加强管理练内功从严治厂上水平

太原重型机械集团公司同一些国有大中型企业一样,在市场经济条件下由于资金严重短缺,使企业的生产经营遇到了前所未有的困难。面对严峻的形势,我们认为,外部大环境对企业的影响固然是一个重要因素,但企业要生存,要发展,必须加强内部管理,解决好企业本身存在的问题,靠管理来保证改革成果,来消化和减少外部环境给企业带来的增支减利因素。为此,公司制订并实施了坚持“制度、纪律、秩序”,突出质量、品种、效益,实现“两个根本     

基于UWB的无人机自主导航系统设计

针对卫星拒止环境下的无人机导航,提出一种基于超宽带（Ultra Wide-Band,UWB）技术的局部定位系统,实现无人机定位与导航。首先利用UWB技术实现测距,进而解算无人机在局部坐标系下的三维坐标,然后基于扩展卡尔曼滤波（EKF）融合多传感器数据以提高无人机的定位精度。基于开源飞控Pixhawk搭建了无人机飞行验证平台,将UWB定位系统数据与飞控传感器数据融合,对无人机在局部坐标系下的自主飞行进行了仿真。最后通过实验验证了基于UWB的多传感器数据融合导航在无人机自主导航控制上的可行性,实现了无人机在地面平台上的自主起降、对地目标伴飞等飞行导航任务。     

车载LiDAR扫描系统安置误差角检校

车载激光雷达系统是集激光扫描仪(LS)、全球定位系统(GPS)和惯性导航系统(INS)等于一体的多传感器集成系统。激光雷达系统多传感器的时空对准是实现数据融合及高精度三维测量的保障,其中扫描系统安置误差角是影响激光测量点定位精度的主要因素之一。首先分析了车载激光雷达系统中的相关坐标系及坐标系之间的空间转换关系,提出了一种以带有竖直边沿的竖直墙面作为检校场,对LiDAR扫描系统与惯性导航系统之间的安置误差角进行检校的方法。通过构建的车载LiDAR系统安置误差角的检校对所提出的检校方法进行了实验验证。     

姿态角扰动对机载激光雷达点云数据的影响

为研究机载平台的姿态角扰动对激光雷达点云扫描区域和密度分布,以及对由激光点云重建的三维表面模型的精度影响,首先从理论上阐明了姿态角扰动对激光点云扫描区域、密度分布及重建三维表面模型精度的影响机理;其次通过数值仿真,详细分析了姿态角扰动对激光点云扫描区域和密度分布的影响规律;最后通过半实物仿真实验,模拟了真实机载激光雷达扫描过程,验证了机载平台的姿态角扰动对激光点云扫描区域和密度分布的影响,并定量评价了姿态角扰动造成的数字表面模型( DSM)的精度变化.仿真和实验结果表明,机载平台姿态角扰动造成激光点云扫描区域偏移和局部区域点云密度降低,前者导致被扫描目标地形的部分区域漏扫;后者导致由激光点云重建的DSM失真增大.因此,姿态角扰动对机载激光雷达点云的扫描区域和密度分布,及对DSM的重建精度有显著的影响,应采取有效措施对姿态角扰动进行实时抑制或补偿.     

SURF算法在航摄图像导航中的应用

姿态角测量误差是导致机载遥感成像精度低的主要原因之一.为提高机载遥感成像的精度,并针对当前姿态角的测量误差较大、高精度惯性导航设备价格昂贵等问题,提出了一种应用基于SURF的航摄图像匹配的算法来解算飞行平台姿态角的方法.首先采用多线程对相邻航摄图像并行提取SURF特征点,然后使用改进的基于KDtree的近似最近邻匹配方法寻找相邻航摄图像匹配的特征点对,并应用RANSAC算法剔除错误匹配点对,再通过最小二乘法得到图像的变换模型参数,最终解算出机载平台的姿态角变化量.对该方法的实现进行了详细的比较分析,仿真结果也证明了该方法的有效性.     

基于嵌入式平台的航拍目标智能识别

基于多旋翼无人机实现目标识别具有成本低、灵活性高的优点,能够对近地低空目标进行高强度监测,在国防军事领域和民用领域具有巨大的应用前景;但无人机机载计算机常使用功耗小、重量轻、可靠性高的嵌入式设备,该类设备算力有限,难以实时运行现有深度学习目标识别算法,因此研究深度学习航拍小目标识别技术在嵌入式设备中实时运行有重要意义;基于YOLOv4设计了适用于无人机俯视小目标的轻量化网络,并基于BN层 系数对网络进行剪枝,采用了TensorRT对算法进行硬件加速;同时,制作了小型军用目标数据集,基于该数据集,在机载嵌入式运算平台上对原始YOLOv4算法和改进的算法分别进行了测试,改进算法与原YOLOv4相比,准确率提升了2.3%,速度提升了3.3倍。