火炮身管内膛疵病检测现状与展望

简要回顾了火炮身管内膛疵病的光学检测方法及其局限性,详细介绍了目前重点研究的光电窥膛检测方法,分析了取得的成果和存在的问题。对火炮身管内膛疵病检测的发展方向进行了预测与展望,指出基于机器视觉的研究是一个新的方向。探讨了今后的研究思路,提出首要的任务是在软件方面实现“采集一识别一判定”的自动运行,为此需要重点研究疵病检测的机器视觉图像信息、图像的纹理特征分析技术、疵病评定体系等3方面的内容。     

网络中心战中社会域的作用

美军在网络中心战理论中提出了社会域这个概念,强调了它贯穿于物理域和认知域,是产生网络中心战最终形态“自同步”所不可获缺的因素。文章着重分析了社会域在共享态势感知中的重要作用,在此基础上得出,在信息化战争中,社会、文化等无形的因素同样是夺取战争胜利的重要条件。     

摄影交流区

俄罗斯岸巡船这个暑假去了我们伟大祖国的最东端——中俄乌苏里界江处,在江上游览时拍下了这张照片。点评:该作品构图紧凑,层次感分明,动静结合有序,人物面部表情丰富,景物交融,画面充满了一种活了和新鲜的视觉冲     

基于卡尔曼滤波的计算机视觉和SINS组合导航

计算机视觉及其应用是目前研究的一个热点.在介绍计算机视觉和计算机视觉导航的基础上,提出了利用计算机视觉和SINS进行组合导航的方法.由于地球上的基准位置是三维点,而计算机视觉形成的是二维的图像,因此随后详细介绍了成像以及坐标转换的方法,并对提出的组合导航方法进行详细的分析,建立了组合导航的误差方程,然后利用卡尔曼滤波算法对误差进行估算.最后的试验仿真结果说明,提出的组合导航方法提高了导航精度,具有一定应用价值.     

基于结构相似度的SAR干扰效果评估方法

传统的合成孔径雷达(SAR)图像质量评价指标没有考虑像素点间的相关性和人眼视觉系统感知特性,导致主客观不一致的现象时有发生。提出了一种主客观相结合评估方法,该方法不仅巧妙地利用了结构相似度(SSIM)作为主客观评价的连接纽带,而且结合局部方差相似度与图像高频信息相对应的特点,通过非线性合并得到了结构相似度的修正模型。仿真结果表明,该方法较之传统评估手段具有明显的优势,不仅能够更好地反映出干扰对图像细节的影响,而且能够与人类视觉系统保持高度一致,进一步提升了整套评估系统的效率和准确率。     

视觉惯性SLAM研究进展

近年来视觉惯性SLAM是机器人及计算机视觉领域中的研究热点问题,在无人驾驶、增强现实、三维重建等领域有着广泛的应用.简述了视觉惯性SLAM的关键技术,并从统一的贝叶斯框架出发介绍了后端的两种形式——滤波和优化.对几个代表性视觉惯性SLAM系统进行深入对比分析,讨论了近年研究热点与发展趋势,并做出总结与展望.     

面向狭小封闭战场环境的群智感知定位算法研究

为解决在狭小封闭的战场环境,如敌方指挥中心、船舱、地下建筑物中,如何快速准确地获取自组织网络或目标对象的位置信息的问题,基于单兵智能终端设备提供的通信模块,利用可见光传感器等硬件设备的支持,通过研究群智感知式的通信信号指纹,结合图像匹配算法,提出了一种定位算法。该算法利用通信指纹数据实现了初步定位,结合融合图像和姿态传感器的加权平均算法,并采用群智感知方式补充与更新定位数据,通过调整图像匹配策略,在保持准确率的前提下,相比单一图像匹配定位算法,降低了算力的需求,在通信条件复杂的战场环境中提高了实时性能。对比标准的WKNN(Weighted K-Nearest Neighbors)算法,提高了在复杂环境下定位的稳定性,且定位误差平均值低于1.72 m,误差降低约50%。     

画法几何模型在计算机辅助图测、图解及图显中的应用

本文用画法几何的模型,以计算机为辅助工具,进行图测、图解和图显。试行结果既快速准确,又形象直观。使数据的计算过程及计算结果可视化,便于检查结果、修改参数及调试程序。     

【专题】复杂陆战场环境下的智能感知理论现状与发展

近年来,由于基于深度学习方法的智能检测算法不断演进,其网络结构不断进化,实用化程度不断提高,因此,将其应用于复杂战场环境下,形成实用化智能感知能力的可行性不断提高。然而算法的可靠性、可解释性问题目前仍未完全解决。本文认为,在未来的地面无人平台系统框架内,使用基于深度学习的目标检测识别方法,融合多种传感器感知信号,探索如何可靠地收集无人平台附近敌我车辆、人员、相关物体状况以及视距内的地理与气象环境信息,能够实现多元智能感知过程,构建智能复杂体系,为无人平台实现复杂战场环境感知理解,自主环境判定、自主行走、自主危险判定甚至威胁自动处置提供技术储备。同时,这也将是军队下一步智能感知理论方向的主要任务。     

基于深度学习的自组织态势感知与决策系统

针对巡飞弹武器平台,如何提高态势感知的精准性和实时性以及作战任务自主决策的准确性,已成为当前的一个研究热点.结合以深度学习技术为代表的人工智能最新研究成果,提出基于深度学习的目标识别模型、任务自主决策模型和任务规划模型,并将模型应用于巡飞弹武器平台,提升巡飞弹武器平台协同作战任务的自主决策和智能规划能力.