融合神经网络与超像素的候选区域优化算法

为解决目标检测中候选区域召回率低的问题,提出融合神经网络与超像素的目标候选区域算法。该算法利用神经网络提取更能清楚表达目标边界的特征,并使用聚类、相似性等策略,计算每个滑动窗口所含有的边缘信息量;将待测图像使用简单线性迭代聚类算法分割成若干个超像素,并利用超像素的空间位置、完整性、相邻超像素间的对比度信息,计算各个超像素的显著性得分及每个滑动窗口的显著性得分;根据每个滑动窗口的边缘信息及显著性得分筛选滑动窗口。在PASCAL VOC 2007测试集上进行对比实验,其实验结果表明:所述算法能够快速产生定位质量高的候选区域。     

基于PXI总线的虚拟校准设备研究

基于PXI总线技术,对某型导弹内场测试仪的校准设备进行了集成化、小型化研究,依靠计算机强大的计算储存显示等功能,实现了设备操作界面的虚拟化及智能化．最后,对在LabVIEW平台上开发的测量校准软件进行了实验验证,达到了界面友好、操作简单、测量精度高、工作效率高等要求．     

自由曲面的立体视觉测量与加工一体化研究

对自由曲面的立体现觉测量与加工一体化技术中的图像匹配、曲面造型以及接口设计等问题进行了分析与讨论,并提出了切实可行的解决办法。     

基于结构光的柱体工件直径测量

为实现柱状工件直径的实时快速非接触测量,利用结构光原理,对柱体直径的视觉测量方法进行了研究.详细介绍了结构光法测直径的原理和步骤,以及激光平面的标定和坐标变换求解空间二次曲线方程及特征参数的方法.实验证明该方法测量速度快,精度适中的特点,适用于大批量产品在线测量,亦适用于恶劣环境下的测量.     

一种基于双目视觉原理的飞机尾旋运动姿态测量方法

针对飞机尾旋运动研究中的姿态测量问题,提出一种基于双目立体视差原理的测量方法.通过两部相机拍摄图像的视差,恢复模型表面特征空间三维信息,由表面特征计算模型运动姿态.设计了一组有特定形状和严格尺寸的人工特征,具有识别正确率高、定位精确等特点.提供人工特征的设计方法.最后,分别给出旋转天平实验和风洞实验的实测数据,实测结果表明该方法测量准确,鲁棒性好,在立式风洞飞机模型尾旋运动测量的应用中十分有效.     

一种从二维照片反求三维CAD模型的稳健方法

研究了从物体二维照片重构其三维CAD模型的算法。通过物体在不同方位的一组照片 ,选取一定数量的配准点 ,该算法能够计算出照相机的运动参数 ,进而得到物体表面的 3D几何信息及CAD模型。算法充分考虑到了CAD建模的可制造性约束 ,具有精确、稳健的特点 ,在逆向工程建模、计算机视觉、机器人领域有应用前景。     

卫星位置视觉测量

目前卫星轨道参数的测量主要依靠地面测控站的无线电测量,使得测量受限于测控站的观测弧段;另一方面随着深空探测的不断深入,也对现有测控方法提出了新的挑战。利用卫星上已有的相机通过景象匹配对卫星自身位置进行精确测量,可以有效摆脱地面测量观测弧段和测量距离的约束。本文提出了一种基于星载实时图与基准图匹配的视觉测轨方法:通过景象匹配建立实时图中特征点与基准图的对应关系,再根据成像关系解算卫星的三维位置。利用卫星获取的立体图像和轨道测量数据进行了验证实验,证明了本文提出的方法具有较高的精度,实现了地基无线电测轨和视觉测轨的相互验证。本文提出的视觉测轨方法可以弥补现有测轨方式的不足,减轻地面测控系统负担,在深空探测等领域具有良好的应用前景。     

基于多传感器信息系统的仿人机器人步态规划算法改进研究

摘要：基于视觉传感器、角度传感器和力／力矩传感器组成的多传感器信息系统,对仿人机器人理想的步态规划算法进行了改进．以双目视觉立体标定原理处理视觉传感信息,从而判断目标距离及目标路径的可达性;通过角度传感器获取实时旋转角度,经参数调整减小执行误差;根据力／;5矩传感信息对支撑脚踝关节的侧摆角度进行增量式补偿．经实验验证,改进后的算法对机器人的步态稳定性控制具有良好的效果．     

基于LabVIEW和PCI-5640R中频卡的假单脉冲锥扫调制信号模拟

在假单脉冲体制雷达的中频信号模拟中,由DSP配合软件实现的锥扫调制模拟,运算速度慢且数据传输量大。针对该问题,提出了一种基于LabVIEW语言和PCI-5640R中频卡的信号锥扫调制的实现方案,根据中频卡中的FPGA可编程实现多路并行运算的特点,利用LabVIEW对其编程,并进行仿真实验。结果表明：该方法模拟效果好,运算速度快,而且实现简单。     

Visual-attention gabor filter based online multi-armored target tracking

The multi-armored target tracking (MATT) plays a crucial role in coordinated tracking and strike. The occlusion and insertion among targets and target scale variation is the key problems in MATT. Most state-of-the-art multi-object tracking (MOT) works adopt the tracking-by-detection strategy, which rely on compute-intensive sliding window or anchoring scheme in detection module and neglect the target scale variation in tracking module. In this work, we proposed a more efficient and effective spatial-temporal attention scheme to track multi-armored target in the ground battlefield. By simulating the structure of the retina, a novel visual-attention Gabor filter branch is proposed to enhance detection. By introducing temporal information, some online learned target-specific Convolutional Neural Networks (CNNs) are adopted to address occlusion. More importantly, we built a MOT dataset for armored targets, called Armored Target Tracking dataset (ATTD), based on which several comparable experiments with state-of-the-art methods are conducted. Experimental results show that the proposed method achieves outstanding tracking performance and meets the actual application requirements.