角形原理得到扫描点的坐标值,对扫描点进行聚类分析方法滤除噪声点,进行初始三角剖分、局部优化、着色和渲染得到三角剖分后平底坑的3D物理模型,并采用倒置棱台进行拟合,计算了所挖平底坑内腔的上表面和下表面之间的距离和下表面的几何尺寸。实践结果表明:该方法实现了对不规则平底坑内腔的测量,为挖掘机器人自主挖掘平底坑的自动轨迹生成和跟踪奠定了基础。     

基于近邻点重加权的点云特征线提取算法

针对3 维点云模型特征线提取存在断裂、不完整问题,提出一种基于近邻点重加权的点云特征线提取算 法。算法分为提取特征点和特征点连接成线2 个环节,在特征点提取环节,引入近邻重加权局部质心算子获取特征 点集,通过欧式最小生成树构建特征线。实验结果表明：采用近邻重加权局部质心算法进行特征点提取,跟传统基 于曲率的算法相比其结果更加准确和稳健,能有效提取点云模型的几何特征。     

基于导向重构与降噪稀疏自编码器的合成孔径雷达目标识别

为解决现有合成孔径雷达（SAR）目标识别算法泛化能力差和算法复杂度高等问题,提出一种基于导向重构与降噪稀疏自编码器的SAR目标识别分类算法。利用导向重构算法对SAR图像进行两尺度融合预处理,生成一维图像矢量并作归一化处理,以降低图像输出特征的维度,提高预处理的速度;采用减少降噪自编码器隐层神经元方式对图像进行低维特征抽取和识别;使用Softmax分类器进行分类处理。实验结果表明,通过导向重构与降噪稀疏自编码器的SAR目标识别算法,不仅提高了目标识别性能以及泛化能力,而且降低了自编码器的隐层神经元数量和计算复杂度,网络结构也得到改进和优化。     

交会末段制导引信一体化系统射频成像目标轮廓重构方法

目标实时精确识别与定位是实现制导引信一体化(GIF)技术的关键,对提高弹药末制导及起爆控制精度具有决定性的意义。以射频成像GIF体制为对象,基于射频成像原理及目标特性,结合计算几何和统计学原理,针对交会末段提出了一种目标轮廓重构方法。该方法通过灰度映射变换,提取仅包含目标信息的灰度值,显著降低了数据量,同时增强了图像对比度;在阈值分割、角点提取的基础上,应用统计学剔除异常值的方法滤除背景噪声并抑制目标边界干扰;利用凸壳技术实现目标轮廓重构,得到可以完全覆盖目标区域的最优凸多边形作为目标轮廓。理论分析和仿真结果表明,该方法时间复杂度低,实时性好,可实现目标的精确识别与定位。     

图像配准方法及其在目标跟踪中的应用

给出了一种基于点特征的图像配准方法,可以用于复杂背景下任意角度旋转的图像之间的配准。图像配准算法分为四个步骤:用Forstner算子分别提取参考图像与待配准图像的特征点;使用旋转不变特征向量获取特征点之间的初始匹配关系;使用投票算法剔除误匹配点对,获取正确配对的同名点对;用最小二乘方法由正确配对的同名点对获取图像之间的配准参数。给出了基于点特征的图像配准方法在目标跟踪中的应用方法,并进行了仿真实验,结果证明该图像配准算法可以对复杂背景下弱对比度静止目标进行精确跟踪,而且算法具有很好的通用性。     

基于Matlab的创伤弹道三维重构

为了快速获得准确的弹创空腔三维模型,首先对用X射线以正交方式同步拍摄的两张瞬时创伤空腔图像进行格式转换、对比度调整和除噪等预处理,然后采用水平集算法提取正交图像的边缘轮廓,最后在对瞬时创伤空腔剖面形状进行椭圆近似的基础上,利用Matlab强大的数据可视化功能进行三维重构。结果表明,该方法建立的弹创空腔三维模型直观、有效,可以为弹药设计和战伤救治提供理论依据。