偏振光谱成像仪太阳与月球联合在轨标定技术研究

航天遥感器入轨及在轨运行期间，由于重力、应力释放、热以及元器件老化等因素的综合影响需要对其进行在轨标定.为了提高星上辐射标定精度，提出了对月标定和太阳标定相结合的在轨标定方法.通过对月成像实现中心场的在轨绝对辐射标定，标定仪器辐射特性的星地差异和在轨的变化情况.通过太阳标定获取探测器的非均匀性变化.对偏振光谱成像仪标定不确定度进行了分析，研究结果表明：绝对辐射标定总不确定度为3.77%，满足5%辐射标定精度要求.     

基于激光点云特征的LiDAR-GNSS/IMU联合自动标定方法

车载多线激光雷达与GNSS/IMU系统间的数据融合可以提高智能驾驶定位系统的精度，两传感器间外部参数的标定是完成数据融合的前提.针对车辆传感器间外部参数手动测量困难、标定自动化程度低的问题，提出了一种不依赖标志物的自动标定方法，首先构建线、面两类特征点云地图并采用闭环约束减小累积误差，对两类点云地图分别提取面特征体素和线特征聚类，并将每一激光帧中的激光点与面特征体素和线特征聚类进行关联，结合基于运动标定的约束，构建最小二乘问题优化求解外部参数，最后通过实车实验验证了所提出算法的有效性和鲁棒性.     

光场成像系统仿真分析与深度标定研究

微透镜阵列的光场相机可以根据微透镜阵列与传感器之间的距离分成非聚焦（传统型）、聚焦开普勒型和聚焦伽利略型3种光场相机,使用光学仿真软件Zemax对这3种光场相机进行模拟,对得到的白板图进行微透镜中心标定以及对原始光场图片进行渲染处理,得到系统的空间分辨率（重聚焦图片分辨率）、角度分辨率（多视角数）等信息。利用重聚焦系数...     

基于激光雷达和摄像头的FSAC赛车锥桶感知算法研究

针对赛场环境下无人驾驶方程式赛车感知系统中锥桶检测准确率较低的问题，提出了一种基于激光雷达和摄像头标定融合的锥桶检测算法。首先，对激光雷达采集的点云进行滤波、地平面滤除、欧式聚类，得到感兴趣区域内锥桶的空间位置信息；其次，通过标定后得到的摄像头的内外参矩阵将锥桶空间位置信息投影到像素平面内，并在HSV颜色空间下对锥桶空间位置周围一定区域内H通道的像素点进行颜色判断，从而获得锥桶的颜色信息；最后，将得到的锥桶颜色信息附加在锥桶的空间位置上以实现信息融合，在校园内模仿赛场环境进行实验验证。结果表明，标定融合算法能够满足赛场上不同项目的比赛要求，避免了使用单一传感器算法时出现对锥桶漏检误检的情况。因此，标定融合算法可实现对锥桶的有效检测，丰富了检测目标的信息，提高了检测锥桶的准确性，为方程式大赛中使用传感器融合进行锥桶检测提供了参考。     

基于FA-PC-LU模型的城镇标准宗地布设研究

针对我国现有城镇标定地价评估中标准宗地布设主观性较强及定量化不足的问题，提出基于要素分析、规划控制、土地利用3个维度(FA-PC-LU模型)的标准宗地布设方法.并以漳州开发区为例，利用要素分析维度进行土地级别划分，结合城镇土地规划维度划分标定区域，在土地利用维度的基础上使用ArcGIS分析工具布设标准宗地.研究结论：要素分析维度(FA维度)是区域内土地级别划分的重要基础，规划控制维度(PC维度)是不同类型用地标定区域划分前提条件，土地利用维度(LU维度)能够有效地鉴别出标定区域内最具代表性的宗地.     

增压汽油机面向控制的充量模型及其数值标定

缸内进气量作为电控系统喷油和空燃比前馈控制的基础，对扭矩控制和排放性能至关重要。为了更简便、准确地估算缸内进气量，提出一种面向控制的充量模型，并基于Simulink软件完成该模型的搭建。引入GT-POWER仿真工具辅助标定，完成对充量模型中进气道传热因子、缸内驻留废气关键参数和气门实际流通面积的标定。最后将充量模型计算结果分别与仿真结果及台架试验结果验证对比，提出的充量模型稳态进气量的计算误差均在5%以内，表明提出的充量模型为发动机系统控制提供了一种较为可行的方法。     

基于FA-PC-LU模型的城镇标准宗地布设研究

针对我国现有城镇标定地价评估中标准宗地布设主观性较强及定量化不足的问题，提出基于要素分析、规划控制、土地利用3个维度(FA-PC-LU模型)的标准宗地布设方法.并以漳州开发区为例，利用要素分析维度进行土地级别划分，结合城镇土地规划维度划分标定区域，在土地利用维度的基础上使用ArcGIS分析工具布设标准宗地.研究结论：要素分析维度(FA维度)是区域内土地级别划分的重要基础，规划控制维度(PC维度)是不同类型用地标定区域划分前提条件，土地利用维度(LU维度)能够有效地鉴别出标定区域内最具代表性的宗地.     

基于最小化各向同性误差的LiDAR-双目相机标定方法

LiDAR(Laser Imaging,Detection,and Ranging，激光雷达)与双目相机的多模态数据融合是3D重建领域的一个重要研究方向，两种传感器各有优缺点，通过多模态数据融合可以实现互补，获得更好的重建效果。为了实现数据融合，首先需要将两种数据统一到同一个坐标系下，LiDAR与相机之间外参的高精度标定结果对后续的3D重建十分重要。在LiDAR与相机的外参标定过程中，受LiDAR点云的稀疏性与其定位误差的影响，提取精确的特征点并构建正确的点对应关系是一个挑战性的问题。此外，LiDAR在球坐标系下完成测量工作，而大多数标定方法忽略这一特性，直接使用笛卡尔坐标测量结果进行标定，引入了沿坐标轴各向异性分布的误差，导致标定精度下降。针对该问题，有研究者提出了各向异性权重方法，但仍存在一些缺陷。文中提出了一种最小化LiDAR球坐标误差的LiDAR与双目相机标定方法。首先，提出了一种使用形心特征点的新的标定板，改善特征点的提取精度；其次，将各向异性的LiDAR笛卡尔坐标误差转换为各向同性的球坐标误差，直接最小化球坐标误差求解外参。实验研究表明，本文提出的各向同性误差法相比各向异性...     

基于双目立体视觉系统的测量研究

为了实现摄像机与目标物体之间距离的信息,由双目测量原理,采取结合OpenCV与Matlab的方式,设计出一套关于双目测距的立体视觉系统;系统首先对双目摄像机的内外参数进行标定,从黑白格组成的标定板中获得角点信息,使用亚像素角点检测法对角点坐标信息进行更精确检测,在黑白格组成的标定板分别距离双目摄像机300、400、500、600、700mm处获取不同位置的标定图像,经过张正友标定法最终可以得到双目摄像机所需内外参数;其次通过BM(Block Matching)立体匹配算法在VS2017坏境与opencv3.4.7库配合下完成了摄像机的立体校正、立体匹配进而得到视差图;最后在实验中使用了双目摄像头,并编写了代码通过鼠标点击所得到的视差图获取对应的世界坐标来实现物距的测量;实验结果表明:被测物距离摄像头光心500~700mm这一范围时,实测距离和实际距离相对误差百分比在0.171% ~0.192%之间,且实测距离在2 950mm内实验误差小于5%满足实验精度要求。     

室内移动机器人的视觉惯性组合定位研究

针对在室内环境下移动机器人无法利用全球定位系统(global positioning system,GPS)进行精确的定位问题,提出一种紧耦合的视觉惯性组合定位方法,运用了预积分、联合初始化、边缘化等关键技术,并提出一种新的基于Vicon的惯性测量单元(inertial measurement unit,IMU)内参标...