小波变换法在姿态解算中的应用

在惯性导航系统中,为提高陀螺仪的姿态测量精度,抑制低频噪声的影响,提出采用小波变换法融合陀螺仪、加速度计数据解算姿态角。首先将陀螺仪采集的数据进行2层小波分解,剔除低频分量和不稳定的信号,并和高频分量重构,得到滤波后的陀螺仪数据。然后利用加速度计采集的数据解算姿态角,用来不断迭代初始四元数,由初始四元数求出重力向量,再由重力向量叉积求出误差,并作PID控制来修正陀螺仪的角度。最后把修正和滤波后的陀螺仪数据用龙格库塔法计算新的四元数,用该四元数进行负增益调节,最终解算出精确的姿态角。仿真结果表明,解算姿态角的精度提高了80%,可以有效地抑制低频噪声,更加精确地计算姿态角,从而进一步提高导航系统的定位精度。     

复杂环境下课堂多人状态检测算法研究

新冠肺炎疫情背景下课堂多人佩戴口罩及姿态识别问题,提出了基于YOLO和OpenPose模型的课堂多人状态检测算法。提出的Efficient-YOLO模型,通过采用CBAM注意力模块、SPNET-NEW模块,解决了多人遮挡和无规则化目标的口罩佩戴检测精度问题。此外,提出了一种轻量化的Class-OpenPose模型检测学生上课姿态,该算法在OpenPose模型基础上,使用ShuffleNetV2-NEW对传统模型在底层特征提取方面进行改进,实现了复杂环境下关键姿态点的实时准确检测。实验表明,在课堂多人异常状态检测任务中,Class-OpenPose模型平均准确率高于传统模型,为79.0%,检测速度达到13.5 F/s; Efficient-YOLO口罩识别模型达到83.1%的平均准确率,检测时间仅需31.54 ms,为课堂学生状态检测提供了不错的算法思路。     

几何约束下TIG焊焊枪姿态研究

火箭发动机关键部件自动TIG焊中，因一些焊缝周围有特殊结构，为避免相碰，只能使焊枪偏转一个角度进行焊接，且此焊枪姿态与表征电弧电压的弧长和钨极伸出长度等有一定的关系，为了易于离线编程，必须对焊枪姿态进行深入分析。以火箭发动机典型的几何约束焊缝为例，提出了通用的求解思路。实际应用表明，此方法结果正确，可应用到各种几何约束焊缝的焊枪姿态分析中。     

基于高斯过程回归的多姿态人脸识别

针对在人脸识别中,人脸姿态的变化会对识别结果造成严重的干扰这一问题,以及目前绝大多数人脸识别系统仅支持标准正脸的识别这一现状,基于高斯过程回归分析侧脸轮廓到正脸轮廓的映射关系,提出一种处理侧角在水平-45°到+45°之间的人脸图片的方法,显著地提升了人脸识别系统对侧脸图片的识别率。在Mulit-Pie和FERET两个人脸数据库上进行的多次识别实验表明了该方法的有效性。     

基于Sage-Hus a方法的旋翼姿态控制

针对传统IM U传感器信息融合方法对外界信息变化不敏感等问题,在分析陀螺仪噪声特性并建立基于A RM A模型的卡尔曼滤波器抑制陀螺仪随机噪声的基础上,将基于Sage‐Husa方法的卡尔曼滤波器作为信息融合算法,增强姿态解算系统的自适应性。为提高Sage‐Husa算法容错性能,提出一种加速度计可信性条件,根据总加速度与重力幅值、方向上的差异来判定是否进行姿态融合。在基于ARM Cortex M4内核的嵌入式系统上实现姿态解算和姿态控制系统,在自制四旋翼飞行器半实物仿真平台上进行的实验结果表明,以上方法降低了姿态静态及动态解算误差,提高了姿态系统状态的跟踪性和适应性,满足复杂运动环境下姿态控制的需求。     

基于图像处理的投弃式温深仪探头姿态测量研究

为改进国产投弃式温深仪(XBT)的下降速率公式,采用基于图像处理的方法测量XBT探头的运动参数.采用背景差分法获取差分图像,选择合适的阈值并对差分图像二值化,标记二值图像中的连通区域,将二值图像分割为几个互相独立的区域.通过计算分析各连通区域的特征集合来识别XBT探头.利用探头中轴线描述探头的运动姿态,将探头的长轴作为探头的初始中轴线,然后通过迭代优化的方法得到更加精确的结果.实验结果表明:该方法角度测量平均误差小于0.5°,能满足XBT探头姿态测量精度要求.目前已将基于该算法搭建的视觉测量系统应用于XBT投放实验中,取得了令人满意的结果.     

CCD噪声模型在几何最优线性姿态估计中的应用

星敏感器噪声主要来源于CCD图像传感器和控制与数据处理电路,这些噪声对姿态估计精度的影响不容忽视.在研究了CCD图像传感器中光子散粒噪声、暗电流噪声、电荷转移噪声及读出噪声四种主要噪声的基础上,分析了它们对亚像元质心法提取精度的影响.根据亚像元质心法提取结果,采用几何解析的最优线性姿态估计(OLAE)方法解算卫星姿态.仿真结果表明:考虑星敏感器噪声模型比单纯引入高斯白噪声具有更高的姿态估计精度.     

机动目标的跟踪与反跟踪

以WGS－84标准的地心坐标系作为统一坐标系,通过建立机动目标的跟踪模型,实时预测机动目标的轨迹,并提出了机动目标的跟踪与反跟踪策略。首先考虑了单目标跟踪问题,提出了基于改进的MeanShift算法的目标跟踪模型,使用此模型提取聚类点,并对这些聚类点进行B样条曲线拟合,得到光滑的航迹。其次考虑了两目标跟踪问题,建立了基于最近邻及改进MeanShift算法的目标跟踪模型,利用最小二乘法对航迹数据进行二次曲线拟合,分析机动目标加速度变化规律,并通过判断拟合曲线上的点与球面位置关系,提出了两种着落点预测方法。最后分析了机动目标如何反雷达跟踪的问题,提出了反跟踪策略。     

基于深度网络的多形态人脸识别

在实际的自动人脸识别系统中,输入的识别图像往往在表情、分辨率大小以及姿态方面呈现出多种变化。现在很多方法尝试通过线性或局部线性的映射来寻找由这些变化共享的统一的特征空间。利用由受限玻尔兹曼机(RBM)堆叠成的深度神经网络来发掘这些变化内在的非线性表达。深度网络能够学习高维数据到低维数据的映射关系,并且有助于提高图像分类和识别的性能。同时,为了实现在一个统一的深度框架下同时进行特征提取和识别,在网络的顶层增加了一个监督的回归层。在预训练阶段,通过训练集中不同姿态、不同表情以及不同分辨率的图像对网络进行初始化。在微调阶段,通过网络的输出与标签之间的差 并利用标准反向传播的方法 对模型的参数空间进行调整。在测试阶段,从测试库中随机选择一幅图像,获得统一空间下的特征向量。通过与参考图像库中的所有特征向量进行对比,利用最近邻域的方法识别人脸身份。在具有丰富表情以及大姿态变化的CMU-PIE人脸数据库上进行了全面的实验,结果表明,提出的方法取得了比最新的局域线性映射(或局部线性)的人脸识别方法更高的识别率。     

基于MIMU和磁力计的姿态更新算法研究

针对传统人体姿态解算算法中存在MEMS陀螺误差发散快的问题,提出一种基于微惯性测量单元( MIMU)及磁力计信息融合的姿态解算算法。该算法利用互补滤波结合PI调节控制完成陀螺零偏校正,然后在加速度计和磁强计的辅助校正下,通过EKF( Expand Kalman Filter)滤波器更新四元数法实现陀螺姿态解算。本算法采用MPU9150传感器模块完成测试实验,实验中对比分析了单独扩展卡尔曼滤波算法与本算法的滤波效果。实验结果表明,本算法能够有效地抑制陀螺的发散,实现稳定地输出高精度姿态数据。