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。     

三维视觉运动建模中碰撞检测算法研究

三维视觉建模是建立虚似现实 (VR)系统的基础 ,运动建模是三维视觉建模的重要组成部分。研究了运动建模中碰撞检测算法     

基于LabVIEW Vision的航空炮弹缺陷检测方案设计

航空炮弹在勤务保障过程中,容易受到环境和外力的破坏而造成表面的损伤,影响正常的飞行训练甚至危及载机安全。采用虚拟仪器平台提供的LabVIEW Vision视觉开发工具包,结合灰度直方图筛选、Saturation分量图像提取、灰度形态学Erode和Dilate变换以及最大熵阈值分割的图像处理等技术手段,对待测航空炮弹图像进行分析处理,精确判断炮弹锈蚀和划痕缺陷问题。试验结果表明,系统具有较高的可行性和可靠性,可以实现炮弹缺陷的快速鲁棒检测,提高了炮弹检测的效率和精度,对于提升航空弹药保障信息化、智能化水平具有重要意义。     

ZigBee和LabVIEW的空空导弹环境状态监测系统设计

新一代空空导弹内部集成了大量的精密元件,为确保导弹铁路运输、日常储存和战时环境下的质量状态,需要实时监测导弹所受的环境信息。以某型空空导弹为研究对象,采用各型传感器装置,同时构建ZigBee无线通信网络,通过网络协调器收集所有采集点的信号信息,将相关信息传入LabVIEW开发平台中进行分析处理,以此设计符合测试需求的空空导弹环境状态监测系统。经过几次具体实践,验证了系统良好的可靠性和可行性,对于提升航空弹药管理工作信息化水平具有重要意义。     

自行高炮火控系统动态精度模拟中的视觉测量方法

身管指向测量是实现自行高炮火控系统精度闭环测试中的一个难点,提出了一种基于计算机视觉技术的自行高炮身管指向动态测量方法。首先分析了身管及标志物位置关系,然后提出了基于九步旋转的身管指向角解算方法,最后针对实际中初始高低角解算不稳定的问题,提出了多幅图像联合寻优求解的方法。实验结果表明:所提方法高低角测量精度可达2 mil,基本满足实际要求。     

基于视频图像的增强现实光照技术

光照一致性是增强现实技术中一项重要的研究内容。利用摄像机捕获的放置在真实场景中的标定物和镜面小球的视频图像,设计了一个增强现实光照系统模型。模型的实现过程表明,该方法实现相对简单,不需要对场景及模型进行预处理,能够达到虚实对象在动态增强现实场景中光照的实时一致性。     

基于LabVIEW的重采样阶次分析技术

分析了将传统的Fourier分析应用于旋转机械振动信号分析存在的不足,并与阶次分析技术进行比较。应用虚拟仪器LabVIEW来实现旋转机械的振动信号重采样阶次分析,并进行了实例验证。     

脱壳弹弹托分离的双目视觉测量

脱壳弹的弹托分离过程对弹体的飞行稳定性和打击效能具有显著的影响。针对脱壳弹出膛后弹托相对弹体的六自由度运动过程,提出采用基于双目视觉原理的弹托分离角测量方法。通过在弹体表面和弹托表面设置标记点,采用图像处理和跟踪算法实现对标记点的识别和跟踪。结合双目空间标定参数解算出标记点的空间位置,进而获得弹托相对弹体的分离角度,同时采用实验验证了上述测量方法的精度,其精度达到2%。以实验室进行的初速度1 550 m/s和1 750 m/s的脱壳弹射击试验为例,测量并分析了不同初速度下的弹托分离轨迹。结果表明:脱壳弹分离初速度越快,弹托分离轨迹越靠近弹体。     

Visual-simulation region proposal and generative adversarial network based ground military target recognition

Ground military target recognition plays a crucial role in unmanned equipment and grasping the battlefield dynamics for military applications, but is disturbed by low-resolution and noisy-representation. In this paper, a recognition method, involving a novel visual attention mechanism-based Gabor region proposal sub-network (Gabor RPN) and improved refinement generative adversarial sub-network (GAN), is proposed. Novel central–peripheral rivalry 3D color Gabor filters are proposed to simulate retinal structures and taken as feature extraction convolutional kernels in low-level layer to improve the recognition accuracy and framework training efficiency in Gabor RPN. Improved refinement GAN is used to solve the problem of blurry target classification, involving a generator to directly generate large high-resolution images from small blurry ones and a discriminator to distinguish not only real images vs. fake images but also the class of targets. A special recognition dataset for ground military target, named Ground Military Target Dataset (GMTD), is constructed. Experiments performed on the GMTD dataset effectively demonstrate that our method can achieve better energy-saving and recognition results when low-resolution and noisy-representation targets are involved, thus ensuring this algorithm a good engineering application prospect.