面向建筑健康监测的无人机自主巡检与裂缝识别

面向建筑健康的高时效监测需求,为提升表面病害视觉检测的自动化水平,提出了场景信息引导的无人机自主巡检任务规划方法。利用场景先验信息,针对建筑结构特征,设计了平行观测和包络观测两种观测模式,实现了狭窄空间中独栋建筑的全覆盖避障巡检,获取了毫米级分辨率的整体建筑观测影像,并对巡检质量的整体评估提出了有效的量化指标。将建筑立面划分为3 720个子区域,利用深度残差网络开展了裂缝识别分类。错分13个子区域,漏分14个子区域,裂缝识别精度高。将裂缝骨架线映射到建筑三维模型,为裂缝形态与建筑整体的一体化表达提供了数据支撑。该研究将高精度三维重建与表面病害识别相结合,为建筑健康一体化监测提供了有效的观测分析手段。     

双属性概率图优化的无人机集群协同目标搜索

为了提高不确定环境下无人机（unmanned aerial vehicle,UAV）对目标捕获能力,进而提高多UAV协同搜索效率,提出了基于双属性概率图结合改进的协同进化遗传算法（improved co-evolutionary genetic algorithm,ICEGA）的多UAV协同目标搜索方法。首先,根据环境的先验信息,在原概率图基础上引入标志位,建立基于双属性矩阵的待搜索环境概率模型,提高环境和目标的信息感知准确度;其次,定义UAV的飞行规则并结合目标先验概率图信息,建立UAV运动模型及确定最大收益的目标函数;最后,建立分布式UAV之间的信息交互模型,运用ICEGA算法优化产生最优协同决策输入航向角集合,在线实时滚动优化产生最优协同路径。实验结果表明,基于双属性概率图结合ICEGA算法更能够保证最优路径的产生,使得UAV能够准确地搜索到目标;同时,对比仿真验证了ICEGA算法能够提高UAV之间的协同性,保证了路径可行性及提高了目标搜索效率。     

基于深度强化学习的无人机自组网路由算法

针对无人机自组网节点密度大、拓扑变换频繁,导致移动自组网复杂的问题,提出了一种基于深度强化学习(deep-reinforcement learning, DRL)的分布式无人机自组网路由算法。利用DRL感知学习无人机特征,使节点不断与环境交互、探索学习最优行动(路由)策略;通过存储经验知识,维护端到端路由,赋予无人机网络智能化重构和快速修复的能力,从而提高路径的稳定性,降低路由建立和维护开销,增强网络的鲁棒性能。仿真结果表明,提出的算法具有较好的收敛性能;在路由修复时间、端到端时延,以及网络适应性、扩展性方面都优于传统的路由算法。     

安徽省大学生竞技健美操比赛难度动作分析

对2005年安徽省大学生竞技健美操比赛六人操项目的前8名共8套动作中难度动作数量、组别、分值和C组难度动作空中姿态类型,进行统计分析.结果表明:目前安徽省大学生运动员的成套动作中所选择的4个组别难度动作的比例基本合理,且符合运动员各自的身体素质能力和训练水平,完成质量比往年有很大的提高.但在C组跳与跃类难度动作的选择上缺乏多样性,存在着较多的空中姿态重复现象,与竞技健美操最新发展趋势有差距.     

基于垂直区域宽度分解的无人机覆盖航迹规划

为解决多无人机执行区域覆盖任务时,存在覆盖效率低的问题,提出了基于垂直区域宽度分解的无人机覆盖航迹规划算法。首先,为了尽可能以最少的转弯次数完成任务,提出了垂直区域宽度分解法。然后,考虑到实际运用中由于飞手数量与无人机数量不匹配,导致资源分配不均的问题,使用垂直区域宽度分解法将任务区域分解为待覆盖的子航迹集合,并建立了以时间代价为目标函数的混合整数线性规划子航迹分配模型,来根据飞手数量与无人机数量动态的将子航迹进行均衡分配,达到提高覆盖效率的目的。最后,通过仿真实验验证了该算法的有效性。     

基于无人机实时数据多波次任务规划模型分析

针对导弹部队多波次作战任务规划问题,依据无人机的实时数据,构建了基于路径的多层规划模型,并设计了模型的算法求解流程.使用遗传算法与禁忌搜索混合算法,得出了任务规划中的最优路径规划,并在此基础上进行了冲突的消除.通过仿真案例表明,用无人机协同配合导弹部队作战,实时传输作战数据,能够解决战场信息模糊不确定的问题;使用多层规...     

南方红豆杉气生不定根的解剖结构及发育

对自然状态下南方红豆杉茎干向下萌生的气生不定根进行解剖学观察.结果表明:气生不定根具有以下结构特征和发育特点:(1)根为二原型,侧根正对着木质部发生;(2)幼根内皮层细胞具凯氏带加厚,维管柱内紧挨中柱鞘内侧具有2~4层大型薄壁细胞;(2)根中无髓和树脂道;(4)次生结构发生于根毛区,维管形成层由初生木质部和初生韧皮部之间的薄壁细胞转化形成;(5)中柱鞘和栓内层细胞富含单宁类物质;(6)次生韧皮部有石细胞,次生木质部射线发达.     

面向对象的无人机影像地物分类

为了对农村用地进行有效分类,本文选取面向对象的分类方法,利用某农村的无人机航摄影像提取其土地类别信息.首先对无人机获取的原始影像进行预处理;然后对研究区反复进行分割实验,选取最优的分割尺度,在不同层次进行最优尺度地物分割;最后根据地物矢量、光谱、形状等特征差异,对最优分割尺度层上的地物进行最适宜的分类规则的建立,进而在...     

基于轻小型无人机雷达的植被高度反演方法

针对目前主流雷达传感器难以满足轻小型无人机载荷需要,且存在着数据获取成本高及算法模型复杂的问题,在自行研制的一种高度集成、轻量化且具有高可靠性的轻小型无人机雷达系统基础上,发展了一种植被高度信息反演新方法。该方法中使用二维滤波抑制直耦波能量,基于剩余图像熵的自适应主元分析去噪方法解决传统方法主元选择不稳定的问题,并基于互相关信息的后向投影算法进一步增强目标信号,最后应用Sobel算子提取植被高度。实验结果表明,该方法反演得到的植被高度和验证数据的相关性达到0.92,均方根误差可达1.28 m。     

基于ULS、 TLS和超声测高仪的天然次生林中不同林冠层树高估测

【目的】应用不同数据源分析不同林冠层中探测提取树高的异同,探索适用于中国北方天然次生林树高估测的方法。【方法】以东北林业大学帽儿山实验林场中林施业区0.25 hm²样地为研究区域,基于无人机激光雷达(unmanned aerial vehicle laser scanning, ULS)、地基激光雷达(terrestrial laser scanning,TLS)和Vertex IV超声测高仪实测单木树高,根据冠层高度分布(canopy height distribution, CHD)对林冠层进行分层,对不同林冠层(上层和下层)、不同树木类型(针叶树和阔叶树)探测提取的树高进行对比与分析。【结果】由CHD计算得到的冠层分层阈值为8.5 m。树高的离群值大多产生在林冠上层,阔叶树比针叶树更容易产生离群值,ULS比TLS更容易产生离群值。在林冠上层,ULS比TLS估测树高的相对均方根误差(rRMSE)低2.56%,ULS提取针叶树树高的rRMSE比阔叶树低2.68%;在林冠下层,ULS仅能探测到少量树木,ULS比TLS探测提取树高的 rRMSE高6.31%,TLS提取针叶树树高的rRMSE比阔叶树低1.16%。【结论】针叶树的树高估测精度普遍高于阔叶树;当TLS和ULS均能对单木进行完全扫描时,具有准确提取树高的潜力;树高离群值多由冠型不规则或相互交叉的阔叶树产生,而大部分针叶树,由于具有规则的冠型,所以产生的离群值较少;基于CHD对林冠层进行划分能够较好地反映不同数据源估测树高的适用范围,具有一定的推广意义。