基于特征结构配置的直升机飞行品质设计方法研究

直升机的固有特点使其飞行品质较差,而直升机的使用任务却要求它具有良好的飞行品质。本文采用特征结构配置方法设计直升机飞行控制律,并通过仿真手段进行检验,证实了样例直升机飞行品质提高。     

一种基于深度卷积神经网络的车辆颜色识别方法

车辆颜色是车辆中显著而稳定的特征之一,在智能交通系统中具有重要的作用。针对人工设计的特征提取方法难以有效表达复杂环境下车辆颜色特征的问题,本文在AlexNet网络结构基础上,通过调整网络结构、优化网络参数,形成了基于卷积神经网络的车辆颜色识别网络模型。该方法不需要预处理过程,能够自适应地学习车辆颜色特征表示。对常见的车辆颜色进行训练测试的实验结果表明,本文提出的方法应用到车辆颜色识别问题上具有较好的优势。     

智能旋翼振动的神经控制研究

桨毂交变载荷对直升机飞行中机体的振动水平有着直接的影响,而直升机机体减振一直是直升机工程界最受关注的技术问题之一.鉴于桨毂交变载荷所具有的非线性与周期性的特征,首次提出频域神经网络的控制方案,并设计了具体的实现程序.计算机仿真结果表明,这一方法具有有效性、稳定性与鲁棒性.     

基于TOPHAT-PCNN的图像车辆目标检测方法研究

对传统的车辆目标检测方法进行改进,提出了一种基于形态学高帽变换(TOPHAT)与脉冲耦合神经网络(PCNN)相结合的车辆目标检测方法.首先对交通图像进行形态学高帽变化提取图像的目标区域、然后分析了PCNN特征对车辆图像与非车辆图像的区分度,统计了熵特征和脉冲点火特征分别对原始图像和TOPHAT图像的有效性,选取了迭代平均熵作为车辆检测的有效特征,并采用滑窗的方式进行车辆检测,最后利用边缘密度信息对检测出的车辆目标进行后续验证.实验从有效性和准确性两方面进行验证,实验图片来自实际交通路口,结果表明:该方法能够有效地进行车辆目标检测,同时与其他车辆目标检测方法相比,具有检测率高、误检率低,消耗时间少等特点,能够较好的实现智能交通中车辆目标的快速检测.     

结合航拍图与车载图像的车辆路面位置定位

在道路交通事故司法鉴定实践中,准确定位事故车辆在路面上的位置,对事故过程还原和事故成因分析具有重要意义。本文引入航拍及三维激光扫描技术,运用几何映射原理,提出了一种利用航拍图像景物特征与车载视频图像景物特征相匹配的方法,对事故车辆的路面位置进行定位。该方法既无需构建一致性场景,也无需在原始现场中放置车辆,仅通过对原始现场及标定现场进行航拍,捕捉相关环境特征及车辆特征,并结合事故车辆的车载视频图像,将车辆图像放置在原始现场的航拍图中,以获取相关车辆的位置参数。结果表明,以图像中央区域特征和车前近距离特征为基础,当选择一组特征的视角约为20°时,车辆路面位置的定位效果最佳,其定位误差可控制在20 cm以内。     

一种改进的基于轮廓特征拐点的遮挡车辆分离方法

在传统的基于4类特征拐点的遮挡车辆分离方法的基础上进行改进,提出了一种基于8类特征拐点的分离方法.该方法以车辆常用的矩形模板为先验知识,首先对存在遮挡的连通区域提取边缘轮廓,并将轮廓上的特征拐点分为8类;然后在对相邻且同类的轮廓特征拐点进行合并的基础上,利用改进的车辆轮廓特征拐点的类型组合来实现遮挡车辆的识别和分离.仿真实验表明,本文所提出的新方法具有更好的鲁棒性和精确性,且方法简单,具有很高的实际应用价值.     

基于Adaboost算法和颜色特征的公交车辆视频检测

针对城市交通公交车辆视频检测问题,本文建立一种基于Adaboost算法和车窗颜色特征的公交车辆视频检测算法。首先采用前景检测方法寻找运动的车辆,这种方法是对经过滤波、膨胀的三帧差分法和经过滤波、阈值法去阴影、膨胀处理的混合高斯法这两种方法获取的前景进行"与"操作。并对前景检测算法中获取的运动车辆使用Adaboost算法和haar特征训练的分类器进行检测,将公交车辆和大客车车辆与其他小客车车辆进行分类。然后,考虑到公交车辆相对于大客车车辆,其车窗具有明显的用于标示公交线路等信息的特征颜色,采用canny算子边缘检测法,结合连通域处理进行车窗定位,将车窗区域转入HSV颜色空间,统计特征颜色像素占车窗总像素的比率,并与设定的阈值进行比较,若大于该阈值,则判断为公交车辆,否则为非公交车辆。在visual studio 2010和opencv测试平台上,对包含公交车辆的城市交通流视频进行实验,测试结果显示,本文的运动检测算法能较好地适应视频序列中的噪声,比单一的三帧差分或混合高斯法具有更高的鲁棒性,经测试大量包含公交车辆视频序列后获取的canny边缘检测及连通域阈值,能够让车窗定位的准确率达到95%以上,车窗特征颜色的识别算法能够有效、准确地区分公交车辆和大客车车辆,从而实现对公交车辆的检测和识别。     

交通视频中的Kalman滤波的多车辆跟踪算法

提出了一种交通视频中的Kalman滤波的多车辆跟踪算法.该算法利用Kalman滤波器反馈控制系统估计运动状态进行预测和修正,并为运动目标建立模型;利用当前车辆的信息对下一帧目标的位置进行预测,以便缩小目标的搜索范围和搜索时间,从而快速跟踪车辆.利用车辆的外接矩形框大小、质心等特征对车辆进行特征匹配,为交通视频中的车辆建立对应关系,利用新的系统参数更新模型,获得车辆的轨迹,如此反复,从而实现对车辆的跟踪.实验结果表明,此算法运算速度很快,对于车辆这样的快速运动目标,也具有较好的跟踪效果.     

三菱重工MH2000型直升机的研制

与西方其它主要发达国家的直升机工业相比，日本的直升机工业一直不为人所重视，日本人在通过。专利生产欧美直升机的过程中逐渐完成了直升机研制所需的技术积累和工业储备，其新研制的轻型观察直升机和中型民用直升机均具有极高的技术起点，本篇对三菱重工MH2000中型直升机的研制情况进行了较为详细的介绍，对我们重新审视日本的直升机工业极具参考价值。     

基于双特征的前方车辆实时检测

提出一种在无先验知识的情况下,综合利用车辆阴影和对称性两种特征进行前方车辆检测的算法.该算法通过检测车底阴影特征生成车辆存在假设,首先,利用大津阈值分割方法(OTSU)得到车辆阴影特征,采用阴影区域融合方法解决阴影边缘的变形问题,得到可能包含车辆的区域;然后,利用车辆对称性特征对感兴趣区域进行验证,并对其中的车辆区域进行准确定位.通过对实际采集的道路图像序列进行测试,结果表明:该算法能够实时、有效地检测出前方车辆.     

基于协同表示的声振传感器网络车辆分类识别

针对使用单一信号分类的现有车辆识别技术的不足,提出了一种基于声音信号与振动信号协同表示的车辆分类识别方法.利用梅尔倒谱系数(MFCC)提取车辆的声音信号和振动信号特征,分别对提取的2种信号特征进行多任务训练分类,以获得多任务协同表示的重构误差并对其进行加权处理,得出被检测目标的分类识别结果.结果表明,所提出的车辆分类识别方法对于车辆目标具有较好的分类效果和较高的识别效率.     

新型三轴式双旋翼直升机姿态控制

无人直升机在军事、民用领域扮演着重要角色.新型三轴式双旋翼直升机结构简单、容易控制、稳定性强.通过对新型直升机进行数学建模,提出电机实时分组控制新算法,实现了各姿态角独立控制,进而实现了直升机的姿态和航向控制.测试证明,新型直升机具有良好的操控性和稳定性,应用前景广泛.     

基于并行交叉PCANet车辆检测算法

针对传统机器学习车辆检测算法对复杂场景下车辆检测率低的问题,提出了一种并行交叉PCANet车辆检测算法,该算法使用2条PCANet,用实际车辆图像数据集和卷积神经网络提取的车辆轮廓图像数据集训练2个特征提取器,并且将提取的特征进行融合,作为最终的车辆特征,训练SVM分类器.实验结果表明,相比于传统的车辆检测算法,本文提出的检测算法结构简单,学习更充分,识别效率更高,具有较好的分类效果和检测效果.     

浅谈人力直升机设计及其改进方案

人力直升机是一种通过人力来带动机翼转动而起飞的直升机。该文主要研究人力直升机的起源,研究过程,近几年的发展,以及最后提出的改进方案。首先介绍了人力直升机的历史起源;其次分析了由各个国家的研究人员研制的人力直升机成功试飞的案例;然后通过分析飞机的设计结构、所采用的材料、相关数据,以及对试飞时滞空的时间进行对比,得出改进人力直升机的方案;最后综述了人力直升机的研究前景,使其具有旅游,运输,健身等实用价值。     

从正面车辆图像中识别车型的中层特征表示方法

为有效识别正面车辆图像中的车辆类型,提出了一种车辆中层特征表示方法. 该方法以SIFT特征为底层特征,建立两类中层特征:结构特征分布和表观特征分布. 结构特征分布是对SIFT特征在图像中位置信息的统计,描述车辆不同部分之间的相对位置关系,在不同类车辆之间以及车辆与背景之间具有较强的判别力;表观特征分布是对SIFT特征本身的统计,描述车辆的局部表观信息,对光照变化和背景干扰十分鲁棒. 利用多核学习方法融合两类中层特征,进而识别车辆类型. 实验结果表明,该方法在光照变化和有背景干扰等复杂情况下表现出良好的车型识别性能.      

直升机声信号的特征分析

根据传统语音信号的分析方法分析了直升机声信号,采用MATLAB软件进行了仿真,提取出了两种直升机声信号的短时自相关函数、短时频谱图和线性预测系数LPC,并分析对比了两种不同型号直升机声信号的特征。实验结果表明短时自相关、短时频谱和LPC等特征参数能较好地分析与识别不同类型的直升机声信号。     

基于全局和局部卷积特征融合的车辆目标检测

复杂环境下现有的车辆检测算法容易受尺度变化、遮挡以及复杂背景等因素影响,检测效果不理想,提出了一种融合全局和局部深度卷积特征的车辆检测算法。基于卷积神经网络构建车辆检测网络模型,通过建立多尺度感兴趣区域池化层(ROIPooling)获得图像整体结构和上下文信息,提取出目标的全局特征,并利用位置敏感感兴趣区域池化层(PSROIPooling)提取出目标局部特征,在全连接层处对全局和局部特征进行加权融合,最后通过多任务学习联合预测出车辆位置和类别。实验结果表明全局和局部特征具有较好的互补性,与多种主流检测算法相比,本算法具有更强的鲁棒性和准确性。     

双谱特征在空中目标识别中的应用

分析了雷达对直升机和固定翼飞机这两类空中目标的识别能力.在识别能力得到满足的前提下,对这两类目标的双谱特征进行了分析,找出了它们之间的不同之处,提出了对这两类目标进行分类识别的方法.通过对18种直升机和固定翼飞机仿真数据进行检验,证明这种方法是有效的.     

自动检测违章车辆的方法

为了自动检测违章车辆，提出一种利用统计模型和目标灰度场结构信息的算法。该算法是从视频图像中自动检测和动态跟踪违章车辆，它包括3个处理步骤：第一，利用车辆违章时的统计特征，发现视频图像中包含违章车辆的第一帧；第二，利用第一帧图像对违章车辆进行定位，即动态跟踪的起点；第三，对违章车辆进行动态跟踪。给出和研究了3种检测跟踪方案。仿真试验结果表明，用统计模型检测违章车辆具有一定的柔性，并具有较强的抗噪性和稳定性。     

基于颜色和局部二值模式特征的车辆跟踪算法

针对目前车辆跟踪算法在应对光照变化时不稳定的特点,提出一种基于颜色特征和局部二值模式特征的车辆跟踪算法。即:提取样本的颜色特征和局部二值模式(LBP)特征,用结构化输出支持向量机(SVM)对正负样本进行分类,预测评分值最高的预测样本对应的坐标就是目标车辆所在位置。通过在有光照变化、运动模糊、快速运动等挑战的视频序列中进行仿真试验,表明在光照变化等情况下本文跟踪算法具有较强的鲁棒性。