基于快速点特征直方图的特征点云迭代插值配准算法

为提高三维激光扫描点云数据的配准精度,提出了一种基于快速点特征直方图特征的迭代插值配准方法。配准过程中,点云数据获取时受扫描仪分辨率影响,点云局部或整体密度偏小,两次测量点云数据的相同位置不存在完全相同的点,以致对应点之间存在误差。为减小误差对配准精度影响,引入迭代插值方法,增加点云整体密度。通过计算关键点的快速点特征直方图的特征寻找对应关系,使用随机采样一致算法去除错误对应关系,对对应点协方差矩阵进行奇异值分解求得粗配准旋转平移矩阵,再使用迭代最近点算法进行点云的精确配准。实验结果表明,改进的配准方法简单、稳定可靠、计算速度有所增加,有效地提高了配准精度。     

红外焦平面阵列非均匀校正技术研究

红外焦平面阵列探测器广泛应用于红外成像制导系统。但焦平面阵列的非均匀性校正技术与探测器的性能息息相关 ,因此必须进行非均匀性校正。在众多非均匀校正方法中 ,两点法和时间高通自适应方法是两种最典型的方法。文中对这两种方法分别进行了分析 ,并对一般的时间高通自适应非均匀校正法提出了改进 ,以达到更好的校正效果     

小水线面双体船波浪中纵向运动性能模型试验研究

在拖曳水池里开展了小水线面双体船顶浪规则波中纵向运动模型试验,研究了航速和拖点垂向位置对船体纵向运动性能的影响。试验结果表明:不同航速下,船体的垂荡响应算子和纵摇响应算子均随着波长变化呈现出双极值;航速对垂荡响应算子极值的影响较小,对纵向响应算子极值的影响较大;除了短波中的共振区附近,拖点在重心时的运动响应算子与拖点在推力轴线时的运动响应算子相比有所减小。     

高速精密主轴径向误差的测试

对高速精密主轴的径向误差进行测试 ,主轴的高速可能会使误差分离的方法不再成立 ,通过模态分析 ,验证了该系统的误差分离的可能性。在测试中常用精密主轴来直接代替精密钢球进行测试 ,这样会带来测量误差 ,本文对这个问题进行了分析。另外还对传感器探头安装误差进行了分析。     

SAR卫星偏航导引补偿效果分析

通过建立"SAR卫星—地球—目标点"几何模型,得到多普勒中心频率的精确值;简化模型,求得卫星的偏航导引规律;分析简化前后两模型,从而得出偏航导引的补偿效果。     

磁悬浮反作用飞轮高精度力矩控制

为提高磁悬浮反作用飞轮输出力矩精度,针对传统控制方法下永磁无刷直流电机非理想反电势和换相引起的转矩脉动,分别提出补偿控制策略。非换相期间,根据转速和位置信息,估计实时反电势来获取参考电流,通过设计的力矩控制器直接计算出调制占空比以补偿非理想反电势引起的力矩脉动;分析全转速范围内换相期间转矩波动的特点,分别提出低速区非换相相调制和中高速区间关断相调制的换相转矩脉动抑制策略,并给出换相时间的计算方法。实验表明所提控制方法显著提高了飞轮的输出力矩精度,从而验证了方法的正确性和有效性。     

基于线加速度计的高分辨率光学影像颤振检测与重建方法

卫星平台颤振条件下,推扫式高分辨率光学影像成像往往产生扭曲,从而影响影像的定位及信息提取精度。针对当前颤振下影像成像扭曲补偿的问题,提出一种基于线加速度计测量平台颤振下的稳态重成像模型实现高分辨率卫星颤振扭曲影像的重建。采用受平台颤振影响而扭曲变形的高分某型号卫星全色影像数据进行验证。分析结果表明:提出的线加速度计可以有效检测并测量出平台的颤振,设计的颤振影像地面重建模型可以有效提高光学影像成像质量,补偿后影像扭曲变形现象明显消除。     

基于BP 网络与D-S理论相结合的点目标状态下卫星及其伴飞诱饵的识别方法

本文提出的点目标状态下卫星及其伴飞锈饵的识别方法是基于ＢＰ网络与Ｄ－Ｓ理论相结合的信息融合方法。该方法采用目标的红外辐射特征,先用ＢＰ网络对目标进行粗分类,然后用Ｄ－Ｓ理论对ＢＰ网络的多次识别结果进行融合。仿真实验结果表明,Ｄ－Ｓ理论的最后输出比ＢＰ网络的输出识别率得到很大的改善,抗噪能力得到很大的提高     

一种基于单幅跑道图像的无人机降落位姿测量新方法

提出了一种在无人机降落并接近跑道的过程中,在已知跑道宽度的前提下,基于单幅跑道图像测量其位姿参数的新方法.通过分析跑道消影点与无人机位姿的关系,得到消影点的图像坐标与姿态角的关系.依据摄像机共线方程,推导出了无人机位姿与跑道的世界坐标方程系数及像直线方程系数的关系.通过合理假设,对位姿参数进行了简化,求解出无人机降落过程中的位姿状态.仿真实验结果证明,方法易于实现,可满足无人机自主降落导航的应用需求.     

利用循环网络的降落伞开伞载荷补偿方法

为了对降落伞充气展开过程中的开伞载荷进行更加准确的预测,提出一种基于循环神经网络的开伞载荷补偿计算方法,包括模型架构和数据处理方式。该方法将充气时间法计算的预测值代入循环网络进行二次计算,使最终结果能够更加贴近试验真值。使用多层前馈网络、标准循环网络与长短时记忆网络三种网络进行比较,验证了所提模型预测结果的适用性和准确性,研究了学习率、输入层维度和隐层维度等超参数对模型性能的影响,并给出了基于长短时记忆网络的补偿模型最优训练条件。实验结果表明,利用循环网络进行开伞载荷预测具有较好的拟合结果,为机器学习与降落伞工业的学科交叉研究提供了一定的参考方向。