为解决无人机目标在红外图像中响应减弱甚至丢失的问题,提出一种基于分割的无人机目标快速检测方法.首先针对高级语义特征和高分辨率之间的矛盾设计跨通道注意力模块,跨通道聚合采样输出以实现不同层之间的信息交互;其次设计多池化聚合模块获取全局信息,增强无人机目标在高层网络输出的响应幅值.然后设计轻量化多尺度融合模块实现不同尺度特征的渐进式融合;最后,消融实验结果证实本文提出模块的有效性,多算法对比实验结果表明本文算法可以实现无人机目标快速、高精度的检测,同时在SIRST Aug数据集上与ISNet相比检测精度提升0.68%,检测时间缩短0.054 s.
脑科学是以脑为研究对象的多学科汇合的新兴研究领域,是研究人、动物和机器认知与智能的本质与规律的科学,其中,脑机接口硬件技术是推进脑科学发展的关键.基于电生理信号的脑机接口硬件设备根据采集信号时电极位置和方法不同,分为无创、微创、浅脑有创和深脑有创四种.首先阐述了四种脑机接口关键硬件技术路线,以国内外最新产品和科研成果为例分析了非植入式和植入式脑电信号采集的具体技术现状;之后举例说明了脑机接口硬件技术在医疗和消费两大领域的最新应用场景和未来展望.可以预见,随着脑机接口硬件技术的不断进步,在不久的未来将率先给人们的生命健康、日常生活带来颠覆性变化.
针对高效开展水下目标跟随任务,提出一种仿螳螂虾机器人目标跟随闭环控制系统.首先以螳螂虾为仿生对象,完成了多腹足耦合运动的仿螳螂虾机器人结构与硬件系统设计.其次为验证控制系统的有效性,展开了一系列水下实验,其中包括对静态目标和动态目标的识别跟随.最终实验结果表明,该仿螳螂虾机器人可以在2 m×1 m×1 m的狭窄水池中完成多角度的转向以及灵活的速度调节,能够在与目标物运动方向夹角为55°时完成目标跟随任务,最小跟随转向半径可达0.48 m.这不仅证明了基于仿生闭环中枢模式发生器的仿螳螂虾机器人能够有效完成特定目标的跟随任务,还为水下机器人的实际应用提供了新的思路.
针对当前无人机航拍图像普遍存在图像细节模糊以及分辨率低的问题,提出了面向无人机航拍场景的图像超分辨率算法.首先,提出一种可学习的图像下采样模型进行训练数据的生成,从而有效模拟了真实场景下的低分辨率无人机航拍图像的数据特征.其次,结合无人机平台的现实需求,提出一种基于知识蒸馏的轻量化图像超分辨率网络,有效提升了模型的泛化性能和时间效率.实验表明,该算法在真实无人机航拍图像数据集上的性能不仅超过现有通用图像超分辨率算法,同时还进一步缩减了网络模型大小和处理时间,有效满足无人机平台的硬件约束和实时性要求,对于无人机航拍图像处理具有重要应用价值.
针对无人机集群如何精确估计目标位置并协同打击目标的问题,开展了无人机集群自组织协同飞行控制方法研究.考虑噪声对定位精度的影响,建立了无人机对目标位置的含噪测量模型,设计了无人机集群自主协同移动算法.具体地,首先建立无人机集群对目标位置进行测量的全局误差最小化模型,结合梯度下降的更新机制和加权融合机制,提出了分布式感知融合算法,实现无人机集群对目标位置以及集群平均飞行速度的精确估计;在此基础上,提出了具有自适应能力的无人机位置、速度控制策略,实现集群自主协同飞行.仿真结果表明,提出的算法可以有效降低噪声干扰,显著提高无人机对目标位置和集群平均速度的测量精度,集群向多个目标点飞行的条件下,无人机对目标位置测量的均方偏差降低95%,对平均速度测量的均方偏差降低183%,实现无人机集群的自组织协同飞行控制.
