基于干涉条纹的激光准直技术的检测系统

为了获得被测导轨的直线度误差信息,采用半导体激光器发出的激光,经准直扩束后照射到楔形平板上,利用楔形平板上下表面的反射作用,将这束激光分解为交角2α的交叉光束,在这两条平行激光束交叉的范围内产生干涉条纹。将此干涉光作为准直测量的基准,用线阵CCD作为光电转换器件固定在接收靶上;检测接收靶处于被测导轨任一测量点时干涉条纹在接收靶上的位置,得到了该测量点与准直光束的偏移量。进行了重复性实验以及与光电自准直仪的比对实验。在测量长度842mm时,直线度误差18.96μm,测量长度最远可达14m。结果表明,样机的性能、指标基本达到了预定目标。     

一种基于非参数模型的相机内参校准方法

影响大空间视觉三维坐标测量不确定度的主要因素有相机内参数、外部方位参数和特征成像质量.传统相机内参数校准方法需要参数模型化及全局最优化求解方法,会造成各内参数相关性过高,局部校准误差较大,对基于测角的测量方式不确定度影响较大、结合相机成像原理及垂线法,提出了一种基于物理参数校准的方法,对主点位置偏移、全视场范围非均匀镜头畸变等参数进行了精细校准.最后,以交比不变误差作为相机校准精度的评价方法,与传统校准方法的对比实验表明,该校准方法能够有效地提高测量不确定度指标,是一种简单、实用的校准方法.     

An improved deep multiscale crowd counting network with perspective awareness

Crowd counting is a challenging task, which is partly due to the multiscale variation and perspective distortion of crowd images. To solve these problems, an improved deep multiscale crowd counting network with perspective awareness was proposed. This network contains two branches. One branch uses the improved ResNet50 network to extract multiscale features, and the other extracts perspective information using a perspective-aware network formed by fully convolutional networks. The proposed network structure improves the counting accuracy when the crowd scale changes, and reduce the influence of perspective distortion. To accommodate various crowd scenarios, data-driven approaches are used to fine-tune the trained convolutional neural networks (CNN) model of the target scenes. The extensive experiments on three public datasets demonstrate the validity and reliability of the proposed method.     

两阶段机场多特种车辆协同充电调度策略

在机场区域内,新能源特种车辆充电具有很大的随机性,且不同种类特种车辆充电情况各不相同,造成飞行区内各充电桩利用率相差过大,影响机场配电网的健康运行。针对上述现象,设计了十一车型两阶段特种车辆协同充电调度策略。第一阶段通过分析不同车辆对航班的保障流程,以同一车辆对相邻航班保障起始时间差值最小为目标,生成存在充电需求的车辆序列。第二阶段以减小飞行区各区充电桩时间利用率方差和车辆充电排队时间为目标,在上一阶段车辆序列基础上采用改进的自适应变异粒子群算法进行模型求解,并以国内某枢纽机场的实际车辆充电数据进行对比验证。实验表明,采用该算法后,车辆充电时的等待时间降低了93.5%、飞行区充电桩时间利用率的整体方差下降了88.7%,达到了均衡使用充电桩的目标。     

基于两方法博弈的马尔可夫随机场红外图像分割算法

电路板红外图像芯片提取是电路板红外故障检测系统中的重要环节,已成为红外图像分割领域关注的一个重点。针对红外图像的特性及传统分割算法效率和精度不足的缺陷,提出一种基于两种优化策略博弈的马尔可夫随机场红外图像分割方法。首先通过OTSU算法对图像进行初始分割;然后利用马尔可夫随机场理论建立图像分割模型;最后,通过SA、ICM优化策略间的博弈对图像进行分割,将两种优化策略视为博弈的两个局中人,通过寻找博弈的纳什均衡点来实现分割;实验结果表明,算法能够无人工干预地准确提取电路板红外图像所有芯片发热区域,并且很好地抑制噪声,准确处理边缘信息,具有一定的实用性和鲁棒性。     

基于遗传算法的机场充电桩布局选址研究

针对当前机场逐步实行车辆“油改电”的大背景,研究了在今后机场全面推行电动特种车辆的情况下,机场充电桩的布局规划问题。建立了以充电桩管理和建设费用、电动特种车辆路上运行费用及充电等待费用最小为目标函数的充电桩选址模型,分析了电动特车的机场运行流程,在此基础上提出了遗传算法作为模型求解方法,对各算法参数进行标定,潜在地增加了种群的多样性及全局寻优能力。结合机场实例,对模型和算法进行了仿真分析,确定了该机场充电桩布局选址的最终方案,证明了模型的可行性和算法的有效性。     

《基于红外多光谱的飞机残冰检测关键技术研究》项目简介北大核心CSCD

《基于红外多光谱的飞机残冰检测关键技术研究》国家自然科学基金青年科学基金项目（61405246）以安全、高效的飞机残冰检测过程为目标。在红外多光谱检测理论的基础上,进行飞机蒙皮材料及涂装影响因素分析,并建立飞机表面残冰反射模型,同时对主动光源波动及检测环境中的红外辐射干扰进行补偿,以提高飞机残冰检测的可靠性。建立飞机表面残冰的检测系统,系统测量原理如图l所示。     

高精度双线阵CCD非接触直径测量系统

设计引入一字线状激光作为目标检测光源,搭建了光学直径测量系统。为了突出目标检测工件特征,设计通过实时改变光积分时间以增强边缘信号特征。采用现场可编程门阵列(FPGA)作为CCD的驱动设备和信号处理器,采用亚像元边缘检测算法对一维图像数据进行处理,最后将结果实时显示出来。实验表明:系统能够完成目标检测任务,检测精度可以达到微米级。     

基于Ca-GAN增强的机坪管制指令识别方法研究

我国枢纽机场长期处于繁忙状态,高负荷带来信息交互失真的风险,语音识别技术可用于辅助决策,然而管制语音特殊性及样本量局限性使传统深度学习技术难以直接应用于机坪管制领域。针对这一问题,提出了一种基于小样本学习的语音识别方法。首先提出数据增强方法,通过结合先验领域知识,构建基于数据生成策略组的生成对抗网络来增强声学模型识别能力来进一步提升模型效果;然后通过重构声学模型部分结构和参数;最后通过迁移学习方法将通用语音库中的声学建模特征应用到机坪管制语音指令的识别中。实验结果表明,该方法将字错率减少至6.14%。该研究可应用于机场高级地面活动引导及控制系统中机坪管制语音指令的检测和识别,助力现代机场高质量运行。     

基于改进YOLOv5s的机坪特种车辆检测算法研究

机坪特种车辆作为航班保障服务的重要一环,其种类多,形状各异;目前已有的车辆检测算法在识别机坪特种车辆时检测精度不高,在遮挡时无法检测;针对于此问题,提出了一种基于改进YOLOv5s的机坪特种车辆检测算法;为了在机坪特种车辆检测中快速、准确的定位感兴趣区域,在主干网络中融合协同注意力机制;考虑到机坪监控场景下特种车辆尺度差别较大的情况,为了能够增强对不同尺度特种车辆的检测能力,提出了四尺度特征检测网络结构;为了提高检测网络多尺度特征融合能力,结合加权双向特征金字塔结构对网络的Neck部分进行改进;将改进后的算法在自建的机坪特种车辆数据集上进行训练、测试,实验结果表明,与YOLOv5s相比,改进后算法的精确度提升了1.6％,召回率提升了3.5％,平均精度mAP0.5和mAP0.5:0.95分别有2.3％和3.3％的提升。