基于非成像模型的摄像机校准方法

作为摄影测量关键部件的摄像机,其校准精确度直接影响了整个测量系统的测量不确定度．通过对常规摄像机校准技术的研究,发现基于内参数成像模型的校准方法会因为内参数综合优化的相关性干扰和非线性求解的不确定性使校准的畸变参数不稳定,且无法修正由镜头透镜组制造中的曲率变化非连续平滑等造成的非模型化畸变．结合航空摄影测量光学实验室方法与垂线法,以摄像机的成像原理为依据提出基于非成像模型的校准方法,以实现逐像元（甚至亚像素级）畸变的细化修正．实验表明,该校准方法的角度测量精度为±5″,系统不确定度为10×10-6,并可适用于所有的相机和镜头．     

六点法摄像机标定的研究

提出一种利用立方体的六个顶点相对于其中一点的几何约束关系进行摄像机线性标定的方法.即在小孔成像模型的基础上,把六个顶点的坐标带入到成像公式来求解摄像机的内外参数,从而实现对摄像机的线性标定.同时为了减少提取数据的误差,引入了成组六点法.实验结果表明,与直接线形法相比六点法标定的精度可达2个像素.     

基于OpenCV的挖掘机器人摄像机参数标定

为了建立挖掘机器人视觉系统摄像机测量模型,提高视觉测量精度,分析了挖掘机器人摄像机视觉系统内、外参数成像模型及摄像机非线性畸变参数,确定了适合挖掘机器人视觉系统的标定参数。通过采集自制的棋盘标定模板不同方向的七幅图像,基于OpenCV技术实现了对模板角点的提取。通过七幅图像进行标定实验,实验结果获得了摄像机模型的线性内部参数矩阵,标定出了摄像机非线性模型的径向畸变系数,摄像机外部旋转矩阵及平移向量,并给出了标定参数误差。研究结论表明采用角点提取方法,标定误差可达亚像素级,能够满足挖掘机器人视觉系统的标定及视觉测量精度要求。     

基于全局视觉的服务机器人滑模轨迹跟踪控制

以轮式移动服务机器人的轨迹跟踪控制为研究对象,分别建立了轮式移动机器人在任务空间和视觉空间内的运动学模型,利用摄像机成像模型,实现了视觉空间到任务空间的速度向量变换.采用视觉伺服控制方法,构建了全局视觉轨迹跟踪控制结构.结合滑模控制思想,建立了具有全局渐近稳定的滑模轨迹跟踪控制器.以具有任意初始误差的圆和直线为参考轨迹,进行了仿真研究.仿真结果表明,所构建的系统控制器具有理想的响应速度和跟踪精确性.     

地面脉冲激光扫描仪的误差模型与自校准

为确保工程应用的数据质量,在实施后继稳定性或变形分析之前,建模、校准和修正所有系统的仪器误差.采用理论分析与实验的方法,系统研究了地面脉冲激光扫描仪的误差模型和自校准方法,同时阐明了这些过程的要求及应注意的问题.研究结果表明:自校准法易于统一实施误差建模,比传统组件校准法更为快捷有效,可以可靠估计系统的TLS仪器误差,其中基于点的自校准方法已成为TLS仪器自校准的研究热点和发展趋势.     

视觉导引下的轴与轴孔被动装配研究

提出了一种在视觉导引下的被动装配方法，该方法首先使用视觉进行粗定位，然后使用装配平台的扫描运动完成最后的装配，该方法克服了视觉装配误差大和被动装配时间长的缺点，集中了视觉装配速度快和被动装配精度高的优点，使得精确装配能够迅速完成。文中不仅给出了装配系统的模型，而且给出了空间点的矩阵变换，通过摄像机的特殊配置，使得矩阵变换非常简单。同时，对摄像机的最大成像误差进行了估计，为后面的装配平台运动提供依据。最后，给出了装配过程的实验结果，从装配过程所化的时间来看，该系统是可行的。     

一种实用的快速摄像机校准方法

该文对二维摄像机校准问题进行了探讨,在已有的摄像机校准数学模型基础上,提出了一种简化的适用于二维摄像机校准问题的数学模型,并结合特定的校准物体,设计并实现了一个实用的摄像机校准系统。实际应用表明提出的方法是有效的。     

摄像机模型及其参数计算

在射影几何的基础上描述了一个摄像机及成像系统的模型,给出了模型参数的两种计算方法。该方法已用于一个三眼立体视觉系统摄像机及成像系统模型参数的计算,所得参数用于三维坐标的计算,最大相对误差小于3.4%。该模型适用于类似成像系统的校正、反透视投影、2.5维及3维信息的计算。     

视频图像中监控目标的空间定位方法

为解决视频监控系统中目标空间定位存在困难大、耗时等问题,根据OpenGL透视成像与摄影测量一致性原理,提出基于三维场景仿真成像,并依靠视频图像与仿真图像间的对应关系进行地理场景中目标的空间定位方法.在视频成像时摄像机内外方位元素已知的情况下,在三维虚拟场景中形成虚拟相机来模拟实际摄像机成像过程,并将监控目标所在视频图像中的像素坐标等比代入仿真图像,通过虚拟成像的逆过程反推出目标的空间坐标.为有效分析系统的定位精度,采用地面激光扫描仪+同步拍照相机组成的三维场景采集系统来模拟实际的高精度摄像机+数字云台组成的视频监控系统.实验结果表明,目标点与相机的水平距离介于10~90 m内,各目标点的空间定位在X、Y、Z三个方向的误差大多在±0.3 m之间,说明本方法是可行的.这对于通过视频监控图像实现户外目标的定位,具有重要的参考价值.     

用于高频地波雷达阵列天线的孤立大目标分层校准算法

高频地波雷达接收阵列不可避免地存在幅度和相位误差,这时天线方向图会产生歧变并使杂波对消算法失效。校准方法有采用辅助信源、建立阵列模型进行参数估计、利用噪声或杂波做为校准源等,缺点分别为成本高、实时性差、不能校准相位误差。针对以上问题,该文提出了孤立大目标分层校准算法。首先将阵列分成若干子阵,然后选取在空域和Doppler域都具有唯一性的大信噪比目标作为校准源,采用改进的噪声子空间拟合法或者相差校准法对各子阵的幅相误差进行校准,最后通过对各子阵误差矢量的融合得到统一的误差矢量,从而实现整个阵列的幅相校准。校准后阵列天线的幅度误差、相位误差和波束方向图旁瓣均显著减小。理论和实践都表明,孤立大目标分层校准算法比传统算法在实时性和精度方面都得到了大幅度的提高。     

Analysis and Experiments on Two Linear Discriminant Analysis Methods

Foley-Sammon linear discriminant analysis （FSLDA） and uncorrelated linear discriminant analysis （ULDA） are two well-known kinds of linear discriminant analysis. Both ULDA and FSLDA search the kth discriminant vector in an n - k ＋ 1 dimensional subspace, while they are subject to their respective constraints. Evidenced by strict demonstration, it is clear that in essence ULDA vectors are the covarianceorthogonal vectors of the corresponding eigen-equation. So, the algorithms for the covariance-orthogonal vectors are equivalent to the original algorithm of ULDA, which is time-consuming. Also, it is first revealed that the Fisher criterion value of each FSLDA vector must be not less than that of the corresponding ULDA vector by theory analysis. For a discriminant vector, the larger its Fisher criterion value is, the more powerful in discriminability it is. So, for FSLDA vectors, corresponding to larger Fisher criterion values is an advantage. On the other hand, in general any two feature components extracted by FSLDA vectors are statistically correlated with each other, which may make the discriminant vectors set at a disadvantageous position. In contrast to FSLDA vectors, any two feature components extracted by ULDA vectors are statistically uncorrelated with each other. Two experiments on CENPARMI handwritten numeral database and ORL database are performed. The experimental results are consistent with the theory analysis on Fisher criterion values of ULDA vectors and FSLDA vectors. The experiments also show that the equivalent algorithm of ULDA, presented in this paper, is much more efficient than the original algorithm of ULDA, as the theory analysis expects. Moreover, it appears that if there is high statistical correlation between feature components extracted by FSLDA vectors, FSLDA will not perform well, in spite of larger Fisher criterion value owned by every FSLDA vector. However, when the average correlation coefficient of feature components extracted by FSLDA vectors is at a low level, the performance of FSLDA are comparable with ULDA.     

电流模式线性变换高阶电流镜滤波器

为了设计具有电流控制功能的电流模式滤波器,研究了应用电流镜实现高阶线性变换有源滤波器.基于线性变换,给出了实现电流模式电流镜滤波器的系统设计简表,以便于设计全极点与椭圆函数滤波器.通过实例实现了仅由电流镜和接地电容组成的三阶椭圆低通滤波器.并采用0.18 μm CMOS工艺对电路进行PSPICE仿真.仿真结果表明,该电...     

锁相环的改进及仿真

提出了一种改进锁相环线性性能的方法,即在基本锁相环的基础上增加一个常数增益元件C和一个低通滤波器L(s),同时使用鉴频鉴相器(PFD)代替鉴相器(PD).这可使锁相环具有大的捕捉范围并能快速锁定,尤其是在锁定时间方面远优于基本锁相环.通过对锁相环路进行增益补偿,扩大了锁相环路的线性分析范围,改善了锁相环路的线性工作性能;通过介绍Simulink环境下的锁相环仿真方法,直观地得出了频率捕捉时间、捕捉范围等锁相环参数,验证了在噪声环境下改进方法的可行性.     

均匀直线阵的波达方向估计

 简述了均匀直线天线阵列波达方向估计的3种方法:分别用来自不同方向的4个信号和5个信号进入7个阵元的阵列进行试验,得出了仿真结果和最大分辨率.     

细胞自动机在VLSI测试中的应用

研究细胞自动机(CA)在超大规模集成电路(VLSI)伪随机测试中作为测试激励的结构和实现方法.通过对线性反馈移位寄存器(LFSR)生成序列的采样,获得另一移位不等价序列,综合出其本原多项式,并根据CA与LFSR同态的理论综合出CA的结构,通过快速逻辑仿真确定CA初值.该法可以获得较短的CA结构,缩短测试时间,获得较高的故障覆盖率.     

基于H_∞方法的数控机床永磁直线伺服系统二自由度鲁棒控制器设计

基于模型匹配原理和鲁棒控制理论,针对参数摄动问题,对永磁直线伺服系统的速度H∞控制器提出优化设计。用线性矩阵不等式求解标准H∞控制问题得到输出反馈H∞控制器,以保证直线系统的鲁棒性。仿真结果表明,采用本文方法设计的直线伺服系统能很好地抑制扰动和跟踪给定,对对象参数摄动等不确定性因素具有很强的鲁棒性。     

一般线性有理期望经济模型的新指数稳定法则

研究了带有不确定性与时变延时的一般线性有理期望经济模型的新指数稳定法则问题,经济系统中的不确定性被描述成为范数有界的。基于LMI的方法得到相关结论。最后,通过数值算例验证了所用方法的可行性。     

一类时变参数混沌滚动密钥产生器的构造及分析

利用一类具有偶对称特性的一维分段线性映射，提出了时变参数混沌滚动密钥产生器的构造方法，所产生的模拟混沌序列的相空间分布不包含局部的线性结构，其密钥序列也具有理想的密码学特性。     

倒立摆控制的设计与仿真

针对倒立摆的稳定控制问题,阐述了二阶倒立摆的数学模型,采用线性二次最优控制理论,设计了倒立摆控制系统的线性二次型调节器和线性二次型输出器,使倒立摆系统闭环稳定。在Matlab 6.5环境下,对倒立摆系统在两种控制器作用下的控制过程进行仿真.结果表明,在非线性控制问题中,线性二次型输出器与线性二次型调节器相比,对倒立摆系统的控制更有优势。     

线性时不变时滞系统与时滞相关的状态反馈控制

基于微分中值定理,给出了线性时不变时滞系统一种稳定性等价的系统表达方式。该等价系统与系统滞后的大小无关。针对等价系统,本文得到了一种与滞后大小相关的控制器设计方案,其控制器参数的确定由线性矩阵不等式解的形式给出。线性矩阵不等式的求解可以方便地由Matlab中的ControlTollbox完成。