卷积神经网络在炮兵对抗训练系统中的应用

本文针对炮兵对抗训练系统中炸点图像目标捕捉的问题,提出了一种基于YOLACT的炸点区域快速识别及分割方法。对特征提取网络结构和参数进行修改,结合预测分支网络和掩膜生成网络输出炸点位置和区域范围,根据区域信息得到炸点中心坐标。实验结果表明,在构建的炸点数据集上本文方法能准确地识别和分割炸点目标,速度达到21.2fps,整体上优于对比算法,较好地解决了炮兵对抗训练系统中的一个基本环节。     

基于可变视场角的空中加油锥套位姿精确测量方法

针对无人机自主空中加油近距视觉高精度导航问题,提出了一种基于可变视场角的空中加油锥套相对位置和姿态精确测量方法。首先构建了由多组不同固定视场角相机组成的双目视觉测量系统,提出了基于非线性滞环特性的相机组切换策略,有效克服了随着距离增加锥套目标在相机图像中比例逐渐减小而导致测量精度降低的问题。在此基础上,使用深度学习YOLO v2算法对首帧图像进行检测与识别,截取感兴趣区域(ROI)并进行图像处理,提取标志灯质心坐标。然后根据双目视觉原理进行三维重建,以计算出标志灯的空间位置。最后根据解析几何关系解算得到锥套相对相机的位置和姿态信息。空中加油对接过程视景仿真和地面实物试验表明,本方法在设定的测量范围内均能达到较高的相对位置和姿态测量精度,且满足实时性要求。     

图像跟踪技术在无人机自主着陆导航中的应用

引导无人机自主着陆,采用2个图像采集分系统的双摄像机视觉导航系统.由图像跟踪技术在图像中锁定无人机,并通过转台记录偏转的角度,以确定无人机的相对空间位置.并采用边缘跟踪算法,获取运动物体的外部轮廓特征,对序列图像进行处理,继而实现对运动物体进行识别跟踪.其仿真结果表明跟踪效果良好.     

基于目标轴线的成像引信测距算法

针对智能弹药对地面车辆的测距问题,提出了一种基于目标轴线的成像引信测距算法。将弹目相对姿态表示为测量坐标系和目标坐标系之间的相对位置角,利用目标轴线长度和夹角的透视投影关系完成弹目距离解算。算法采用弱透视透视投影模型简化了解算过程,利用相对位置角提高了解算精度。误差分析给出了弹目距离和相对位置角对测量误差的影响。对不同相对位置角和弹目距离下的图像仿真结果表明,测距相对误差小于3%,结果稳定。     

考虑几何约束的无人机双机编队相对姿态确定方法

针对无人机常用的领航—跟随双机编队飞行控制模式,提出了一种考虑几何约束的相对姿态确定方法。利用飞行器配备的视觉传感器,获得飞行器间及飞行器到目标的视线矢量信息,该方法不需要考虑目标的位置信息,避免了由位置偏差带来的误差。同时,给出了双机编队模式下视觉传感器的测量模型,分析了传感器量测噪声的统计特性,推导了基于几何约束的确定性相对姿态求解方法。仿真结果表明,考虑几何约束的双机编队无人机相对姿态确定方法可以有效估计出飞行器间的相对姿态,估计精度较高,能够满足无人机协同编队飞行控制需求,解决了远距离编队情况下视线矢量共面不可观测问题。     

航天器交会对接位姿测量最优估计

航天器间的相对位姿确定是航天器编队飞行、交会与对接、捕获与维护等重大航天任务的关键技术之一．基于图像信息的相对位置与姿态的确定是解决航天器相对位置与姿态确定问题的有效方法．本文中采用四元数来描述航天器相对姿态,建立目标航天器的特征光标点的物理坐标和对应的图像点图像坐标之间的数学模型,并利用信赖域算法求解该非线性优化问题．仿真结果表明了该算法的有效性和可靠性,证明该算法能够满足交会对接航天器之间位置与姿态的测量精度的要求．     

目标识别与定位的快速融合算法

针对目前的车载火控系统不能自动识别目标类型、准确定位造成反应速度慢和命中率低的问题,文中提出了一种基于图像信息的目标识别与定位的快速融合算法。该算法通过火控系统配置的图像采集装置实施对前方目标的实时监视,采用偏序关系认准、模板匹配和视差测距算法融合实现对目标类型的识别与距离检测,为火控系统的自动化、智能化水平的提升提供了一种有效的技术手段。该算法运算周期小于50ms,识别准确率高达98%,在2000m视距内距离检测误差小于1m。     

基于微型光电设备的典型靶标形状识别引导

针对无人机回收中采用图像方式进行导航给靶标识别跟踪可靠性带来的巨大挑战,基于多自由度微型光电设备对典型靶标识别引导进行研究,重点研究基于典型靶标对无人机进行视觉引导.通过颜色分割和形状识别快速捕获典型靶标,对靶标进行精确的空间姿态、运动信息测量,结合多自由度微型光电引导设备的空间角位置、角速度等姿态测量信息,计算无人机引导参数,并通过典型靶标识别仿真.结果表明:利用颜色分割和形状识别方法可以快速的捕获靶标,同时结合微型光电设备的测量数据,可以较好地实现无人机引导参数的精确计算.     

基于光测数字图像的空间目标几何特征分析

提出了单站光测数字图像解析空间目标几何特征的方法。利用图像增强、图像分割等关键技术,解决了提高图像中目标分辨能力、夜间成像的目标边界提取和未成像目标的位置拟合等难点问题。基于平行投影和目标的几何先验信息,给出了物面与像面不平行时目标的俯仰姿态和多目标的相对距离等特征参数的算法原理,实现对飞行试验中特征事件的解释,为目标的故障分析和优化设计提供依据。     

基于[KG-*9]Ghost卷积与注意力机制的SAR图像建筑物检测算法

针对深度卷积神经网络存在模型参数量大、占用内存资源等问题,提出了一种基于轻量化网络的SAR图像建筑物检测算法。首先以旋转目标检测算法R-centernet为基础,将主干网络中的传统卷积替换为Ghost卷积,并构建Ghost-ResNet网络,降低模型参数量;其次提出了融合宽高信息的通道注意力模块,增强网络对图像中显著区域的精确定位能力;使用CARAFE上采样代替网络中的DCN模块,在上采样过程中充分结合特征图信息,提高目标检测能力;最后使用改进的R-centernet算法在旋转标注的SAR图像建筑物数据集上进行训练与测试。实验结果表明,相比于原始R-centernet算法,改进后的算法准确率提高了3.8%,召回率提高了1.2%,检测速度提高了12帧/s。     

基于级联式Snappy-CenterNet 的锥套目标检测算法

针对空中加油因场景光照变化、环境遮挡等情况造成的锥套目标识别精度低、实时性差的问题,提出一种基于级联式Snappy-CenterNet深度网络的锥套目标检测算法。在CenterNet网络的基础上,以HourglassNet为主干网络,改进其bottleneck结构并引入中心池化的方法,对整体的网络结构进行优化,通过级联式的网络提升整体检测精度。实验结果表明：该算法可实现在多种复杂场景下对锥套目标的可靠检测,检测结果的精确率与召回率均可达99%,位置精度与区域精度分别可达99%与96%,更新率可达33.68 Hz,满足空中加油近距视觉导航阶段对于锥套识别的指标要求。     

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。     

基于视觉的特种机械臂目标识别与定位

针对特种机械臂在复杂环境下对危险品抓取的准确性与实时性需求,提出一种利用视觉信息识别定位的 方法。给出基于单双目视觉系统结合的识别定位策略,采用颜色分割、开闭运算、边缘轮廓检测和特征匹配完成单 目视觉算法,通过立体标定、立体校正和深度计算完成双目视觉算法;根据齐次变换得出的目标物体位置信息对机 械臂进行关节转动角度求解,利用角度阈值范围得出最优解;并通过目标物体位姿测量实验和抓取操作进行验证。 验证结果表明：该方法是可行和合理的,能实现目标物体的实际抓取。     

无人机空中回收视觉导航技术

针对无人机空中回收过程中的导航问题,提出一种利用深度学习进行目标检测并配合双目视觉进行位姿 估计的技术。设计空中回收视觉导航系统,通过改进原有目标检测算法YOLOv3 框架提高回收过程中的检测精度和 速度;通过双目视觉系统对特征点进行3 维位姿解算,返回无人机和回收锥套中心相对位置信息。实验结果表明： 改进后的检测算法平均精度比YOLOv3 提高了3.2%,检测速度提高到73 FPS,检测速度明显提升;双目视觉算法 的位姿解算精确度高,两者同时满足导航系统精确性和实时性的要求。     

基于四叉树法和PROSAC 算法改进的视觉SLAM 技术

为解决在同时定位与地图构建(simultaneous localization and mapping,SLAM)的前端进行特征点匹配时, 随机抽样一致法(random sample consensus,RANSAC)存在的迭代次数高、实时性较差、鲁棒性不稳定等问题,提出 一种基于四叉树法和渐进一致采样法(progressive sample consensus,PROSAC)算法融合改进的图像匹配算法。实现四 叉树法+PROSAC 算法的误匹配剔除算法,在EuRoC 数据集上对改进后的ORB-SLAM2 算法进行实验。结果表明： 相比于ORB-SLAM2 系统,该算法在Vicon Room 1 03 数据集上总体绝对轨迹误差平均值减小了39.28%,总体相对 位姿误差减小了35.45%,具有更高的建图精度。     

一种低功耗水下目标被动定位系统设计

为满足新一代水下自主式无人自动检测系统中被动定位系统对系统功耗、实时性和精度的要求,设计了基于微功耗器件THS1206与TMS320VC5509A水下被动定位系统硬件平台,和以具有良好精度和实时性的互谱算法为基础的软件系统。由于采用了较多的基元时延信息,使得整个系统在保证实时性的前提下仍具有较高的定位精度。试验结果表明,所设计的系统实时性良好,定位精度高,功耗低于70 mW,达到了新一代被动定位系统的特殊要求,具有良好的应用前景。     

智能网络视频监控系统

设计一种智能网络视频监控系统,实现实时监控和目标实时跟踪功能。系统前端使用网络摄像机采集实时图像,通过网络服务器将实时图像传输给网络用户终端,在终端实现实时监控操作。以颜色信息作目标特征,采用均值偏移算法实现对目标人物的实时跟踪。实验表明,该系统具有良好的稳定性与实时性。     

移动机器人目标识别与定位算法发展综述

通过对移动机器人目标识别与定位算法中传统的目标识别算法、基于深度学习的目标识别算法和基于各类传感器的目标定位算法的特点进行综合分析,得出了2点启示,也是以后有待解决的关键技术:1)减小算法计算量以降低对硬件性能的依耐性;2)将目标识别算法与定位算法相融合以实现实时的目标识别与定位.     

多无人机协同目标跟踪闭环最优控制方法

针对目前多机协同目标跟踪方法缺乏实时性和最优性等问题,提出了一种由趋近和盘旋两阶段组成的多无人机协同目标跟踪闭环最优控制方法。当距离目标远时自适应调节无人机方位角优先且尽快趋近目标;而当距离近时则自适应调节无人机方位角优先且尽快实现最优观测视线夹角。仿真结果证明了:在靠近和盘旋阶段均确保了最优性观测条件,且具有较好的实时性和最优性。     

一种基于边缘匹配的前视红外目标识别算法

红外目标识别是影响精确制导武器命中精度的重要因素。针对因基准图与实时图存在差异导致模板匹配性能下降的问题,提出了一种基于边缘匹配的前视红外（FLIR）目标识别算法。在模板匹配的基础上,利用目标的邻域信息排除虚警,计算基于匹配代价矩阵的匹配置信度对候选匹配点进行排序,利用前面连续多帧图像的识别结果为当前帧识别提供信息,从而提高目标识别的准确性和鲁棒性。在2组不同目标类型的红外视频序列上所做的实验表明,该算法具有较好的识别性能。