基于双目视觉的直升机旋翼桨叶挥舞角测量

为实现直升机旋翼桨叶挥舞角的测量,提出了一种基于双目视觉的测量方法.首先,在直升机旋翼桨叶上均匀布置编码标记点,用已标定的双目摄像机对旋翼桨叶每隔一定角度采集标记点图像;其次,对左右摄像机图像上的标记点进行解码和匹配,得到标记点的左右图像视差,进而计算标记点三维坐标;再次,利用标记点在各个角度下的三维坐标,计算旋翼中心和转轴方向,建立旋翼坐标系;最后,在旋翼坐标系下,根据标记点静止与高速旋转时在同一角度下的三维坐标,计算挥舞角大小.利用风扇叶片进行仿真试验,结果验证了该方法具有自动化程度高和测量精度高的特点,可满足直升机旋翼桨叶挥舞角测量的要求.     

柔性多体系统动力学在直升机旋翼桨叶上的应用

提出了一种全新的计算旋翼桨叶动力响应的方法。以柔性多体系统动力学为基础，结合有限单元法和拉格朗日方程，推导出绕动轴转动的多柔体动力学质量矩阵，建立了直升机旋翼桨叶的动力学控制方程及其系数矩阵的解析表达式，采用Rung-Kutta法进行数值积分．分析了挥舞运动在强耦合状态下的运动规律。仿真结果表明采用此方法建立旋翼桨叶的动力学控制方程。可以更真实的反映桨叶的实际运动状态。     

基于改进ORB算法的双目视觉定位测量方法

针对基于传统特征点检测的双目视觉测量中匹配时间长、误匹配率高和测量精度低的问题,提出了基于改进ORB算法的双目视觉定位测量方法。首先对特征点邻域内的像素点灰度值进行加权,再采用灰度质心法提取特征点的主方向,最后以字符串描述子代替传统二进制描述子对特征点进行描述,在测量中采用二维二次函数精确拟合特征点的亚像素坐标,实验结果表明,该改进方法在特征点匹配正确率和测量精度上都有很大的提升,特征点匹配正确率提升了31.8%,测量最低误差达到0.42%,满足双目视觉测量的精度要求。     

基于CUDA的动态视觉测量像面特征点中心快速定位算法

数字相机分辨率的提升对视觉测量中精度的提高有很大的促进作用,但是高分辨率图像同时也会带来更大的数据量和计算量的问题。在CPU上应用传统的串行特征点中心定位算法耗时较大,无法满足动态测量的要求。针对此提出了CUDA架构下的并行像面特征点中心快速定位算法。经过分析发现,当大于10 000个点时串行特征点中心定位算法在图像预处理、区域约束判断和点中心计算消耗的时间在90%以上,因此主要对这三个最耗时的部分展开重点研究,分析每部分的并行性,然后实现基于CUDA的特征点中心定位并行算法。实验结果表明,在点中心定位精度没有损失的前提下,提取35 000个点坐标时在CUDA上比传统的串行实现的处理速度提高了11.5倍,并且随着特征点数量的增加加速比还有显著的提高。     

基于光斑成像的直升机旋翼共锥度测量方法

直升机旋翼共锥度值是直升机旋翼动平衡试验中测试的一项重要指标,它关系到直升机的安全和各方面性能,针对在旋翼高速旋转的动态下进行旋翼共锥度测量的特点,设计了一种基于光斑成像的直升机旋翼共锥度测量方法,给出了系统基本构成和测量原理,并进行了系统误差分析;该方法是一种非接触式的测量方法,在测量旋翼锥度差的同时,还可以测出桨叶的桨距角,可实现对直升机旋翼共锥度较高精度的测量;该方法具有较高的实际应用价值。     

基于边缘相关性距离约束的角点匹配

在双目视觉技术中,针对物体边缘上的角点误匹配问题,提出了一种基于边缘相关性距离约束的角点匹配算法。该算法首先采用基于边缘的角点检测子来提取角点,通过极线约束和角点特征值约束来确定候选角点匹配集合;然后提出“边缘相关性”约束,基于角点距离构造候选角点对的贡献值来对其进行精匹配;最后构造角点特征向量,通过子向量匹配方法进一步对角点匹配对进行检验。实验结果表明,该匹配算法正确率高,有效地解决了边缘角点对的误匹配问题,非常适用于基于边缘曲线的双目视觉应用。     

基于翼尖加速度的旋翼共锥度测量方法研究

在直升机旋翼动平衡试验中,旋翼共锥度值是一重要的试验参数,它关系到直升机机动性能、安全性能等多方面重要指标。针对目前所采用的测量方法存在测量精度低、测量难度大以及测量点固定等缺点,在分析旋翼动态特性的基础上,提出利用多加速度传感器测量旋翼翼尖加速度信号,然后采用频域二次积分的方法得到旋翼翼尖位移,根据同一时刻旋翼之间的位移曲线关系,方便的计算出旋翼共锥度值。试验结果表明,此方法可以实现旋翼运动过程中,旋翼任意旋转位置上的共锥度测量。     

基于翼尖加速度的旋翼共锥度测量方法研究

在直升机旋翼动平衡试验中,旋翼共锥度值是一重要的试验参数,它关系到直升机机动性能、安全性能等多方面重要指标.针对目前所采用的测量方法存在测量精度低、测量难度大以及测量点固定等缺点,在分析旋翼动态特性的基础上,提出利用多加速度传感器测量旋翼翼尖加速度信号,然后采用频域二次积分的方法得到旋翼翼尖位移,根据同一时刻旋翼之间的...     

基于多旋翼无人机GPS坐标计算的树障面积快速测定法

为了快速测定树障环境下的任意多边形的面积,提出了基于多旋翼无人机GPS坐标计算的树障面积快速测定法。该方法通过无人机定位取点并选取待测区域外任意一点与多边形各顶点相连接形成多个三角形来计算任意多边形的面积,并在此基础上开发出了一款面积测量软件——无人机面积测量软件1.0。实地面积测量结果表明,该方法能够快速的对指定区域进行面积测量且相对误差精度可达到95%以上。     

基于CUDA的快速车牌字符识别

传统的车牌识别研究主要目的是提高识别准确率.利用CUDA技术在准确率不降低的情况下实现识别速度的提高.为此,对常用的SVM分类方法进行改进,使其能够在GPU上实现并行计算,再利用改进后的SVM训练和预测车牌字符数据.实验结果表明,相对于运行在CPU上的LIBSVM方法,经过改进的在GPU上运行的SVM方法能够带来1-30倍训练速度和50-72倍预测速度的提高,且随着样本数量的增加,加速效果会更加显著.     

一种基于并行SNESIM的空间数据重建方法

空间数据的应用领域正在不断扩大.数据插值可以有效重建空间未知数据.数据插值就是一个数据再生的过程,即由原始数据再生出具有更高分辨率的数据.插值方法分为“确定”性插值和“不确定”性插值方法.不确定性插值方法的不确定性一方面表现在选用的插值方式具有随机性,另一方面表现在插值参数的选取和确定需要依赖于概率统计原则.多点随机模拟法(multiple-point simulation, MPS)是实现空间数据不确定插值重建的重要手段.单一标准方程模拟(single normal equation simulation, SNESIM)作为一种常用的MPS方法,目前已经用于多个领域的离散型空间数据三维重建.但是由于SNESIM给CPU和内存带来的负荷较大,大大限制了其实际应用.为了克服这种局限性,基于统一计算设备架构(compute unified device architecture, CUDA)实现SNESIM的并行化,并在计算训练图像(training image, TI)熵的基础上选择合适的数据模板尺寸;同时,通过整合软硬数据提高重建质量.与以往基于CPU的重建方法相比,基于CUDA的SNESIM并行算法显示出更好的空间数据重建效率.     

基于CUDA的数字化放射图像重建算法

为了提高重建图像的速度及质量,利用CUDA（compute unified device architecture）架构下GPU（graphic processing unit）的多核并行运算能力,将光线投射的几何变换、场景遍历和渲染三个步骤在可编程图像硬件中实现,降低模拟所需的时间;利用3D纹理、光线程基元的同步遍历机制及不透明度提前终止,在不影响成像质量的前提下,减少生成最终模拟效果所需的时间。实验结果表明,该算法不仅可以提高重建的速度,而且成像质量较好。     

快速寻找非线性反馈移位寄存器的编程算法

在流密码中,非线性反馈移位寄存器（non—linearfeedbackshiftregister,NLFsR）是一种常用的安全性较高的伪随机序列生成器。目前仍然没有一种普遍有效的数学算法,能够根据给定的序列或者序列周期,直接推导出NLFSR。提出了一种快速寻找NLFsR的编程算法。该算法基于统一计算架构（computeunifieddevicearchitecture,CUDA）和并行计算来实现,计算速度快,尤其适用于处理高次数的复杂NLFSR。并且该算法可以快速大规模地计算出NLFSR,为未来研究寻找NLFSR的数学算法提供了大量的实验数据。     

基于CUDA的Kirchhoff叠前时间偏移算法设计与实现*

Kirchhoff叠前时间偏移是地震数据处理中最耗时的常用模块之一。为加快计算和显示速度,针对CUDA平台多处理器流水线特性,对传统Kirchhoff叠前时间偏移算法在CUDA平台上进行了重新设计,包括基于CUDA的Kirchhoff叠前时间偏移算法、基于CUDA的纵波波动方程算法和GPU与CPU间的通信算法三个子算法。所有算法在NVIDIA GeForce 8800 GT系统上编译实现,通过对比相同数据在Intel Core2Due CPU 2.0 GHz的地震偏移,综合分析和实验结果表明,基于CUDA     

基于CUDA的GMM模型快速训练方法及应用

由于能够很好地近似描述任何分布,混合高斯模型(GMM)在模式在识别领域得到了广泛的应用.GMM模型参数通常使用迭代的期望最大化(EM)算法训练获得,当训练数据量非常庞大及模型混合数很大时,需要花费很长的训练时间.NVIDIA公司推出的统一计算设备架构(Computed unified device architecture,CUDA)技术通过在图形处理单元(GPU)并发执行多个线程能够实现大规模并行快速计算.本文提出一种基于CUDA,适用于特大数据量的GMM模型快速训练方法,包括用于模型初始化的K-means算法的快速实现方法,以及用于模型参数估计的EM算法的快速实现方法.文中还将这种训练方法应用到语种GMM模型训练中.实验结果表明,与Intel DualCore PentiumⅣ3.0 GHz CPU的一个单核相比,在NVIDIA GTS250 GPU上语种GMM模型训练速度提高了26倍左右.     

一种改进的基于CUDA的纹理映射和光线投射结合的体绘制算法

针对传统的基于GPU的光线投射算法绘制效率较低的问题,利用CUDA架构的并行计算特性和对三维纹理的处理能力进行改进和优化.将体数据映射为三维纹理,利用CUDA三维数组进行存储与绑定,纹理拾取的浮点返回值利用线性滤波进行平滑.在传输函数的设计中引入中心差分梯度幅值增强对体数据边界面的绘制效果.每条光线的求交及颜色积累采用并行计算,按照由前向后进行颜色及不透明度累积.设置不透明度阈值,采用不透明度提前终止加速绘制.实验结果表明,绘制速度较传统的基于GPU算法有10％的速度提升,绘制效果也有很大的改善.     

基于CUDA的并行多尺度Retinex视频增强算法

多尺度Retinex图像增强算法增强效果明显,被广泛应用于图像和视频的增强处理中,但复杂的计算量限制了其在实时性应用中的推广,对于高清及多路视频的处理更是如此,因此研究其高速并行算法具有重要意义。本文以通用型GPU为基础,提出了一种基于CUDA的多尺度Retinex实时视频增强并行算法。根据算法各模块的耦合性将计算复杂的高斯滤波、对数空间差分及动态范围压缩等模块采用CUDA并行处理的方式实现,并利用视频序列之间的相似性降低多尺度Retinex算法的参数更新频率,以节省大量的计算耗时。实验结果表明所提算法能显著提高计算速度。     

直升机旋翼动平衡测量方法研究

为实现直升机旋翼在高速旋转过程中动平衡值的测量,提出了一种基于阶次跟踪的测量方法。该方法首先利用阶次跟踪原理对旋翼转速信号进行等角度重采样,确定重采样的时刻值;然后利用等角度重采样时刻值,对经三次多项式最小二乘法曲线拟合后的振动信号进行二次重采样,得到旋翼振动阶次重采样信号;最后利用离散傅里叶变换方法对其进行阶次谱分析,得到旋翼的动平衡值。该方法有效克服了传统频谱分析方法在分析非平稳信号中存在的频率混叠及能量泄露等问题;同时,该测量方法通过软件实现具有较好的可移植性,能与其他直升机减振分析模块一起使用。通过在仿真试验台及试验机上进行验证试验,结果表明,该方法能有效测量直升机旋翼的动平衡值。     

三种直升机旋翼共锥度测量新方法

直升机旋翼共锥度是旋翼动平衡测量的一个重要参数;它直接影响直升机机动性能、安全性能等多方面重要指标;针对在旋翼高速旋转的状态下测量共锥度值的系统特点,介绍了3种基于摄像机成像的直升机旋翼共锥度测量新方法,利用摄像机采集光源在桨叶上的成像信息,对图像进行处理、计算,从而得到直升机旋翼的共锥度值;对每种方法的基本结构、计算方法进行了较详细的介绍,该方法结构简单,安装方便,可实现对直升机旋翼共锥度值较高精度的测量,具有较高的实用价值.