基于多域特征融合的旋翼无人机分类识别

为提高雷达旋翼无人机的识别效果,本文提出一种基于多域特征融合的旋翼无人机分类方法。首先利用K波段连续波（Continuous Wave,CW）雷达观测多旋翼无人机,对采集到的雷达回波信号进行信号处理依次得到时频图、节奏速度图（Cadence?Velocity Diagram, CVD）和节奏频谱图（Cadence Frequency Spectrum,CFS）,然后将时频图和CVD图分别输入SqueezeNet网络,CFS数据输入一维卷积神经网络（1?D?CNN）提取回波信号在时频域、节奏速度域和节奏频率域的特征,最后将特征融合输入支持向量机（Support Vector Machine, SVM）进行分类。实测雷达数据处理的结果表明基于多域特征融合的旋翼无人机分类识别方法对三类旋翼无人机的分类准确率达到99.14%。     

多源图像融合技术在无人机中的应用

随着无人机技术的发展,无人机多源图像融合是一个日益受到关注的研究领域。在研究传统算法的基础上,针对经典HIS变换融合算法产生的光谱失真问题,通过引入压缩感知技术对传统算法进行改进,提出了一种融入压缩感知技术的图像融合算法并应用到无人机数码照片和SAR图像融合处理中。实验表明,该方法在引入SAR图像纹理信息的同时,能够有效保持可见光图像光谱信息,取得了较好的融合效果。     

基于光测图像的无人机姿态测量方法

为了满足对无人机姿态高精度测量的要求,介绍了一种新的测量系统及方法。该系统由多台经纬仪、数字摄像机、时间同步控制器及数据处理终端组成。数字摄像机安放在经纬仪上,经纬仪布置在飞机飞行轨迹的两侧,构成了一个能够在俯仰角和方位角下拍摄图像的光测机构。时间同步控制器提供同步控制信号,控制摄像机在同一时刻对飞机成像。在终端机中利用图像处理技术重构出机身和机翼的空间向量,计算出无人机的俯仰角、偏航角和翻滚角。仿真试验结果显示：采取4台经纬仪的合理布站,当图像上直线斜率的提取误差最大为0.6°时,可以将姿态角的最大测量误差控制在1°左右。     

融合多特征的时空正则化相关滤波无人机跟踪

针对无人机跟踪目标易受视角变化、遮挡、背景杂乱等因素影响的问题,提出一种融合多特征的时空正则化相关滤波无人机跟踪方法。首先,将显著性特征引入时空正则化相关滤波跟踪框架,与颜色、灰度和梯度方向直方图特征结合,提高目标外观表示的多样性;其次,利用峰值旁瓣比作为权重衡量不同特征相关响应图的峰值强度,并将加权后特征进行组合降噪,在响应层实现最终加权融合,提升目标定位精度;最后,在公开无人机视频数据集UAV123@10FPS上与12种经典跟踪器进行对比。实验结果与分析表明,所提方法在跟踪精确度和成功率上均取得较好的结果。     

基于动态特征剔除的图像与点云融合的机器人位姿估计方法

针对动态物体影响传感器进行机器人位姿估计的问题,本文提出了一种基于动态特征剔除点云与图像融合的位姿估计方法。首先,YOLOv4和PointRCNN分别被用于识别图像和点云中的潜在运动目标并提取候选框。其次,在视觉定位方面,双目视觉与稀疏光流被用于路标点的构建与追踪,并根据候选框剔除动态特征点,随后构建重投影误差函数,通过基于RANSAC剔除的非线性优化方法求解相机位姿;在激光定位方面,提取前后帧的直线与平面特征点,并根据候选框进行筛选,基于特征点到直线或平面的距离构建误差函数,进而求解激光雷达位姿。为使系统不再局限于单一传感器的使用环境限制,通过自适应加权方法,有效融合了两种位姿结果。最后,通过KITTI数据集和动态场景采集的数据进行定量实验对比,验证了剔除动态特征后的位姿估计的精确性以及融合算法的有效性。     

基于区域协方差的图像特征融合方法

考虑到不同特征代表图像的不同信息,融合后的特征更能体现图像的本质,概括总结了国内外各类图像特征融合方法,重点阐述分析了基于区域协方差的特征融合方法,该方法可以自然地融合多个相关特征,协方差计算本身具有滤波能力且效率高,最后通过设计合适的目标特征,基于区域协方差融合特征实现舰船目标识别。实验表明,协方差描述子可以较好地融合舰船可见光图像或红外图像的目标特征,提高目标识别能力。     

位姿视觉测量方法及应用综述

位置和姿态参数是表征目标空间朝向和位置的基本几何量参数,比如飞行器的飞行位姿、高端装备大部件的对接位姿、自由运动中的人体位姿等。因此,位姿参数的准确快速测量一直是航空航天、国防军事、工业生产、体育竞技等诸多领域的重要研究内容,并发展出惯导、卫星、雷达、星敏感器和视觉测量等多种不同测量技术途径。本文重点针对位姿视觉测量方法及其应用进行了综述,主要内容包括位姿视觉测量基本原理、位姿视觉测量典型方法、多源数据融合的位姿视觉测量方法和位姿视觉测量典型应用领域。     

基于自适应特征融合的红外与可见光图像融合算法

当下流行的基于自编码网络的图像融合算法不仅需要对提取到的特征设计复杂的融合规则以解码出融合图像,设计的融合策略也无法适用于多样化的场景.针对以上问题,提出了一种自适应特征融合的红外与可见光图像融合算法以端到端的方式输出融合图像,避免了复杂融合规则的设计且具有较好的鲁棒性.网络利用自编码模块提取出图像的特征,对特征级联后...     

基于特征融合的唐卡图像检索技术研究

本文深入研究了唐卡图像的特征,并研究了适合唐卡的颜色、纹理、形状及多种特征融合的提取方法,并设计了基于特征融合的唐卡图像检索系统,最后得出结论:将唐卡图像的多特征融合后检索系统的准确性有一定了提高。     

基于可见光、热红外及激光雷达传感的无人机图像融合方法

随着电力供电可靠性要求的不断提高,电力巡线技术正在向自动化、智能化方向发展。无人机技术以其便捷的操作、精准拍照及图像识别等优点,正广泛应用于电力巡线技术领域。基于激光雷达实现无人机跟随导线飞行,进行线路通道巡检,提出一种基于改进卷积神经网络的可见光与热红外方法,通过采用可见光与热红外图像的融合,以识别出输电线路和障碍物信息,实现对输电线路故障的自动检测。通过对运行线路的实际巡视,输电线路故障的自动检测发现率达90%以上。结果验证了提出的无人机图像融合技术及故障自动检测技术的有效性及可行性。     

多特征融合的无人机控制系统设计与实现

针对无人机多维度飞行控制的应用需求,设计了一种融合多类别脑-机接口特征、面部表情特征以及头部动作特征的无人机控制系统。在该系统中,同步采集用户的脑电信号、面部表情相关信号以及头部动作信号并送入地面站,经系统软件处理后识别出用户的控制意图,进而将其映射为无人机的飞行控制指令并通过无线通信发送给无人机。相比于传统的基于单一特征模式的脑-机接口控制系统,该系统实现了脑电、面部表情以及头部动作对无人机的联合控制,具有更多的指令数目以及更高的识别准确率。经过试验验证表明,该系统应用于无人机控制的可行性,可为未来无人机在军民领域的应用提供一种全新的技术支持。     

一种基于红外传感器的无人机姿态测量方法

针对红外温度传感器能灵敏感应天空地面热辐射的特点,提出了一种基于红外传感器测量无人机姿态信息的方法,相比传统姿态测量传感器,红外传感器具有体积小、重量轻、无漂移、成本低等优点;针对该方法介绍了由三对正交安装的红外传感器测量姿态角的基本原理及能获得更好视场角的45°安装方式;并通过场地实验获得了红外传感器的对地倾角和输出电压的函数关系;通过推理得到无人机姿态测量算法,实现了根据红外传感器的差动输出信号计算无人机的姿态角;同时对太阳的干扰问题作了适当的研究;为了验证算法的可靠性,进行了机载飞行实验。实验结果表明,该方法可以有效的测量无人机的姿态角。     

基于点特征的单目视觉位姿测量算法

针对位姿求解过程中存在的解不唯一、选解难和解的精度不高等问题,提出一种基于点特征的单目视觉位姿测量算法。首先,根据共面4个特征点之间的位置关系,分别对平行和相交两种情况进行分析;其次,根据特征点的空间坐标、图像坐标和空间位置关系,推导出世界坐标系中3个坐标轴上的向量变换到摄像机坐标系中的单位向量,进而求解出物体相对于摄像机的初始位姿;最后,用LM算法对初始位姿进行优化,得到最终位姿。实验结果表明:文中算法的合成误差为0.54 mm;现有的EPnP算法、两点一线算法和P3P算法的合成误差分别为1.28、1.52和4.26 mm;文中算法的合成误差分别减小了57.8%、64.4%和87.3%,优于现有的EPnP算法、两点一线算法和P3P算法。     

多相机非共视场的非合作圆特征位姿测量方法

以大型光学模块转运时基于视觉的位姿测量为背景,利用目标底部同一平面的两个圆特征,针对大目标近距离对接时的环境限制,提出一种基于距离和角度约束的多相机非共视场位姿检测方法.对接时球头与锥孔正确对接,将两个相机分别固定于球头机构的内部后采集锥孔边缘的圆特征,利用非共视场成像的多相机标定获取两相机位置关系,融合多个相机的位姿信息,利用两圆共面和两相机位置关系约束剔除空间圆位姿解算时的虚假解.实验验证了该方法的精度,在1140 mm的工作距离时,圆边缘特征的姿态角误差小于0.5°,圆心的计算误差小于1.0 mm,实验结果表明该方法可准确计算位姿,结果可靠有效,在大目标近距离位姿测量时具有明显实用性.     

基于最佳偏振角的线性位姿测量方法研究

在基于视觉图像的位姿测量中,非线性位姿测量算法的全局收敛存在不确定性,测量结果取决于初值的选取,不能保证位姿测量的鲁棒性。线性位姿测量算法对图像处理的要求比较高,如果定位特征点图像坐标提取不够精确,会导致位姿测量精度降低。在自然光条件下,相机采集定位特征点图像,图像中高亮度区域的存在对定位特征点提取精度产生影响,进而使有效定位特征点数量减少,影响位姿测量精度。针对上述问题,文中提出了一种基于最佳偏振角的线性位姿测量方法:在相机镜头前加装线偏振片,根据Stokes矢量建立偏振片最佳偏振角度求解模型,在使用最佳偏振角度的前提下采集定位特征点图像,提取图像坐标;建立线性位姿求解模型,计算被测物体位姿。实验结果表明,该方法能够有效减少图像中的高亮度区域,改善成像质量,提高线性位姿测量精度,在?60°~+60°的测量范围内,角度测量误差小于±0.16°,在0~20 mm的测量范围内,位移测量误差小于±0.05 mm。     

基于多特征融合技术的商品图像分类

针对网上商品图像的特点,提出了一种多特征融合的分类方法。本文针对颜色和商品图案风格两方面对图像进行分类。首先对商品图像进行分割,再提取特征,颜色特征选择提取颜色直方图特征和颜色矩特征;提取PHOG和SIFT特征来描述图案风格。然后采用基于决策的加权融合方法将两种特征结合起来进行分类,最后在数据集上进行实验,与仅用单一特征分类和使用普通多特征拼接方法作比较,使用本文融合特征的方法进行分类准确率较高,并且其准确率有8%~10%的提升。实验结果表明本文提出的方法是一种有效的商品图像分类方法。     

基于边缘特征的多传感器图像融合算法

针对传统像素级图像融合方法在低频系数融合中,采用偏袒法和平均法容易导致融合图像出现模糊、对比度下降的问题,结合像素级和特征级融合的优势,提出一种基于边缘特征的图像融合算法。算法对于低频系数,采用区域能量自适应加权的方法;对于高频系数,通过对低频边缘特征的融合以指导其融合。分别对红外与可见光图像和多聚焦图像进行实验,并对融合图像进行主客观评价,实验表明,该算法得到的融合图像具有较好的主观视觉效果和客观量化指标,融合性能优于传统的融合方法。     

图像语义多特征的融合提取方法

针对传统的多融合特征方法对图像特征提取准确率不高的缺点,本文运用了串行特征融合和并行特征融合的结合的思想提出本文的M特征提取方法,它是一个非常有效的基于核函数组合的多特征融合分类模型。对图像颜色、纹理及形状特征中的显著特征提取出来并采取本文融合方法获得了本文需要的融合特征即M特征。基于以上的思想基础,本文设计了对比试验,实验结果证明本文的算法效果达到提取较高准确率的语义。     

基于区域特征的改进IHS图像融合算法

提出了一种基于区域特征的结合IHS变换和小波变换的图像融合算法,首先分别对多光谱图像和高分辨率全色图像进行IHS变换和直方图匹配,对I分量和调整后的高分辨率图像进行小波分解,然后对不同频率分量进行融合时引入区域特征准则,低频部分采用加权平均算子融合法,高频部分采用改进的区域方差加权融合法,最后结合主观判断和客观定量分析验证该算法,实验结果表明该算法的融合图像的质量要优于传统的IHS变换法和小波变换法。