为解决无人机视觉定位与导航中引导区域的提取问题,提出了一种基于超像素显著性的引导区域提取方法。该方法首先利用SLIC(Simple Linear Iterative Clustering)算法将地面图像划分为内部相似度较高的超像素区域,通过计算超像素的显著性...为解决无人机视觉定位与导航中引导区域的提取问题,提出了一种基于超像素显著性的引导区域提取方法。该方法首先利用SLIC(Simple Linear Iterative Clustering)算法将地面图像划分为内部相似度较高的超像素区域,通过计算超像素的显著性值得到超像素显著性图,再基于先验规则从超像素显著性图中提取合适的准引导区域,最后计算各区域的匹配概率,从而得到高显著性和高匹配率的引导区域。实验结果表明,该引导区域提取方法在测试集上的准确率和召回率分别为89%与87%,基本满足无人机视觉定位与导航的要求。展开更多
机载平视显示(head-up display,HUD)系统可以大幅提高恶劣天气下的飞机起降成功率,已成为我国民航重点推广的安全提升技术。构建低能见度下飞机使用HUD系统进行特殊Ⅰ/Ⅱ进近场景,利用系统理论过程分析(system-theoretic process analys...机载平视显示(head-up display,HUD)系统可以大幅提高恶劣天气下的飞机起降成功率,已成为我国民航重点推广的安全提升技术。构建低能见度下飞机使用HUD系统进行特殊Ⅰ/Ⅱ进近场景,利用系统理论过程分析(system-theoretic process analysis,STPA)方法识别该场景下潜在的不安全控制行为,通过严格的形式化语言对其进行验证与致因分析,并给出了包含21条通用因素的致因场景分析框架。同时,为弥补STPA方法缺少定量分析的缺点,引入贝叶斯网络计算不安全控制行为发生概率,提出了STPA-Bayes安全性分析与评价模型。结果表明,该方法能有效地识别并分析系统潜在的危险,减少人为因素对分析结果的影响,为机载显示系统的安全性分析提供支持。展开更多
文摘为解决无人机视觉定位与导航中引导区域的提取问题,提出了一种基于超像素显著性的引导区域提取方法。该方法首先利用SLIC(Simple Linear Iterative Clustering)算法将地面图像划分为内部相似度较高的超像素区域,通过计算超像素的显著性值得到超像素显著性图,再基于先验规则从超像素显著性图中提取合适的准引导区域,最后计算各区域的匹配概率,从而得到高显著性和高匹配率的引导区域。实验结果表明,该引导区域提取方法在测试集上的准确率和召回率分别为89%与87%,基本满足无人机视觉定位与导航的要求。
文摘机载平视显示(head-up display,HUD)系统可以大幅提高恶劣天气下的飞机起降成功率,已成为我国民航重点推广的安全提升技术。构建低能见度下飞机使用HUD系统进行特殊Ⅰ/Ⅱ进近场景,利用系统理论过程分析(system-theoretic process analysis,STPA)方法识别该场景下潜在的不安全控制行为,通过严格的形式化语言对其进行验证与致因分析,并给出了包含21条通用因素的致因场景分析框架。同时,为弥补STPA方法缺少定量分析的缺点,引入贝叶斯网络计算不安全控制行为发生概率,提出了STPA-Bayes安全性分析与评价模型。结果表明,该方法能有效地识别并分析系统潜在的危险,减少人为因素对分析结果的影响,为机载显示系统的安全性分析提供支持。
