无人机视觉着舰导航鲁棒角点精确检测算法

针对舰载无人直升机着舰时拍摄的图像存在大尺度、角度畸变,使得合作目标角点难以检测的问题,提出一种鲁棒角点精确检测算法。设计了一种彩色非对称合作目标,通过计算合作目标的最小周长多边形（minimum perimeter polygon,MPP）来获取轮廓上的角点。针对这些角点存在伪角点及未排序问题,给出了斜率约束、距离约束和方向约束策略。最后,针对亚像素Harris角点检测算法精度高但未排序、三重约束的MPP角点检测精度低但已排序的问题,制定了这两种角点检测方法的融合策略。实验表明,所提算法可以有效解决合作目标图像发生大角度畸变以及一定尺度畸变范围内的角点检测。     

一种基于极几何和单应约束的图像匹配算法

提出一种综合应用极几何和单应约束的图像特征点匹配算法,首先使用互相关法对图像特征点集进行初始匹配,然后运用RANSAC方法鲁棒地估计基本矩阵和单应矩阵并相应地剔除错误匹配点,最后利用优化后的基本矩阵和单应矩阵引导匹配以获得更多、更精确的匹配点。大量真实图像实验表明,所提出的算法能够产生更多的匹配点并具有较高的匹配精度。     

一种基于自然纹理特征的增强现实跟踪算法

给出了一种面向增强现实(augmented reality,AR)的基于自然纹理特征的实时跟踪算法,算法分为目标检测与跟踪两个过程.以真实场景中的目标物体的表面纹理图像作为模板,用基于朴素贝叶斯分类的宽基线匹配方法进行目标检测与方位参数估计;将分层L-K光流算法与鲁棒的IC算法结合,提出一种基于角点与纹理的混合跟踪算法,并用于其跟踪过程.实验结果表明,所提算法具有较好的实时性、准确性与鲁棒性,并解决了宽基线匹配算法在AR应用中出现的抖动现象.     

利用双树复小波变换和SURF的图像配准算法

为了进一步提高图像配准的运算效率、匹配正确率及配准精度,提出了一种利用双树复小波变换和加速鲁棒特征（speeded up robust features, SURF）的图像配准算法。首先利用双树复小波变换将参考图像和待配准图像分解为低频部分和高频部分,选取其对应的低频部分作为SURF算法的输入图像,得到两者的粗匹配结果;然后通过随机抽样一致（random sample consensus, RANSAC）算法对粗匹配点对进行提纯,剔除误匹配点对,解决了SURF算法存在较多错误匹配点对的问题,同时计算出最佳匹配的变换模型参数;最后根据该变换模型参数对待配准图像进行几何变换,经双线性插值确定灰度,完成图像的配准。大量实验结果表明,与尺度不变特征变换（scale invariant feature transform, SIFT）算法和SURF算法相比,所提算法的运算速度更快,匹配正确率和配准精度更高,同时在抗噪声、抗旋转及抗亮度变化性能方面更加优越。     

基于极线约束的角点匹配快速算法

针对同一物体从不同角度拍摄形成的不同图像的匹配问题,提出新的基于区域互信息和极线约束的角点匹配快速算法.该算法首先采用Canny边缘捡测算子提取图像边缘,再利用曲率最大原理求取局部板值完成角点检测,随后基于区域互信息测度获取角点的初始匹配;进一步采用基于极线约束及马氏距离测度的改进松弛算法完成角点的精匹配.实验表明,本算法具有较好的鲁棒性,能有效、快速.高精度的进行角点匹配.     

基于增强现实技术的圆明园景观数字重现

提出基于关键帧匹配的增强现实跟踪注册算法,实现圆明园大水法遗址的数字重现。并采用随机树的方法将特征点的匹配问题转化为特征模式分类问题,解决图像间的宽基线特征匹配。基于该算法构建出基于视频透视式头盔显示器的移动增强现实系统。实验验证表明,该方法具有实时、鲁棒,适用于户外跟踪注册。     

一种基于分片模板的自适应运动目标跟踪算法

分块跟踪算法是一种非常鲁棒的模板匹配算法,特别适合解决部分遮挡问题,但是该算法框架下的模板更新策略无法解决场景中的目标外观变化和遮挡问题,为此,提出一种分块跟踪框架下的带有遮挡检测的模板更新算法。算法将目标分为多个小片,根据各小片匹配的情况检测目标是否被部分遮挡。如果目标被遮挡,使用能精确反映目标信息的参考模板进行匹配;否则使用能反映目标变化的临时模板,并提出了相应的模板更新算法。大量的实验证明了本算法的有效性。     

基于深度学习的复杂背景雷达图像多目标检测#br#

针对传统雷达图像目标检测方法在海杂波及多种干扰物组成的复杂背景下目标分类识别率低、虚警率高的问题,提出将当前热点研究的深度学习方法引入到雷达图像目标检测。首先分析了目前先进的YOLOv3检测算法优点及应用到雷达图像领域的局限,并构建了海杂波环境下有干扰物的舰船目标检测数据集,数据集包含了不同背景、分辨率、目标物位置关系等条件,能够较完备地满足实际任务需要。针对该数据集包含目标稀疏、目标尺寸小的特点,首先利用K means算法计算适合该数据集的锚点坐标;其次在YOLOv3的基础上提出改进多尺度特征融合预测算法,融合了多层特征信息并加入空间金字塔池化。通过大量对比实验,在该数据集上,所提方法相比原YOLOv3检测精度提高了6.07%。     

基于ICP算法的非合作目标特征点云配准优化

针对视觉测量中非合作目标无法提供合作信息从而引起的位姿测量问题,采用ICP(Iterative Closest Point)算法配准不同时刻获取的点云降采样数据来完成目标的相对位姿测量。利用运动恢复结构算法获取了目标当前时刻的点云数据并比较了基于阈值匹配与光流匹配的特征点匹配算法,利用三角测量法对提取到的特征点进行重建,同时将点云数据进行降采样处理,根据降采样后的点云数据计算出不同时刻目标的相对位姿关系。实验表明当物体发生旋转运动时,对降采样数据利用ICP算法计算得到的目标绕坐标轴旋转角度最大误差不超过0.11º。     

基于改进多特征融合均值位移算法的红外舰船目标跟踪

针对红外海面背景杂波干扰严重多特征融合的均值位移算法无法准确跟踪目标的问题,对原算法进行了改进,提出一种基于多特征融合均值位移跟踪的新框架。在多特征融合均值位移跟踪的基础上,所提算法通过加入对目标区域的迭代分割并提取区域形心,实现了舰船目标的准确再定位;在局部分割的基础上,提出了对多特征模板尺寸和目标模型的更新方案,实现了对红外海面背景下舰船目标的准确、鲁棒跟踪。利用实际红外图像序列对算法性能进行验证,实验结果表明,所提算法能够更准确、有效地跟踪图像序列中的舰船目标。     

基于视觉序列图像的月球车自运动估计技术

月球车视觉所获得的环境信息是月球车进行导航的重要信息来源，给出了一套利用月球车立体视觉系统所获得的序列图像来估计月球车运动参数的定位方案，并重点解决了后期的定位问题。该方案首先通过特征提取、特征跟踪与特征匹配等图像处理环节建立运动估计所需要的特征匹配点集，然后针对运动参数估计这一难点，利用鲁棒运动估计方法有效消除匹配特征点集中的误匹配，并初步估计月球车运动参数，以此为迭代初值利用Levenberg-Marquardt非线性估计算法精确估计月球车运动参数，最后通过建立运动估计仿真器验证了该运动估计方案的有效性。     

基于无人艇的导航雷达目标检测跟踪算法

在无人艇利用导航雷达进行环境感知的过程中,针对雷达回波图中出现的区域破碎现象以及对运动目标进行跟踪时存在较大误差的问题,提出了一种应用于导航雷达的目标检测跟踪方法提高无人艇对水面目标的检测能力。首先,对雷达原始回波图像解析并进行预处理操作;其次,在图像连通的基础上,设计自适应阈值分割Hausdorff匹配算法对回波图和地图进行匹配,区分属于目标和陆地的回波;然后,对连续两帧的雷达回波图进行目标匹配;最后,通过加入预测序列模型的经验模态分解算法优化检测跟踪结果,提高获取目标信息的准确性。实验验证结果表明：对1 km内相对运动速度低于30节的水面目标,所提方法目标检测概率提升了6.5%,距离误差低于2%,航速误差低于6%,航向误差低于6°,整体性能优于工程中常用的检测跟踪方法。     

结合图像特征和几何特征的级联图像匹配方法

提出了一种多特征级联目标匹配算法(MFCM)。在先前的研究中提出的基于几何特征的匹配方法复杂度普遍较高,需要改进。MFCM算法首先使用图像特征为每一个特征点建立潜在匹配集,然后进行两级匹配:第一级匹配采用分治思想,利用几何特征建立匹配结果集,并应用投票机制来确保匹配的稳定性;第二级匹配在模板点集和匹配结果集之间建立对应关系。新算法有效提高了几何匹配方法的效率,同时保持了较高的匹配正确率。实验结果表明,MFCM算法可以有效处理大数据量的目标匹配问题。     

视频图像中运动目标的实时检测

提出了一种运动目标检测与跟踪算法。以每点色彩信息的混合高斯模型来实现对视频图像的背景估计,从而实现对运动目标的检测。利用模板匹配的方法实现对运动目标的跟踪,并对混合高斯模型的算法进行了改进,使其能更快、更有效地适应环境的变化。实验结果表明此方法具有较强的鲁棒性,能较好地适应各种气候和光照环境的变化。     

基于尺度不变局部特征的摄像机运动检测

摄像机运动检测是自动视频分析的重要内容.提出一种基于尺度不变局部特征的摄像机运动检测方法.该算法通过帧间局部特征的匹配,通过归一化软投票的方法鲁棒地估计特征匹配对的位置、尺度的变化,并根据备变化值和投票数的特点识别出摄像机的运动类型.该方法简单、鲁棒,实验结果验证了所提方法的有效性.     

基于视觉对比度机制的红外弱小目标检测算法

针对红外图像中空天、海天等复杂背景及像素点噪声容易造成检测虚警的问题,提出一种基于视觉对比度机制的红外弱小目标检测算法。首先,通过新定义的局部对比度算子获取对比度增强的图像,该步骤可抑制背景杂波与像素点噪声对检测的干扰,提高图像的信杂比,增强目标区域的视觉显著性。然后,利用多尺度方法优化图像的显著区域,以增强算法的适用性,从而实现算法对不同尺寸的弱小目标的有效检测。最后,利用自适应阈值分割方法获取待检测的真实目标。实验结果表明,该算法无需图像预处理环节即可实现对不同尺寸的弱小目标的鲁棒性检测,对比常用算法具有快速性、高效性和较强的适用性。     

带有遗憾值约束的4PL网络设计鲁棒优化模型与仿真

第四方物流(4PL)网络运作过程中常因外部环境的干扰而发生中断,使网络安全受到威胁。考虑中断状态下4PL网络鲁棒优化设计问题,目标是构建在任意中断状态发生时仍能以较低的成本为客户提供满意服务的4PL网络。基于β-鲁棒解的定义,建立了带有遗憾值约束的4PL网络设计鲁棒优化模型。针对问题的NP-hard特性,利用磷虾群算法(KHA)对模型进行求解,并与人工鱼群算法(AFSA)进行了比较,通过仿真实例对算法的可行性和有效性进行了验证。仿真结果表明,KHA的性能优于经典的AFSA。通过对不同遗憾值β约束下4PL网络设计最佳方案的比较分析,验证了利用鲁棒优化模型设计4PL网络能够较好地规避风险,并达到最大限度节约成本的目的。     

基于高阶PI观测器的不确定线性系统鲁棒故障检测设计

针对一类受干扰影响的不确定线性系统,研究了基于高阶比例积分 (proportional integral, PI)观测器的鲁棒故障检测设计问题。通过对一类Sylvester矩阵方程的参数化解,将基于高阶PI观测器的鲁棒故障检测问题转化为具有多约束的优化问题。基于该优化问题的解,给出了具有鲁棒故障检测功能的高阶PI观测器存在的充要条件,并给出受干扰影响的不确定线性系统的鲁棒故障检测设计方法。最后,数值算例及仿真分析结果验证了所提方法的有效性。     

利用SIFT特征联合匹配的非刚体目标跟踪算法

为了解决非刚体目标跟踪过程中由目标形状快速变化带来的困难,提出了利用SIFT特征联合匹配的非刚体目标跟踪算法。首先分别提取目标模板和当前搜索区域的SIFT特征点;然后利用改进的联合匹配策略在目标模板和当前搜索区域之间进行特征匹配;最后根据匹配结果确定目标在当前帧的位置和尺度。改进的联合匹配策略在构建相似度矩阵时,不但利用了具有旋转和尺度不变性的SIFT特征向量,并且充分考虑了特征点的空间位置信息,有效提高了特征匹配的准确性。将这种改进的联合匹配策略成功地引入到SIFT匹配跟踪中,克服了传统SIFT匹配算法用于非刚体目标跟踪时的缺陷。实验结果表明,该算法对目标的非刚性形变、尺度变化以及背景干扰都具有较强的鲁棒性。     

基于迭代学习-未知输入观测器的卫星姿控系统鲁棒故障重构

针对卫星姿控系统出现执行机构故障,提出一种基于迭代学习-未知输入观测器(iterative learning unknown input observer, IL-UIO)的鲁棒故障重构方法。首先,考虑卫星出现空间干扰力矩、模型不确定性以及陀螺漂移,建立小角度机动时的非线性姿控系统模型。其次,采用UIO干扰解耦原理和H_∞控制思想,设计IL-UIO估计卫星姿态欧拉角和角速度的同时,利用IL算法实现执行机构鲁棒故障重构。并利用Lyapunov稳定性理论证明了IL-UIO稳定性和动态故障偏差最终有界, 通过线性矩阵不等式(linear matrix inequaliry, LMI)工具箱求解了观测器部分参数矩阵。最后,建立卫星闭环姿控系统并进行仿真,仿真结果验证了此方法的有效性。