课程文献中心 更多>>

关键词： 自动对焦   无人机   聚焦评价函数   灵敏度   稳定性  

摘要： 本文针对传统聚焦评价函数在无人机航拍的自动对焦过程中，由边缘方向多样性导致的自动对焦稳定性差和灵敏度低等问题，提出了一种基于阈值的TR聚焦评价函数。该函数结合了Tenengrad阈值函数减少图像噪声干扰的优势和Roberts函数多方向计算梯度变化的优点，引入了多方向边缘梯度变化检测算子，具有在多个方向提取梯度变化信息的能力。实验结果表明，与SMD、Sobel、Roberts、Tenengrad等主流聚焦评价函数相比，TR聚焦评价函数在清晰度比率和灵敏度这两项客观评价指标上有显著优势，具有更好的稳定性和更高的灵敏度，能够较好地满足无人机在低空环境中精准探测地面目标的自动聚焦需求。

关键词： 激光直接成像   靶标识别算法   抗扰性能   离面位移  

摘要： 在激光直接成像领域，光照不佳、离面位移、靶标异常等扰动引起靶标识别性能的劣化，降低视觉寻靶对位精度及效率，影响光刻良率与产能。首先，设计LDI机视觉寻靶装置，提出随机一点与随机三点自适应切换的取点求圆策略，采用随机抽样一致完成再拟合，改进随机霍夫变换，设计稳健性强的靶标识别算法。其次，分析光照不佳、离面位移、靶标异常的扰动源生成机理，设计光照条件与离面位移的可控量化激励装置，加工包含典型靶标异常特征的基板。最后，搭建LDI机三类扰动源的可控量化激励与测试系统，使用靶心坐标与半径值的计算精度、速度及稳定性作为算法评价指标，量化表述“三类扰动源的激励值-靶标识别性能的劣化值”的映射特性。测试结果表明，本文所设计LDI机靶标识别算法抗三类扰动的性能较强。

关键词： 角反射器   目标识别   雷达红外复合制导   双通道特征融合网络  

摘要： 海面角反射器具有极强的雷达回波特性，其形成的假目标在时域持续干扰，制造虚假态势，给导引头的精准打击带来很大挑战。针对该问题，利用红外传感器不受角反干扰的优势，提出一种基于雷达-红外特征级融合的多目标场景下角反射器智能识别算法。通过YOLOv8网络对红外图像的目标干扰进行初次判别，高置信度目标图像直接输出识别结果；对低置信度目标图像单独裁剪，利用雷达-红外角度信息进行目标关联并提取雷达特征；将雷达特征与红外图像作为双通道融合网络的输入，实现对低置信度目标的二次判别。经实测数据验证，所提方法的识别准确率在96%以上，所做工作对角反射器干扰识别具有参考意义。

关键词： 复合地基   支护结构   基坑   矩阵传递法   有限元法  

摘要： 【目的】基坑开挖会造成地层损失，改变原有土体的应力场，诱发坑外地层产生变形，对临近复合地基产生不利影响。目前研究缺少基坑开挖与临近刚性桩复合地基相互影响的计算方法。【方法】鉴于此，本文基于提出的临近刚性桩复合地基坑外主动土压力计算方法，结合单支点桩锚支护结构沿竖向的受力模式和变形特性，通过桩身离散（分段），利用矩阵传递法，提出了一种考虑临近刚性桩复合地基作用下单支点桩锚支护结构变形的简化计算方法；【结果】建立了考虑临近基坑开挖的复合地基理论计算模型，通过将数值模拟与理论计算对比分析，验证了本文计算方法的合理性；【结论】根据计算得到的桩体内力，进而判断基坑开挖对复合地基桩体承载性能的影响，上述研究可为类似临近复合地基的基坑工程提供一定理论支持。

关键词： 三维地质建模   钻孔   维诺图   网格变形算法   线性系统求解  

摘要： 由三维地质建模方法得到的地质模型在各类工程领域中扮演着不可或缺的角色。现有的建模方法通常通过空间数据插值来划分地下不同岩性的区域，但此类方法在保持拓扑一致性方面存在挑战，限制了三维模型的可靠性和实用性。为了构造地质区域中的不连续结构，提出了一种基于维诺图方法自动生成三维地层界面模型的方法。本方法首先将钻井数据离散成一系列散点，建立维诺图并提取出不同岩性区域的分界面，然后通过对分界面上的顶点建立线性系统并求解，来得到分界面的变形结果。此外，本方法引入了空间变形控制算法，使得模型在表现地质层断层、褶皱等复杂构造特征时更为精确，从而提升了三维模型在实际应用中的表现能力。本方法解决了传统建模方法对于复杂地质构造会出现的建模拓扑错误问题，且具有较高的自动化程度和较强的鲁棒性。尤其在面对不规则数据集时，本方法表现出了优异的适应性，极大减少了模型调整所需的人工干预。在实际工程数据上的实验表明，所建立的模型具有较好的地质合理性，并可重建出其他方法难以建模出的非流形结构。

关键词： 极坐标   BEV目标检测   位置和语义信息   特征加权   跨平面编码器  

摘要： 传统的笛卡尔坐标系下的3D目标检测方法因车载相机的固定楔形成像几何，导致相机图像编码时在一定程度上忽视了目标在不同视角下的对称性和连续性。鉴于此，本文提出一种基于位置与语义信息加权的极坐标BEV端到端3D目标检测方法—PolarDet。该方法通过极坐标查询与预定义的极坐标网格生成极坐标下的BEV位置与语义信息，再与前一帧的BEV信息进行特征交互以融入时间信息；在输出最终检测结果时，PolarDet再对位置与语义信息进行加权求和，以提高信息的利用效率，使网络能够达到更高的检测精度。本文在具有挑战性的BEV目标检测nuScenes数据集上进行了广泛的实验，结果表明，PolarDet最优模型的mAP（平均精度）达到0.469,NDS(nuScenes检测得分)达到0.56，显著优于基于笛卡尔坐标的BEV目标检测方法。

关键词： 航迹融合   深度学习   数据图   卷积神经网络  

摘要： 多源航迹融合是信息融合领域的研究方向之一，旨在提供多层次的、比单一传感器具有更高精度的目标航迹信息。传统的航迹融合算法精度较低，并且依赖于先验状态，为此提出一种基于航迹数据图的航迹融合算法。将多个传感器对同一目标的观测航迹进行标准化处理，利用标准化后的航迹数据构建航迹数据图，使用卷积神经网络完成特征提取，以此来获取目标观测航迹的关系特征，得到融合后的目标航迹。实验结果表明，基于航迹数据图的航迹融合算法在对比实验中的均方误差、平均绝对值误差和决定系数评估指标上表现最优，提升了目标航迹的融合精度。

关键词： 环视系统   深度学习   交叉注意力机制   外参标定  

摘要： 环视系统通常使用四个鱼眼镜头实时获取车辆周围场景的数据，并进行全景拼接以获得360度无死角的直观显示。该系统以其高性价比，广泛应用于高级驾驶辅助系统中。然而，该系统的正常运行需要通过标定以得到准确的镜头内参和外参参数。为了实现车载环视系统外参的自动及准确标定，本文提出了一种卷积模块和交叉注意力机制(cross-attention)结合的车载环视系统外参标定算法。所提出的算法通过交叉注意力机制学习相邻相机视野重叠区域中的特征信息与外参的关系。首先，算法使用残差卷积模块提取鱼眼图像的特征信息；其次，设计交叉注意力模块学习相邻相机之间的特征关系。最后，使用多层感知机对各相机的位姿进行估计。实验结果表明，与现有的外参标定算法相比，本文基于交叉注意力的车载环视系统外参标定算法的外参标定精度有显著改善。

关键词： 超薄承载机器人   斯坦利算法   模糊PID   横向控制   智能网联汽车测试   路径跟踪  

摘要： 针对智能网联汽车测试中超薄承载机器人（UCR）在复杂测试场景下路径追踪能力受限的问题，提出了一种改进的斯坦利（Stanley）横向运动控制算法。首先基于阿克曼转向原理建立UCR的运动学模型，并采用自行车模型简化UCR的转向系统，然后，在传统Stanley算法基础上引入模糊PID控制器以增强算法的自适应反馈能力。CarSim与MATLAB/Simulink联合仿真结果表明，相较于传统算法，改进后的Stanley算法在不同速度下的平均横向误差平均下降了50.67%，最大横向误差平均下降了41.76%。实车测试进一步证实了改进算法在中高速直线与变道场景下性能良好，平均横向误差均小于0.05 m，最大横向误差均小于0.17 m，满足智能网联汽车在不同场景下的测试要求，实现了对UCR的高速、高精度横向运动控制。