基于运动补偿的小型无人机云台控制器设计方法

云台安装的摄像机可用于基于视觉的小型无人机目标跟踪与定位。分析了无人机平移和旋转运动对目标在图像平面成像的影响,推导了机体角速度与云台姿态角速度转换矩阵,设计基于运动补偿的云台控制器将无人机速度和机体角速度引入云台控制器输入,补偿因无人机运动引起的摄像机视线改变,并利用目标在图像平面的位置偏差修正摄像机跟踪误差。仿真实验表明所设计的云台控制器可提高目标跟踪精度,减少云台抖动。     

基于视觉的无人机着陆半物理仿真系统的应用

针对无人机视觉着陆相关方法、算法验证困难的问题,提出了一种基于Windows平台下采用图形建模语言、实时扩展技术以及虚拟现实技术,实现基于视觉的无人机着陆半物理仿真验证的方法。利用该方法构建的半物理实时仿真平台能够验证无人机视觉着陆相关方法、算法的正确性、可行性,及时暴露缺陷,为基于视觉的无人机着陆相关方法、算法提供有效验证途径和技术手段,并为今后无人机视觉着陆方法逐步工程化提供必要的技术支撑。     

无人机自主着陆地标实时检测方法

在基于计算机视觉的无人机自主着陆过程中,地标的设计与检测是关键问题。提出了一种快速轮廓角点检测算法,并设计了一种新型嵌套三角形图案作为无人机自主着陆地标。首先,利用Suzuki-Abe算法提取的背景及目标的整体轮廓信息,进行目标嵌套轮廓提取;其次,通过改进Douglas-Peucker拟合算法来检测轮廓角点。由于优化了角点个数及最远距离两点的寻找方法,在很大程度上减少了计算时间且降低了复杂度。实验结果表明,在距离地标较远、地标部分信息缺失的情况下,该算法准确快速,适合于无人机自主着陆过程位置实时检测。     

基于邻近目标置信度评估的视觉目标跟踪与定位

针对视觉目标跟踪与定位中,目标因为无特征或被严重遮挡导致无法定位的问题,设计了一种基于邻近目标置信度评估的视觉目标跟踪与定位算法。在跟踪过程中,通过检测提取邻近目标的标记特征,然后结合每个特征标记的汉明距离和相对其他标记的归一化结果以及每个标记发生的概率,得到每个标记最终置信度,选择置信度最大的邻近标记来确定目标位置。实验结果表明,该算法在对目标存在遮挡或目标没有特征的情况可以大大提高跟踪的鲁棒性和准确性。     

一种基于运动目标ISAR像序列的三维重构方法

为解决运动信息未知的雷达目标三维重构问题,提出了一种基于目标逆合成孔径雷达(ISAR)图像序列的矩阵分解三维重构法.基于ISAR成像的基本原理,将ISAR成像过程公式化,推导出SAR成像投影矩阵方程式,给出了关联后的二维图像序列中散射点坐标与原目标散射点的三维位置的几何投影关系;利用矩阵因式分解的方法,从观测矩阵中分解出三维位置矩阵,实现重构;最后,以三维平底圆锥体为模拟目标,仿真验证了该算法的可行性,结果表明用于重构的图像帧数越多、图像信噪比越高,重构性能越好.     

基于双目视觉的自主空中加油算法研究与仿真

针对当前无人机空中加油自动化程度不高,对加油作业环境要求苛刻等问题.分析了空中加油技术中重要因素——目标的相对距离以及姿态测量的基础上,研究了一种基于视觉导航的自主空中加油技术,将双目视觉引入自膏空中加油系统中,运用对极几何原理,加快算法的更新速度,提高算法的稳定性和抗扰动性,设计并完成仿真实验.仿真实验结果表明,该算法在精度、速度和稳定性方面均能够满足视觉导航空中加油的需求.     

辅助自动着陆技术

对提出的基于机器视觉辅助的无人驾驶飞机自动着陆的导航方法进行了误差分析.系统传感器是安装在光电跟踪平台上的双目摄像机,用以得到无人驾驶飞机的位置信息.图像处理部分主要使用了图像的模版匹配、轮廓提取、角点检测等处理方法,从图像中获得特征区域的中心,利用解析几何的知识求解出无人机进场着陆段的位置参数.通过仿真试验,对文中所提出的图像处理方法的引导精度进行了误差分析,证明了算法的可行性.     

基于散射中心关联的三维成像方法

基于目标三维散射中心在雷达视线上的几何投影关系,提出了一种雷达目标散射中心关联和三维成像的新方法,采用随机抽样一致性方法实现了对关联样本有效性的检验以及对各散射中心最优关联方案的选取。仿真实验表明,该算法简单易行,适用于目标散射中心和姿态数目较多的情况,并可以对存在缺失点、虚假点等复杂情况的散射中心进行关联和三维成像,具有较高的鲁棒性。     

基于时差效用的双目标资源约束型鲁棒性项目调度优化

进度计划的稳定性对不确定环境下项目的顺利实施具有重要影响。从活动自由时差效用函数的新视角度量调度方案的鲁棒性,进而,同时考虑项目工期和鲁棒性两个目标函数,构建了基于时差效用的双目标资源约束型鲁棒性项目调度优化模型(BORRCPSP)。针对模型的NP-hard和多目标组合优化特征,设计一种调整的快速非支配性排序多目标遗传进化算法(NSGA-II)求解模型。基于PSPLIB中的480个标准算例进行大规模数值仿真测试。采用获得Pareto最优解集合的算例比率、与最优工期的偏差以及Pareto最优解集合的规模和计算时间作为4个评价指标,实验数据的统计结果验证了BORRCPSP模型和调整的NSGA-II算法的有效性。结论表明,BORRCPSP的Pareto最优解集合可以给项目经理综合考虑项目工期和进度计划的稳定性提供定量化决策依据。     

基于SIFT匹配算法的移动机器人单目视觉定位研究

以单目视觉为模型给出基于视觉的移动机器人目标定位系统算法,利用尺度不变特征变换匹配方法(SIFT)求得基本矩阵与本质矩阵,分解本质矩阵后进一步得到相机的运动参数,最后结合立体视觉方法以及运动恢复结构方法获得目标的深度信息,实现目标定位。给出了三维信息获取过程与计算机仿真结果。实验结果表明,算法能满足移动机器人对目标实现定位的精度要求。     

基于自校正MPC的舰载机着舰控制技术

针对模型参数不准确条件下的全自动着舰控制技术进行了研究,设计了一种基于保辛伪谱算法(symplectic pseudospectral method,SP)和带遗忘因子递推最小二乘法(recursive least squares with forgetting factor,FFRLS)的舰载机着舰自校正模型预测控制...     

基于视觉的飞机自主着陆导航

提出一种基于视觉的飞机自主着陆导航信息提取新方法。它克服了国外方法中利用点对应关系而难于提取特征点的问题,只需对两条跑道边线和一条着陆阈值线进行检测,这些线具有明显的可视性和直线性。由此可直接算出飞机的姿态向量,若跑道的宽度已知,还可以算出飞机的位置矢量。依据成像的几何原理,文中对算法进行了完整的推导,通过对飞机着陆过程中实际采集的跑道图像序列进行处理和实验,表明基于视觉的飞机自主着陆导航信息提取与转换是可行的。     

基于算法融合的红外成像目标稳健跟踪方法

针对复杂背景下的红外图像机动目标跟踪问题,在对现有的多种红外成像目标跟踪算法进行分析与比较的基础上,提出了一种基于算法融合的红外成像目标稳健跟踪方法。该方法在对各跟踪器输出的目标位置测量值序列采用基于“当前”统计模型的模糊交互多模方法进行处理的基础上,采用基于总均方误差最小规则的自适应加权融合方法对目标状态的多个滤波与预测值进行综合处理,较大程度上提高了系统的跟踪精度与稳定性。仿真结果显示了该方法的有效性与稳健性。     

在复杂大气条件下的飞机自动着陆控制器设计与仿真

对飞机整个自动着陆过程的控制进行了设计,主要采用逆系统方法设计控制律,并用神经网络对控制律进行了鲁棒补偿,神经网络的学习规则为带有死区的关于神经网络灵敏度的线性函数。对于在自动着陆过程中可能遇到的紊流和风切变等几种典型大气情况进行了分析,并将所设计的着陆控制律在上述复杂大气条件下进行了仿真验证。仿真结果表明,所设计的自动着陆系统对复杂大气条件具有鲁棒性,着陆过程中实际飞行高度与期望飞行高度的误差在合理的范围之内。     

基于块稀疏矩阵恢复的MIMO雷达扩展目标高分辨成像算法

针对现有多输入多输出(multiple input multiple output,MIM O)雷达稀疏恢复成像算法中存在的运算量大、对扩展目标成像质量低的问题,提出一种基于块稀疏矩阵恢复的MIMO雷达扩展目标高分辨成像算法,通过引入目标块稀疏特征,提高对空间扩展目标的成像质量.首先,通过构造距离向和方位向感知矩阵,建...     

高分辨SAR目标成像方向性结构特征增强

针对传统稀疏特征增强的方式仅能完成对目标场景中特显点的增强,对复杂的目标结构特征无能为力的问题,考虑目标细节特征的复杂性,提出方向性结构全变分(directional total structure variation,DTSV)正则子进行结构先验表征,实现对成像目标复杂结构特征任意梯度变化的拟合,进而实现对结构特征的...     

机器视觉辅助的UAV半自主着陆系统

在UAV着陆的导航与控制中引入了机器视觉方法,提出了机器视觉辅助的UAV半自主着陆系统方案,该系统由图像获取与处理、导航解算和地面平台控制模块组成。图像获取模块使用多光谱摄像机和激光测距仪,分别获得UAV的图像和深度信息。图像处理模块使用目标分割和运动分析方法,测量UAV位置。导航解算模块使用Kalman滤波器抑制测量噪声,输出滤波结果用于导航,预测结果控制地面平台跟踪UAV。实时地实现了上述机器视觉算法,并结合虚拟现实环境建立了仿真系统。使用反射内存网络连接该仿真系统与各外部模块,进行了着陆过程联合仿真。结果表明,该系统能够满足UAV半自主着陆导航任务的要求。     

Fast-moving target tracking based on mean shift and frame-difference methods

The mean shift tracker has difficulty in tracking fast moving targets and suffers from tracking error accumulation problem.To overcome the limitations of the mean shift method,a new approach is proposed by integrating the mean shift algorithm and frame-difference methods.The rough position of the moving target is first located by the direct frame-difference algorithm and three-frame-difference algorithm for the immobile camera scenes and mobile camera scenes,respectively.Then,the mean shift algorithm is used to achieve precise tracking of the target.Several tracking experiments show that the proposed method can effectively track first moving targets and overcome the tracking error accumulation problem.     

改进的mean shift目标跟踪算法

提出一种改进的均值偏移（mean shift， MS）目标跟踪算法，用于提高模板漂移和大面积遮挡情况下视觉目标跟踪算法的鲁棒性和准确性。首先判断目标是否存在遮挡现象，当遮挡未发生时，采用原始MS算法跟踪目标，利用选择性分量更新策略对目标模板进行更新，减少模板漂移的影响|当遮挡发生后，利用非对称核函数模型对候选目标模型进行矫正，降低遮挡像素点对MS矢量和目标跟踪稳定性的影响。实验结果表明，改进的跟踪算法对非刚性和大面积遮挡目标都能进行稳定的跟踪。