-
题名无人机视觉着舰导航鲁棒角点精确检测算法
被引量：10
- 1
-
-
作者
郝帅
程咏梅
马旭
王涛
赵建涛
-
机构
西北工业大学自动化学院
中国航空工业集团西安飞行自动控制研究所重点实验室
-
出处
《系统工程与电子技术》
EI
CSCD
北大核心
2013年第6期1262-1267,共6页
-
基金
航空科学基金(20100853010)资助课题
-
文摘
针对舰载无人直升机着舰时拍摄的图像存在大尺度、角度畸变,使得合作目标角点难以检测的问题,提出了一种鲁棒角点精确检测算法。设计了一种彩色非对称合作目标,通过计算合作目标的最小周长多边形(minimum perimeter polygon,MPP)来获取轮廓上的角点。针对这些角点存在伪角点及未排序问题,给出了斜率约束、距离约束和方向约束策略。最后,针对亚像素Harris角点检测算法精度高但未排序、三重约束的MPP角点检测精度低但已排序的问题,制定了这两种角点检测方法的融合策略。实验结果表明,所提算法可以有效解决合作目标图像发生大角度畸变以及一定尺度畸变范围内的角点检测。
-
关键词
视觉着舰
三重约束
最小周长多边形
融合策略
亚像素
-
Keywords
visual landing
triple constrain
minimum perimeter polygon （MPP）
fusion strategy
sub pixel
-
分类号
TP217.3
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名面向未知区域深度测量的序列图像稠密点特征生成算法
被引量：5
- 2
-
-
作者
马旭
程咏梅
郝帅
陈克喆
王涛
-
机构
西北工业大学自动化学院
西安科技大学电气与控制工程学院
中国航空工业集团西安飞行自动控制研究所重点实验室
-
出处
《航空学报》
EI
CAS
CSCD
北大核心
2015年第2期596-604,共9页
-
基金
国家自然科学基金(60702066
61074155)
西安市科技计划项目(CXY1350(2))~~
-
文摘
对未知着降区平坦度测量是无人机在复杂地形下安全着陆的关键问题。首先,根据小孔成像原理推导出基于单目序列图像的未知区域深度计算方程;其次,针对稀疏匹配存在深度信息重构误差大而稠密匹配在平滑区域误匹配率高的问题,提出一种基于Delaunay三角剖分的稠密点特征生成算法;然后,分别对序列图像中的2帧图像提取亚像素级Harris角点和尺度不变特征变换(SIFT)特征点,并分别进行特征点匹配;再以2种特征点间的欧氏距离作为约束条件将2种特征点进行融合,生成准稠密特征点;最后,将准稠密特征点进行Delaunay三角剖分,并根据每个剖分三角形上3个顶点像素偏差的方差值制定稠密特征点的生成策略,并结合所提出的深度计算方程计算整个未知区域各点的深度信息。通过Vega Prime(VP)搭建仿真演示验证系统,实验结果表明在机载相机距地面400m处计算高度分别为90m和55m的物体深度信息时,其深度测量相对误差不超过0.89%,具有较高的精度。
-
关键词
未知区域
稠密点特征
深度测量
DELAUNAY三角剖分
特征融合
-
Keywords
unknown zone
dense point feature
depth measurement
Delaunay triangulation
feature fusion
-
分类号
V219.32
[航空宇航科学与技术—航空宇航推进理论与工程]
TP217.3
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名航拍图像区域多特征紧耦合多级分类算法
被引量：1
- 3
-
-
作者
马旭
程咏梅
郝帅
赵建涛
王涛
-
机构
西北工业大学自动化学院
中国航空工业集团西安飞行自动控制研究所重点实验室
-
出处
《微电子学与计算机》
CSCD
北大核心
2014年第10期13-17,共5页
-
基金
西安市科技计划项目(CXY1350(2))
国家自然科学基金重点项目(61135001)
-
文摘
提出一种基于多特征紧耦合的航拍图像区域多级分类算法.首先将样本图像从RGB空间转换到HSV空间,分别提取颜色矩特征和Gabor纹理特征,并对Gabor纹理特征进行PCA降维;然后将两种特征相乘构成紧耦合矩阵,进一步生成紧耦合特征向量,并对生成的紧耦合特征向量再次进行PCA降维;接着搭建了由5个概率神经网络分类器构成的多级分类器.最后利用Google Earth软件截取不同时间、不同尺度的图像,作为训练样本和测试样本,进行多级分类器的训练和测试.实验结果表明,相比于单特征及多特征松耦合的分类方法,提出的方法分类精度较高.
-
关键词
多特征
紧耦合
航拍图像
多级分类器
概率神经网络
-
Keywords
multi-feature
tightly coupled
aerial image
multi-stage classifier
probabilistic neural network
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于能量优化的无人机机动轨迹生成方法
- 4
-
-
作者
杨森
张翔伦
-
机构
中国航空工业集团公司西安飞行自动控制研究所重点实验室
-
出处
《航空学报》
EI
CAS
CSCD
北大核心
2020年第S02期122-128,共7页
-
基金
国防科技重点实验室基金(614221901021701)
-
文摘
基于能量优化的无人机机动能够使无人机在不失去决定性位置优势的情况下获取相对于对手的能量优势,足够的能量优势可转换为有效的位置优势,有利于无人机在空战中随时改出当前机动并投入下一机动动作,对于无人机获取空战胜利至关重要。开展了基于能量优化的无人机机动轨迹生成方法研究,通过在无人机机动飞行包线内设计合适的机动指令,使得无人机能量性能指标最优。以上升转弯机动为例进行了机动轨迹生成的详细设计,并与常规上升转弯机动轨迹生成结果进行对比,仿真结果显示所设计的机动动作完成时间缩短了28.6%~83.8%,总能量变化减少了64.7%~70.1%,实现了无人机机动飞行的能量优化。
-
关键词
无人机
机动
能量优化
上升转弯
轨迹生成
-
Keywords
Unmanned Aerial Vehicles(UAVs)
maneuver
energy optimization
pull-up turn
trajectory generation
-
分类号
V279
[航空宇航科学与技术—飞行器设计]
V249.1
-
