机器视觉辅助的插头锥套式无人机自主空中加油仿真

为准确获取无人机自主空中加油对接阶段受油插头与加油锥套的相对位姿信息,提出一种机器视觉辅助的插头锥套式无人机自主空中加油方案。研究了机器视觉识别跟踪加油锥套的算法,利用卡尔曼滤波算法估计无人机与加油锥套的相对位姿。实验结果表明:机器视觉图像处理算法可精确识别跟踪加油锥套,滤波器估计的相对位姿误差收敛速度较快,满足插头锥套式无人机自主空中加油的需要。     

基于视觉目标跟踪的侦察机器人导航方法

针对未知环境下侦察机器人的自主导航问题,提出了一种基于视觉目标跟踪的侦察机器人导航方法.首先利用二进制鲁棒独立元素特征(BRIEF)提取方法来检测和描述待跟踪视觉目标的局部不变特征点,在快速的特征匹配计算基础上提出由粗到精的目标定位两步法实现机器人导航过程中视觉目标的实时准确跟踪.其次对基于视觉目标跟踪的自主导航任务进行行为分解和实现,在行为中集成视觉目标跟踪算法.最后利用基于宏行为的机器人事务执行机制实现移向视觉目标的自主导航控制.实验结果表明,提出的方法能够使侦察机器人实时准确地跟踪视觉引导目标,在复杂障碍物环境下可靠地完成移向目标的自主导航任务.     

基于机器视觉的环形工件表面字符的提取识别

文章针对工件环形表面字符检测的困难提出一种视觉检测算法.首先对相机采集的照片进行空间滤波、二值化处理的预处理操作,得到便于处理的圆形轮廓区域;然后对圆形轮廓进行基于梯度算法的轮廓查找、极坐标变换展开,使用基于连通域的方法对待检测区域实现字符区域定位,重复使用该方法分割单个字符图像;最后基于卷积神经网络识别算法对分割后的...     

基于OpenCV的车辆轮廓检测

为了获得理想的车辆轮廓线,提出了一种基于开源计算机视觉库OpenCV的轮廓检测新方法。首先对图像进行形态学去噪、平滑滤波处理和二值化阈值分割等预处理,获得二值化黑白图像。然后通过轮廓提取和跟踪检测到车辆外轮廓线。在VC++6.0环境下,利用OpenCV编程实现了此方法。由实验结果看出,该方法可以较为理想地获得车身外轮廓线信息,既节省了预处理的时间,也保证了精度。     

基于U-Net和Res_UNet模型的 传送带矿石图像分割方法

针对传送带矿石图像中矿石粘连和边缘模糊造成的分割不准确问题,提出了一种基于U-Net和Res_UNet模型的传送带矿石图像分割方法.该方法首先将待分割图像经过灰度化、中值滤波和自适应直方图均衡化处理后,利用预训练的U-Net模型提取图像轮廓;然后,将图像轮廓二值化后,利用预训练的Res_UNet模型进行轮廓优化;最后,利用OpenCV得到分割结果.与基于形态学重建的分水岭算法和NUR法分别对10张测试图进行实验比较,结果表明,所提出的利用深度学习实现矿石轮廓检测和优化方法分割的结果更加准确,证明了其对传送带矿石图像分割的有效性.     

无人机视觉导航着陆标识检测与分割方法

为实现基于视觉导航无人机自主着陆任务,提出一种无人机视觉导航着陆标识检测与分割方法。在Tiny-YOLO网络基础上融入自下而上的特征增强结构,得到Mark-YOLO网络。针对无人机硬件平台计算能力不足的问题,对网络模型进行裁剪,减少网络模型的参数量;对目标检测算法提取到的无人机着陆标识进行图像分割处理,获取降落标识的轮廓信息。实验结果表明:本文提出的Mark-YOLO算法具有更高的准确率;裁剪后的网络模型具有更少的参数量与更小的权重,且检测到的着陆标识通过图像分割方法处理后,可取得良好的分割效果。     

基于序列图像的无人机进近着陆跑道识别与跟踪研究

跑道的准确识别与跟踪,是基于视觉的无人机自主着陆的重要条件.利用单目视觉获取进近着陆过程中实时跑道序列图像,经过Canny边缘检测算法和基于梯度方向的Hough变换处理,将同一跑道上的2条边缘线识别出来,并进行实时跟踪.最后利用大量真实的室外道路模拟跑道图像,以DM642为核心处理器设计视觉处理系统,结合固定翼无人机进近阶段着陆飞行特点,对设计的相关算法及视觉系统进行验证.结果表明所设计方法可以在进近着陆阶段准确提取跑道目标,并能够满足无人机着陆实时性要求.     

采用梯度滤波方法的夜间车辆检测

研究视觉交通监控的夜间车辆检测问题,提出一种基于视频图像处理提取夜间交通车辆完整轮廓的方法.通过梯度滤波消除路面反光的干扰,然后对经过预处理的相邻视频帧图像实行三帧差分分割运动区域,最后设计级联形态学滤波器对获得的车辆轮廓进行规整.多段典型的夜间交通视频测试结果表明,方法能有效地消除路面反光和环境光照的干扰,准确地提取夜间交通车辆的完整轮廓.     

软管式自主空中加油受油机控制系统研究

针对软管式空中加油过程中加油锥套受气流扰动影响,受油机受油插头难以与之实现精确对接的问题,提出基于参考观测器的全状态反馈控制方法设计了受油机的飞行控制系统。首先根据DGPS或者视觉传感器测量的加油机与受油机的相对位置,设计了参考轨迹生成模块,实时生成受油机期望的平滑飞行轨迹。然后通过一个输出跟踪观测器在线估算出前馈控制信号和参考状态量。基于估算的状态量设计一个全状态反馈控制器。最终实现对参考状态的精确跟踪,保证受油插头与加油锥套的精确对接和位置保持。仿真结果表明,在四种强度阵风干扰下,控制器能实现精确的双机空中加油设备跟踪对接,具有良好的动态性能与鲁棒性能。     

基于DM642目标跟踪与目标统计的实现

针对视频监控中单目标的跟踪及目标统计,提出采用一种背景差分和帧间差分相结合的方法,对运动物体进行有效的目标检测,提高了目标检测的精度。首先采用中值滤波去除图像中所含的椒盐噪声,通过形态学处理对提取目标二值化的图像进行去噪处理,然后利用多点定位算法实现目标跟踪。最后根据运动目标体的轮廓高宽比、面积、质心等特征量识别人体,当行人进入视频中特定区域后,进行人流量的统计。实验结果表明,该方法稳定性强、准确率高,所设计的系统能够满足实时要求。     

空中加油软管-锥套动态建模及其飘摆运动抑制

基于多刚体动力学建立空中加油软管-锥套在尾涡流场及大气紊流下的动态数学模型,分析了加油机在不同飞行条件下软管-锥套的平衡拖拽尾迹,以及大气紊流对软管-锥套运动的影响。软管-锥套随加油机在空中飞行时产生的飘摆运动,增加了受油机安全准确地对接加油锥套的难度。为了抑制软管-锥套空中飘摆运动,对软管-锥套飘摆运动设计了控制器。在非线性模型平衡点处线性化并降阶得到线性增量模型,根据最优控制原理设计了LQR控制器。仿真表明所设计的LQR控制器能有效抑制软管-锥套的飘摆运动,从而能够降低空中加油对接的难度,提高空中加油的安全性。     

GNSS autonomous navigation method for HEO spacecraft

For global navigation satellite system(GNSS) in the application of high earth orbit(HEO) determination, there are problems such as small number of visible satellites and weak signal magnitude. The transmitting and receiving errors of GNSS signal in the environment of HEO space are analyzed, and related compensating scheme is also proposed. Acquisition of GNSS signal is implemented by using weak signal acquisition technology based on Duffing. Precise tracking of weak GNSS signal is also realized by adopting dynamic detection and compensation technology based on Duffing chaotic oscillator. Simulation results show that, certain acquisition sensitivity and navigation precision can be reached, and the acquisition and tracking of weak GNSS signal can be realized by using the proposed technology, which provides good technology support for autonomous navigation of HEO and large elliptical spacecrafts.     

复杂干扰下配电线路无人机巡视目标检测方法研究

配电线路所处环境复杂,传统配电线路无人机巡视目标检测方法无法有效去除外界环境干扰,导致检测结果不可靠。为此,提出一种新的基于视觉感知的配电线路无人机巡视目标检测方法。通过可见光相机与紫外相机对无人机巡线图像进行采集,分析了紫外相机采集原理。通过直方图均衡化处理对采集图像进行增强处理,选用高斯滤波器对采集的配电线路无人机巡视图像进行滤波处理。对配电线路密集度区域和偏心度区域进行提取,获取配电线路无人机巡视目标特征向量。依据得到的特征向量确定无人机巡视目标,求出目标质心坐标,从而实现配电线路无人机巡视目标检测。实验结果表明,所提方法能够在干扰环境下有效实现配电线路无人机巡视目标的检测,检测结果可靠性高。     

基于SINS/星敏感器的组合导航模式

针对利用捷联惯导系统导航的不足,提出了一种基于捷联惯导系统/星敏感器的新组合导航模式,来提高飞行器导航的精度和速度.利用星敏感器得到恒星星光矢量在星敏感器CCD光敏面上的星像点及其在导航星库中对应的坐标值,然后分别进行坐标变换得到星光矢量在数学平台坐标系和地理坐标系中的坐标角度值.以Kalman滤波为基础,将所得到的星光坐标角度值和姿态角速度进行数据融合,估计出组合导航系统的误差状态量,进而修正捷联惯导系统的位置、速度和姿态角参数.详细推导了SINS/星光的组合导航算法,并通过仿真证实了该方案可提高导航系统的精度和速度,有较好的容错性和环境适应性,具有实际使用价值.     

自动空中加油技术研究进展与关键问题

自动空中加油是空中加油的高级实现形式,其应用可极大拓展无人驾驶飞行器的效能,近几年正成为国外航空领域新兴的研究内容之一。在分析自动空中加油特点的基础上,对现有的两种空中加油方式作了比较。根据国外有关自动空中加油研究的最新进展,从传感器选择、加油状态下的控制器设计、仿真与测试3方面详细论述了其基本原理与技术问题,指出了在研究自动空中加油技术时,所需解决的传感器精度、会合对接策略、协同操作、命令与通信、导航算法等关键技术问题。最后针对其研究现状与现有技术能力,指明了近期可初步开发利用并有望实现的技术。     

一种快速人脸跟踪算法的研究

提出了一种新的在连续运动场景中人脸的检测和跟踪方法.首先采取FloatBoost算法检测人脸,以提高检测速度和精度,然后运用运动学原理及运动估计的思想,利用时间序列分析中移动平均法和指数平滑法预测下一帧图像中跟踪目标的运动位置区域,以减少图像搜索区域,降低处理资源的消耗,达到实时跟踪的效果.仿真实验中,利用MATLAB进行人脸的检测、跟踪实验,并运用本文算法与FSA,CPME算法对跟踪目标物体的时间进行了对比实验.实验结果表明,本文所提出的方法具有良好的实时性和准确性.     

运动图像跟踪过程中丢帧误差消除技术

为解决传统方法不能自动对跟踪窗口的大小进行调整,造成跟踪定位误差高,无法有效消除丢帧误差的问题,提出一种新的运动图像跟踪过程中丢帧误差消除方法。通过对帧间差分法进行优化,利用每帧获取的背景部分完成背景模型的更新处理,通过当前帧和背景模型的差分获取运动范围。利用优化的Mean-shift法对运动图像进行跟踪处理,采用改进的帧差法对目标边缘进行提取,完成Mean-shift搜索窗口的更新处理,自适应调整跟踪窗口大小。通过适于P帧幅度能量模型对此刻帧与上一帧图像信息的改变程度进行描述,以体现运动图像序列运动分布情况,对运动图像跟踪中的丢帧误差情况进行描述。在此基础上求得运动图像跟踪状态矩阵,完成对丢帧状态参数的处理,将丢帧误差消除,以增强运动图像跟踪质量。结果表明,所提方法误差消除效果好,运动图像跟踪精度高。可见该方法能够对丢帧误差进行有效消除。