基于FPGA+DSP多目标质心定位系统的研究与实现

提出了适用于多目标的FPGA+DSP质心定位改进算法.该算法首先采用连通域标记算法在FPGA中标记出目标,解出各目标点的质心坐标,再由DSP根据统计结果进行自适应阈值计算.实验结果表明:多目标质心定位系统的检测结果与理论分析基本一致,可满足最高70fps的图像速率,该速率远高于基于单个DSP芯片或者普通计算机的处理速率.     

光束畸变补偿技术的实验研究

为解决光束畸变问题,在前向简并四波混频布局中采用了补偿的分光技术,研究了共振介质(加碘的酒精溶剂)的简并四波混频(DFWM)效应．实验中用CCD实时连续采集DFWM信号光斑,直接从监视器上观察DFWM信号光斑．由于采用补偿分光技术,发现信号光斑位置虽然有所漂移,但信号光斑形状基本稳定,即抑制了激光漂移带来的负面影响,因而得到了稳定的DFWM信号输出;实验进一步通过对DFWM信号光与泵浦光光场分布的测量验证了补偿分光技术的有效性     

磁强计和微机械陀螺/加速度计组合定姿的扩展卡尔曼滤波器设计

微机械陀螺近年来获得广泛应用,但是由于其性能较低,并不能提供长时间的稳定的姿态,必须和其它传感器组合使用。提出了一种基于磁强计和微机械陀螺／加速度计组合姿态确定的四元数卡尔曼滤波算法,该算法利用加速度计的输出判断是否使用卡尔曼滤波器计算姿态,并在卡尔曼滤波器中利用加速度计和磁强计计算的姿态角补偿陀螺的漂移。仿真和实验结果表明了该算法的有效性。     

一种用于全景影像的测量方案

提出了一种从全景影像中还原目标三维信息的测量方案. 通过全景相机所获取的影像只有GPS 坐标,而没有姿态信息,需要运用影像匹配技术以及光束法准确算出拍摄时刻全景影像的姿态,然后通过前方交会计算全景影像中目标的三维坐标. 针对全景影像畸变较大的特点,采用仿射不变特征匹配算法进行影像匹配,同时使用随机抽样一致算法剔除粗差点,以保证匹配点的数量及准确度. 根据全景影像的透视投影几何模型,能改进常规摄影测量中的光束法,可用来求解全景影像姿态. 提出一种针对全景摄影测量的前方交会算法,将空间直线方程变换后建立法方程,并进行平差解算. 实验表明,该方法相比于传统方法有更高的精度,可准确测算全景影像上的物点坐标.     

对偶四元数在航天器相对导航中的应用

为了提高航天器相对位置和姿态测量的实时性和准确性,提出一种利用对偶四元数位姿模型来求解航天器相对位姿的方法. 该方法统一考虑目标航天器和追踪航天器本体坐标系间的相对旋转和平移,采用螺旋向量法更新对偶四元数. 建立了相机测量模型来测量航天器的相对位置和姿态,并选择扩展的卡尔曼滤波来消除随机噪声对状态更新和测量过程的干扰. 仿真结果表明该导航算法能满足航天器相对导航的精度要求,验证了该算法的可行性.     

四旋翼无人机飞行姿态的自适应反演滑模控制

针对非线性六自由度欠驱动四旋翼无人机的姿态和位置控制问题,提出自适应反演滑模控制算法.设计了一种自适应律对控制中的参数摄动和外界干扰上界进行在线估计,并将估计值补偿到反演滑模控制中.通过李雅普诺夫稳定性理论证明自适应反演滑模控制能使跟踪误差一致渐近收敛到零.最后,根据给定的四旋翼无人机参数进行数值仿真,所得结果表明在系统存在参数摄动和外部干扰的情况下,该方法也能够实现四旋翼无人机的姿态稳定和定高悬停,并具有较好的鲁棒性..     

基于单调链的任意多边形填充算法

通过扩展计算几何中“单调链”概念,提出了一种新的多边形扫描线填充算法,即基于单调链的扫描线多边形填充算法,新算法首先生成多边形单调链,并对单调链尖点按Ｙ坐标排序,最后建立活性单调链表,从而完成多边形的填充,该算法的运行时间和所占存储空间少于传统的扫描线多边形填充算法。     

基于卷积神经网络的时空权重姿态运动特征提取算法

在传统姿态运动特征提取过程中存在有效提取效率低的问题,于是提出了基于卷积神经网络（convolutional neural network,CNN）算法的时空权重姿态运动特征提取算法。针对所选择的运动时空样本,提取相应的时空运动关键帧并以静态图像的形式输出;采取运动目标检测、图像增强等多项措施完成初始运动图像的预处理工作;借助CNN将运动特征矢量化;采用时空权重自适应插值方法减少运动边缘检测误差,从姿态边缘特征和姿态运动时空特征两方面实现姿态运动特征提取,并输出提取结果。与传统算法进行对比实验的结果表明,所提出的算法在有效特征数量方面得到了提升。     

基于伪陀螺/磁强计/地球敏感器的微卫星姿态自适应确定方法

以伪陀螺、磁强计与地球敏感器构成的姿态测量系统为基础,设计了自适应扩展卡尔曼滤波算法.对轨道倾角不同的两种卫星的定姿性能进行了仿真,结果表明,该方案的滚动与俯仰角精度达到0.05°,航向角优于0.4°,且随轨道倾角的减小而改善;当地球敏感器发生故障时,大倾角轨道的卫星滚动与俯仰角精度优于0.5°,航向精度约1°;同时自适应滤波方法能显著地提高姿态确定的性能.     

多尺度自卷积方差显著性SAR图像目标检测

针对SAR图像中显著性目标检测问题,提出一种基于多尺度自卷积方差显著性的自适应检测算法. 该算法在对SAR图像多尺度自卷积运算基础上,通过计算MSAV得到方差显著图. 设计了一种自适应阈值检测器,完成SAR图像中显著性目标的检测. 实验结果表明,在复杂背景环境下,所提算法能有效检测出与人类视觉较为一致的显著性目标.     

结合模糊熵和遗传算法的双阈值图像分割

在火炮身管弯曲度测量系统中,为了能从光靶图像中同时提取标定图案和激光光斑,提出了一种双阈值图像分割方法. 基于模糊数学理论和最大模糊熵判据,把光靶图像中的像素灰度级分为黑、灰和亮3 个模糊子集,用于畸变校正的标定图案的像素灰度级隶属于黑模糊子集,用于测量的激光光斑的像素灰度级隶属于亮模糊子集.使用改进的模糊指数熵作为分类判据,提高了分类准确性. 通过遗传算法确定模糊熵参数的最优组合,降低了计算复杂度,并且最大模糊熵判据仅含有4 个模糊熵参数,减小了搜索空间. 针对光靶图像进行了双阈值分割实验,并与最大类间方差双阈值法、模拟退火模糊熵法和使用未改进的模糊指数熵的遗传模糊熵法进行了比较. 实验结果表明,所提方法能自动而有效地选取双阈值,且分割效果优于其他3 种双阈值分割方法.     

MEMS-INS微型飞行器姿态确定系统的实现研究

研究了微型飞行器姿态确定系统的样机实现.在对MEMS惯性器件性能分析和零偏温度建模的基础上,提出微型飞行器九位置非正交及安装误差标定方法,利用相关理论分析MEMS惯性传感器的噪声特性,建立适合工程应用的姿态组合算法,进行了转台测试和试飞试验.误差补偿后,陀螺和加速度计零偏稳定性分别达到0.036°/s²和0.01 m/s²,俯仰和横滚的误差均方差分别达到0.33°和0.28°.试验结果表明:器件和系统级的误差补偿起到了综合补偿的效果,姿态误差减小了约50%,基于MEMS-INS的姿态确定系统可满足微型飞行器自主姿态稳定的需求.     

一种鲁棒的圆形标记点中心提取方法

圆形标记点中心识别是视觉测量的关键技术之一. 为满足工业现场精确标定和测量的需求,提出了一种鲁棒的标记点中心提取算法. 首先对图像进行预处理和Canny边缘提取;然后用增强的Snake方法对边缘进行全局最优搜索,并以具备积分性质的Zernike算子对图像边缘进行亚像素定位;最后采用鲁棒的椭圆拟合算法迭代定位椭圆中心. 仿真和实测表明,该算法在标记点破损或被污染情况下仍能给出精确的中心定位. 理想情况下定位误差小于0.02像素,在标记点破损或被污染情况下定位误差小于0.03像素.     

滤波角速率输入的圆锥误差补偿

为了提高光纤陀螺捷联惯性导航系统精度,提出了滤波角速率输入的圆锥误差补偿方法。根据滤波前后物理量圆锥效应的不同,分析滤波圆锥误差准则,并依据滤波角速率求取滤波角增量的算法,推导了滤波角速率输入的捷联惯性导航系统圆锥误差补偿中的误差补偿系数和误差主项。结合光纤陀螺特性的对比仿真结果表明,滤波角速率输入圆锥误差补偿算法精度比传统姿态算法精度高2～3个数量级。滤波角速率输入圆锥误差补偿算法更贴近工程,对提高角速率陀螺构建的捷联惯性系统精度具有重要理论和工程意义。     

机器视觉摄像机标定的一般正多边形方法

围绕机器视觉摄像机标定问题,该文将通常几种基于特定正多边形模型的标定方法拓展为一般正多边形模型的摄像机标定方法. 首先分析一般正多边形的平面几何性质,结合射影几何中的交比和调和共轭的性质计算正多边形各条边和正多边形内切圆心与切点连线方向的消失点. 利用消失点与光心的连线方向和形成消失点空间直线方向相同的性质建立线性方程组,从而求解摄像机内参数. 最后通过几个特定正多边形（正三角形、正四边形、正五边形、正六边形）模版的摄像机标定验证一般正多边形标定方法的正确性. 实验中还发现几种特定正多边形的摄像机标定精度不同,正五边形的标定精度最高,正四边形最低.     

印鉴自动识别系统中图像处理与 识别的方法 研究

采用基于边缘二值图的区域内灰度变换算法，提高印鉴图像局部灰度的对比度，从而防止了印鉴图像局部灰度过线使信息大量丢失的现象；提出了封闭凸多边形图像的提取方法－种子扩散浮置实体算法，解决了将待验印鉴图像从背景噪声中提取出来的问题；提出用重心点和中心点计算偏差角度，解决了待验印鉴与预留印鉴对齐的问题，并以内差和外差的概念，判断印鉴的真伪。     

一种新的K-均值动态聚类算法

针对K-均值算法易受孤立点影响、对初始中心点选择敏感、易陷入局部最优的问题,对K-均值算法进行了改进,提出了一种自适应优化选择初始中心点的K-均值算法。实验结果表明,改进后的算法不仅较大程度上弥补了传统K-均值算法的不足,并且提高了聚类的稳定性和准确率。     

网络控制系统的自适应预测控制

针对具有随机时延的网络控制系统,提出一种自适应预测控制方法. 利用Elman神经网络对网络控制系统的随机时延进行在线预测,然后采用一种增加微分作用的改进隐式广义预测控制方法对网络时延进行补偿,实现了随机时延网络控制系统的自适应预测控制. 仿真结果表明,该方法对网络随机时延有很好的补偿效果,可明显改善系统输出性能,保证控制的稳定性与快速性.