针对不同种类机场跑道环境下的小目标检测问题,提出一种基于多尺度融合超复数傅里叶变换的视觉显著性检测算法.利用二维Log?Gabor滤波器模仿人类视觉感受野提取经快速导向滤波算法后的预处理图中的颜色、亮度、纹理方向特征;根据所得特征构造各尺度下的超复数图像,并求其快速傅里叶变换相位谱再进行滤波,通过反变换后进行多尺度归一化获取视觉显著图;最终利用自适应阈值分割提取前景任务目标,实现机场跑道异物目标检测任务.实验结果表明,该算法相较于传统频域显著性算法检测准确率更高,虚警率更低,在多类机场跑道路面场景检测中能取得较好的检测效果.

导航传感器在使用过程中容易发生故障,针对传统方法对其间歇性和渐变性故障识别率低的问题提出了一种基于多阶段注意力机制的多传感器故障识别算法.该算法采用基于长短期记忆神经网络和注意力机制的编码器?解码器结构,根据多类导航传感器数据之间的空间相关性和时间相关性来进行多传感器的故障互判.经验证,该算法对多种类传感器的故障识别率高达97.5％,可以高效地实现故障的检测和分类.该方法可以准确识别出故障传感器和故障类型,具有很强的工程应用价值.

Aiming at the problems of unmanned detection and recognition of foreign object debris (FOD) in the autonomous detection and recognition of airport runways, the detection results are affected by the environment, the detection of small targets is difficult, and the rate of missed detection is high. An airport runway foreign object debris sub-block detection and tracking method based on background difference is proposed in this article. First, the linear interpolation of position information assisted by the speed is used to obtain the most relevant frame of the image in background image template library and the image sequence to be identified. Then, the image is divided into different sub-blocks, the adaptive weights are set using the image texture complexity in each sub-block, and the feature point extraction is combined with the oriented fast and rotated brief (ORB) method to normalize the sub-block feature points to the original image. Align the image with the most relevant frame of the background template library using the feature points result before to obtain the foreign object detection result. Finally, the kernelized correlation filter is introduced to track the detection results for multiple targets. Local tracking methods of each sub-block are used to reduce the computation time and the tracking results are tested for reliability. According to the experiment results in three different scenarios, compared with another five common image-based airport FOD detection algorithms, this method can reduce the overall false detection rate of foreign objects by more than 70%, and the overall missed detection rate to 0 when the size of foreign body is larger than 1 cm×1 cm, while ensuring the algorithm processing speed, which achieved good results.

红外目标的探测背景具有复杂性和非平稳性,为提高后续检测性能,常常通过抑制背景来增强目标能量.针对传统背景抑制方法检测率低、虚警率高的问题,提出一种基于改进滤波器和图像多尺度变换的复杂背景抑制算法.首先,对红外图像进行改进的滤波处理获得预处理图像.其次,通过高斯金字塔多分辨技术,平滑图像背景.然后,采用Cubic插值算法提高图像的分辨率,得到背景估计图像.最后,将预处理图像和背景估计图像差分,获得背景抑制的结果.经验证,该算法实时性相对传统方法提高了19％,对于多种复杂的背景情况具有良好的适应性.同时,算法计算复杂度较低,有利于实现实时性工程应用.

随着人机交互技术的发展,用户操作渐渐脱离按键式外设的束缚,转而使用双手直接对屏幕进行操作.然而,触控手势数据量大,不同手势之间数据差异大,现有的手势数据提取方法无法高效还原复杂手势形状,手势识别成功率低.针对以上问题,研究了基于距离变化的手势数据提取技术,以极值点为骨架,距离变化程度为判断标准提取手势有效数据.测试结果表明,文中研究的方法合理有效,运行可靠,可以高效提取手势有效数据,具有较高的手势识别成功率.

针对使用激光雷达进行室外定位的问题,提出一种基于三维立体激光视觉的特征匹配定位算法,以提高激光视觉在室外环境的位置特征可靠性和定位精度.该算法首先从原始点云数据中提取三维视觉的物类信息;再对提取的物体类进行特征提取,根据其个体特征进行分类并剔除非地标类,根据与相邻类的位置关系提取群体特征;最后通过与特征地图进行匹配实现全局定位.通过数据集仿真验证,该算法能够准确地提取有效类和位置特征,平均每帧的类提取率达到90％以上,对95％以上的场景都能成功定位,且定位误差不随地图范围增大而积累,具有稳定的定位性能和较高的定位精度.

机场跑道异物是威胁航空器飞行安全的重要因素之一,开展跑道异物的自动检测研究是有效保障航空器飞行安全的必然要求.针对异物检测问题,首先提出了基于DGPS(differential GPS)定位的图像差分异物检测方法,通过载波相位差分(RTK)技术获取道面图像的高精度位置信息,对同一位置的两幅图像进行对齐操作以满足图像差分的条件,接着采用直方图规定化的方法来完成亮度矫正,再通过差分实现异物检测,最后进行了实验验证.实验结果表明,该方法可有效检测尺寸不小于2 cm×2 cm的异物.

针对单目视觉SLAM在复杂场景下跟踪失败导致地图丢失的问题,提出了一种利用RTK信息辅助单目视觉的自动化地图构建与恢复方法.在视觉跟踪失败后,设计了一种自动化恢复地图构建方法,基于RTK信息的辅助,采用坐标变换算法处理丢失前的地图并将其融合到当前地图构建中,在提高建图效率的同时,最大程度地减少了地图信息的缺失.实验仿真结果表明,该方法可以解决系统无法继续跟踪建图的问题,与原始地图相比,其融合后构建的地图在保证全局一致性和完整性的基础上,可以保持米级的估计精度.

为解决ARINC661规范下多点触控手势数据量大、识别效率低,难以准确定位到相关窗体部件的问题,提出一种多点触控手势数据提取算法.根据ARINC661规范,进行多点触控触点数据和手势数据提取算法设计,对原始数据进行预检测、标准化处理,将单点触控手势数据与多点触控手势数据统一化处理,根据触点定位相关窗体部件.测试结果表明:该算法合理可行,软件运行可靠,所提取的触控手势数据能为手势识别提供依据.

为提升无人机自主空中加油中锥套小目标的检测精度和实时性,提出了级联网络与特征点检测网络的锥套小目标高精度快速定位算法。该算法设计了锥套目标全局粗定位和局部精定位的两级检测神经网络结构,采用特征点的输出位置误差及特征点群拟合的椭圆参数误差设计网络的损失函数,利用特征点拟合的锥套目标尺寸位置信息修正跟踪算法,提升了跟踪算法的和目标定位的实时性。实验测试结果表明,该定位算法的定位成功率在95%以上,定位的精度（预测区域与真实区域的重叠率）在80%以上,定位输出速率达到了100 Hz,对于环境的变化有着较强的适应性。因此该算法可以快速准确地进行锥套目标的跟踪,对于无人机空中加油技术的发展具有重要的研究意义。

无人机(UAV)态势感知的任务是利用机载传感器对未知环境进行目标识别和引导,针对无人机与非合作目标间中远距离的相对导航问题,提出了一种基于角度和距离量测的相对状态估计算法.在现有滤波算法的基础上,为了提高精度和稳定性,本文利用了列文伯格-马夸尔特(LM)优化的思想对迭代卡尔曼滤波(IEKF)算法进行改进,提出了一种LM-IEKF算法,并推导该算法在迭代过程中的状态更新方程及协方差阵的递推公式.在此基础上,考虑到距离传感器由于信号相关特性而引入的乘性噪声,现有的加性噪声模型难以适应,因此,进一步提出了基于量测噪声自适应修正的Modified LM-IEKF方法,通过在线实时更新噪声阵提高滤波的精度,并设置渐消记忆指数平滑估计结果.算法验证结果表明,与现有的EKF、IEKF算法相比,在仅含加性噪声的情况下,LM IEKF算法具有更好的性能;在包含乘性噪声的情况下,Modified LM-IEKF可以有效地估计量测噪声,与目前广泛使用的EKF算法相比,在综合相对位置和相对速度精度上分别提高了10％和23％.

针对在无人机视觉导航过程中光流信息易受前景运动物体与噪声影响造成测速精度下降的问题,基于Mean-Shift算法提出了一种光流测速优化方法.该方法使用Lucas-Kanade光流算法计算出稀疏光流后,采用改进的Mean-Shift算法对光流数据进行聚类处理,根据速度的一致性剔除光流数据中的干扰项.实验结果表明,该优化方法可以有效地减少前景运动物体和噪声对无人机光流测速的影响,提高无人机测速的精度.

针对GPS信号拒止环境下自主导航定位问题,提出一种基于全局定位基准地图测绘的视觉导航算法.在卫星导航信号可用时,利用同步定位与制图(simultaneous localization and mapping,SLAM)算法对使用场景制图,利用时间戳与实时动态定位技术(real-time kinematic,RTK)将全局定位数据进行对齐,使用在线SLAM算法载入全局定位基准地图并进行全局范围内的导航定位.实验结果表明:该算法只需依赖视觉图像数据即可完成全局定位,其定位和导航精度达到亚米级,导航与定位的误差平均值为0.36 m,均方差为0.31 m,满足实际应用要求.

为解决视觉导航中空间点与图像点之间的映射问题,提出一种坐标矩阵奇异值分解下的点对应关系计算方法.首先,针对一般几何分布下的空间点配置情况.然后,建立了视觉导航点对应关系计算模型,以矩阵奇异值分解为工具,推导了特征点集坐标矩阵等式,构建了与旋转、尺度以及平移无关的不变特征,并计算特征点对应关系.所提出的方法避免了传统方法中特征点对应关系的指数级搜索或者在搜索特征点对应关系时需要人工设计较为复杂的匹配策略.试验结果表明,所提出的方法能够在极少次数搜索下准确获得点对应关系.

针对ARINC661规范下UA与CDS之间数据交互量大、传输周期短,实时监控过程中难以全面、细致地分析指令的问题,研究了座舱显示系统离线检测技术,设计了环形数据批量存储、仿真UA、异常定位等方法,可以在离线环境下重现指令交互过程.测试结果表明,该设计合理、运行可靠,可以在离线环境下检测交互指令.

导航计算机的功能及性能验证一般需要基于实际的惯性传感器来进行联调测试.为了便于导航计算机在实验室快速地开展性能验证工作,设计了一种面向捷联惯导革统算法及性能验证的惯性多传感器信息模拟综合测试平台.平台基于PCI总线的PC/FPGA的架构方案,对传感器信息进行硬件仿真,实现了多路、多类型惯性器件实时、同步输出.通过与真实导航计算机连接,测试验证了此半实物仿真测试平台信号输出的有效性.

开发了一种基于混合信号单片机的实时多通道脉冲计数仪,充分灵活地配置混合单片机的模拟和数字输入通道口,采用中断和查询相结合的方式,在一个芯片上实现了对10路并发脉冲信号的采集判断、宽度识别和计数.对于更多通道的脉冲测量,可以采用片上的ⅡC总线接口进行扩展.利用片上Flash非易失性存储器实现了数据的记录和保存,解决了数据掉电丢失的问题.基于片上串口采用MODBUS通信协议实现了与主控站进行实时数据传输,真正实现了多通道脉冲采集的片上系统(SoC).系统具有实时性好、扩展性强、鲁棒性高和成本低等优点.通过实际运行检测,系统可应用于多种多通道脉冲计数的工业现场.

在动态GP S精密定位中,必须使用高精度的GP S卫星轨道数据,但是IGS组织只提供15min间隔的精密星历,无法满足间隔时间较短的动态定位要求,用多项式逼近效果很差,另外对于不同的星历插值没有高效的方法能确定最佳多项式阶数.因此,利用Thiele型连分式建立有理函数,并在此基础上提出滑动式Thiele型连分式插值的方法,简化了方法又提高了内插精度,并通过算例与Lagrange多项式和Chebyshev多项式进行了分析和比较,结果表明该插值方法可以更加有效地改进插值精度.

Visual odometry (VO) is a new navigation and positioning method that estimates the ego-motion of vehicles from images. However, VO with unsatisfactory performance can fail severely in hostile environment because of the less feature, fast angular motions, or illumination change. Thus, enhancing the robustness of VO in hostile environment has become a popular research topic. In this paper, a novel fault-tolerant visual-inertial odometry (VIO) navigation and positioning method framework is presented. The micro electro mechanical systems inertial measurement unit (MEMS-IMU) is used to aid the stereo-camera, for a robust pose estimation in hostile environment. In the algorithm, the MEMS-IMU pre-integration is deployed to improve the motion estimation accuracy and robustness in the cases of similar or few feature points. Besides, a dramatic change detector and an adaptive observation noise factor are introduced, tolerating and decreasing the estimation error that is caused by large angular motion or wrong matching. Experiments in hostile environment showing that the presented method can achieve better position estimation when compared with the traditional VO and VIO method.

针对软管式自主空中加油在对接阶段的视觉导航精度开展研究,首先根据相机的针孔成像模型对视觉导航定位误差进行数学建模,通过误差方程对影响定位精度的多个关键因素包括相机焦距、对接距离等进行定量分析;然后设计搭建了一套以高精度三轴运动平台为基础的误差分析平台,用于视觉定位过程的物理仿真及误差测量,在该平台上试验结果验证了所建立的误差模型的正确性,可为自主空中加油高精度视觉导航系统的设计提供实践指导.