单目图像中姿态角估计的坦克目标测距方法

为了克服经典成像测距对相机姿态和视差信息依赖的问题,以观瞄发控装置的电荷耦合器件获取的单目图像为研究对象,提出了基于姿态角估计的坦克目标测距方法.该方法首先利用多级尺度不变特征变换匹配算法实现目标姿态角的快速估计,获取与当前目标姿态偏差最小的模板;然后利用该模板和目标图像模拟立体视觉,建立不依赖于相机姿态和视差的单目测距模型.该模型在远距离测距和小角度偏差的前提下,将模板中的匹配特征点投影到等效平面世界坐标系中,建立被测坦克图像点及其空间点的映射关系,将测距问题转化为对相机外参量的标定,从而求解出相机中心到坦克中心的距离.采用200m到2 500m范围内的坦克验证测距方法的性能,对测量误差随距离的变化规律进行分析,并将其与不同射程时导弹末制导交班的最大容许误差进行对比.结果表明,该方法适用于观瞄发控装置获取的任意姿态图像,实现了野战条件下单兵反坦克武器系统的远距离、快速测距;测量结果中相对误差小于4.9%,绝对误差小于87.7m,满足导弹各个射程的最大容许误差的要求.     

基于单站地基望远镜的空间目标姿态估计方法

为实现从单站光测图像中估计出已知3D模型的空间目标姿态,利用Vega Prime提出了一种采用仿真图像进行相关度局部最优搜索的姿态估计方法,该方法无需建立2D-3D特征投影关系和大量的模型匹配库。首先,对输入图像进行图像预处理,获得目标原始图像。然后,利用Vega Prime加载目标3D模型生成仿真匹配图像,并进行图像预处理获得目标匹配图像,计算两幅图像相关度。最后,更新3D目标模型姿态,直至仿真匹配图像与目标原始图像的相关度值取得局部最优,输出目标模型姿态。仿真实验结果表明,采用本文所提方法的观测仿真图像姿态平均估计误差为3.85°,仿真原图可实现姿态准确估计,表明该方法是一种空间目标姿态估计的有效方法。     

逆合成孔径激光雷达机动目标运动补偿成像算法

逆合成孔径激光雷达(ISAL)成像运动补偿中,包络对齐的精度直接影响了相位误差估计精度.当目标速度和加速度较大时,距离包络严重倾斜且相位误差较大,图像无法进行良好聚焦.针对上述问题,在高精度成像模型的基础上提出了一种基于Nelder-Mead单纯形法和粒子群优化的全局联合运动误差补偿算法.首先,利用单纯形法估计目标速度,完成包络对齐.然后,将包络对齐过程获得的目标速度作为相位误差估计中参数初始化的约束条件.最后,用粒子群优化算法对各运动参数进行全局搜索并得到最优解,实现高精度运动参数估计及高阶相位误差补偿,得到聚焦良好的二维图像.实验结果表明,本算法的参数估计误差主要分布在±0.2％以内,参数估计精度和抗噪声性能均优于传统ISAL成像算法.     

锥柱复合目标激光距离多普勒像分析模型

激光距离多普勒成像技术在航天和国防应用领域受到极大的关注.文章建立了锥柱复合目标的激光距离多普勒像分析模型,包括底面的贡献.该模型能分析锥柱复合目标的几何参量、表面粗糙度、姿态、角速度和脉冲宽度等因素对激光距离多普勒像的影响,并能退化到圆柱和圆锥的激光距离多普勒像分析模型,也能退化到平面波下的多普勒谱分析模型.分析了几何参量和姿态对距离多普勒像的影响.计算结果表明,锥柱复合目标距离多普勒像能体现出目标的几何形状和姿态信息.理论和测量相结合,该分析模型能用来进行圆柱、圆锥及锥柱复合目标物理和几何参量的识别,其解析表达式对于多普勒速度计和激光雷达应用有着重要的意义.     

基于参数化盲反卷积的三维非扫描激光雷达距离估计

三维(3D)非扫描激光雷达具有多表面目标距离分辨能力,可以用于对隐藏和伪装目标的识别。为了快速、准确地估计3D非扫描激光雷达多表面目标距离信息,提出了基于期望值最大化(EM)的单像素多表面目标的距离估计算法,通过对系统点扩展函数的参数化,该算法可以同时估计出成像系统点扩展函数和目标的距离信息。仿真实验结果表明,相比于传统的混合高斯匹配算法和维纳空间滤波算法,该算法在系统点扩展函数未知的条件下,可以将目标的距离估计精度分别提升大约70%和40%。     

基于多级直线表述和M-估计的三维目标位姿跟踪优化算法

为了实现复杂环境下已知模型目标姿态的快速跟踪和估计,提出了一种结合三维(3D)粒子滤波跟踪和M-估计优化的位姿跟踪估计算法。基于直线的多级向量表示构造了新颖的模型直线和图像直线相似性度量函数;基于粒子滤波跟踪的姿态设计了模型直线和图像直线快速对应方法;利用M-估计实现了目标姿态的优化估计;利用重要性采样方法将优化姿态有效地融合到了粒子滤波框架。另外根据预测的目标位姿定义了图像动态感兴趣区域(ROI),极大地减少了特征检测和搜索的时间。实验表明,所提方法能够实现复杂环境下自由移动目标的快速跟踪和位姿的高精度解算,相比已有方法,所提方法在跟踪精度,计算效率以及稳健性上均有优势。     

航天时间延迟积分CCD相机摆扫成像快速几何校正设计与分析

为实现在轨卫星机动成像条带的快速准确拼接和应用,针对高分辨力卫星在轨推摆扫相结合的机动成像模式,提出了一种光线追迹像移匹配数学建模方法。通过对卫星机动过程中的摆角变化、地球表面面型的影响分析,利用摆扫过程中姿态对地指向不断改变导致的交轨方向速度失配量和成像变形量,补偿相机像面各点处的像移量从而进行快速几何校正。利用小卫星姿态控制系统全物理仿真平台对成像进行了仿真分析。分析结果表明,成像过程中随着扫描角的增加,像面上的像移量增大,成像变形情况也变严重。利用均方误差分析仿真成像与实验成像质量,仿真成像与实验成像相差-0.000011左右,较好地满足地面卫星相机成像仿真需求。对不同扫描角下存在速度失配的图像进行快速几何校正,该校正后图像的均方误差变小。该校正方法具有效率高,便于拼接应用的优点。     

基于拟牛顿和遗传算法的三维人脸建模

用网格重采样算法和点变形技术把不同人脸纹理全景图进行标准化,实现三维人脸的像素级对齐;根据在不同姿态下用拟牛顿法优化目标函数优化速度的不同和提取的人脸特征点精确计算出输入图像中人脸的姿态;确定三维人脸模型在此姿态下的可见点,最后利用改进的实数遗传算法进行匹配计算,建立完整的三维人脸模型。实验表明,此算法能实现三维人脸像素级的精确对齐,快速的精确计算输入图像中人脸的姿态,减少优化参数,简化目标函数,提高模型匹配效率和重构精度,缩短匹配时间。     

相干激光雷达距离像的噪声抑制算法研究

激光雷达能同时成距离像和强度像,较其他的成像体制给出更多的有用信息。距离像的去噪是激光雷达图像处理的关键步骤,去噪的好坏直接关系激光雷达在跟踪、定位等方面的精确性。根据距离像噪声来源,采用结合强度像的多级中值滤波对实际的雷达图像进行了去噪处理。首先利用强度像3×3邻域均值和图像平均值消除失落信息影响,然后采用多级中值滤波消除逸出值。分别给出了各步处理结果,最终获得了较清晰的距离像。研究结果表明运用结合强度像的多级中值滤波方法能够有效地抑制相干激光雷达距离像的噪声。     

基于相干探测的目标激光一维距离像特性分析

为了实现对空间目标的远距离、高分辨率激光一维距离像探测及特性分析,在建立点目标激光一维距离像光外差探测模型的基础上,进一步通过三维建模的方式获取了三维目标的激光一维距离像。比较了圆锥体目标光外差探测获取的一维距离像与其距离分辨激光雷达散射截面、脉冲激光一维距离像之间的区别和联系,分析了目标尺寸、姿态、调频带宽以及表面材质对目标激光一维距离像的影响。实验结果验证了目标一维距离像能够反映目标外形特征,可为目标特性分析及识别提供参考。     

一种三维数字成像系统的多视点姿态估计方法

为校准多视场深度数据,提出基于条纹投影的三维数字成像系统的多视点姿态估计方法。该方法至少在两个视点分别向被测物体投射出一组正交条纹图,利用条纹投影和相位重建技术,将相位图映射为物体的三维空间坐标。进而,利用投影仪的投射过程是摄像机成像过程的逆过程,建立投影仪的投射平面和摄像机的成像平面的对应关系,将“极线几何约束”应用到基于条纹投影的主动三维视觉的姿态估计问题,并在考虑测量数据受噪声影响的条件下,建立了求解视点姿态参量的数学模型。通过优化求解非线性方程可以获得多视点的姿态估计参量。所设计的实验及结果证明了所提出方法的有效性。     

Particle filter-based relative rolling estimation algorithm for non-cooperative infrared spacecraft

The issue of feature point mismatching among infrared image sequence would bring big challenge to estimating the relative motion of non-cooperative spacecraft for it couldn’t provide the prior knowledge about its geometric structure and motion pattern. The paper introduces particle filter to precisely match the feature points within a desired region predicted by a kinetic equation, and presents a least square estimation-based algorithm to measure the relative rolling motion of non-cooperative spacecraft. The state transition equation and the measurement update equation of non-cooperative spacecraft are represented by establishing its kinetic equations, and then the relative pose measurement is converted to the maximum posteriori probability estimation via assuming the uncertainties about geometric structure and motion pattern as random and time-varying variables. These uncertainties would be interpreted and even solved through continuously measuring the image feature points of the rotating non-cooperative infrared spacecraft. Subsequently, the feature point is matched within a predicted region among sequence infrared image using particle filter algorithm to overcome the position estimation noise caused by the uncertainties of geometric structure and motion pattern. Finally, the position parameters including rotation motion are estimated by means of solving the minimum error of feature point mismatching using least square estimate theory. Both simulated and real infrared image sequences are induced in the experiment to evaluate the performance of the relative rolling estimation, and the experimental data show that the rolling motion estimated by the proposed algorithm is more robust to the feature extraction noise and various rotation speed. Meanwhile, the relative rolling estimation error would increase dramatically with distance and rotation speed increasing.     

Robust infrared target tracking using discriminative and generative approaches

The process of designing an efficient tracker for thermal infrared imagery is one of the most challenging tasks in computer vision. Although a lot of advancement has been achieved in RGB videos over the decades, textureless and colorless properties of objects in thermal imagery pose hard constraints in the design of an efficient tracker. Tracking of an object using a single feature or a technique often fails to achieve greater accuracy. Here, we propose an effective method to track an object in infrared imagery based on a combination of discriminative and generative approaches. The discriminative technique makes use of two complementary methods such as kernelized correlation filter with spatial feature and AdaBoost classifier with pixel intesity features to operate in parallel. After obtaining optimized locations through discriminative approaches, the generative technique is applied to determine the best target location using a linear search method. Unlike the baseline algorithms, the proposed method estimates the scale of the target by Lucas-Kanade homography estimation. To evaluate the proposed method, extensive experiments are conducted on 17 challenging infrared image sequences obtained from LTIR dataset and a significant improvement of mean distance precision and mean overlap precision is accomplished as compared with the existing trackers. Further, a quantitative and qualitative assessment of the proposed approach with the state-of-the-art trackers is illustrated to clearly demonstrate an overall increase in performance.     

基于倾斜阵的距离与方位联合估计*

针对阵列倾斜引起的阵不变量方法定位精度下降的问题,该文结合倾斜阵声源定位的三维模型提出一种基于倾斜阵的距离与方位联合估计算法。该算法通过联合自校正方位距离联合估计方法对阵列倾角在声源-接收平面的投影量进行估计和补偿,改善目标距离估计误差的同时,利用匹配出的阵列倾角投影量反向估计目标方位,获得对声源二维位置的估计。通过仿真验证了该算法能够在阵列倾角较小时实现目标方位与距离的联合估计。     

Extended gravitational pose estimation

The model-to-image registration problem is a problem of determining the position and orientation (the pose) of a three-dimensional object with respect to a camera coordinate system. When there is no additional information available to constrain the pose of the object and to constrain the correspondence of object features to image features, the problem is also known as simultaneous pose and correspondence problem, or correspondenceless pose estimation problem. In this paper, we present a new algorithm, called extended gravitational pose estimation (EGPE), for determining the pose and correspondence simultaneously. The algorithm is based on gravitational pose estimation (GPE) algorithm. In our algorithm, the original GPE has been revised to deal with the problem with false image points. For problems with both occluded object points and false image points, we firstly applied single-link agglomerative clustering algorithm to pick out occluded object points when a local minimum has been found, then the revised GPE is applied again on the clustering result to update rotation and translation of the object model. EGPE has been verified on both synthetic images and real images. Empirical results show that EGPE is faster, more stable and reliable than most current algorithms, and can be used in real applications.     

基于时延估计的分裂阵时域波束形成技术

大孔径拖曳线列阵受舰艇横向机动、洋流影响和水动力影响时会产生一定的阵形畸变,阵形畸变使得波束形成时阵列流型失配,进而降低了目标方位分辨率和阵处理的增益。在无法进行阵形估计时,基于时延估计的分裂阵时域波束形成技术将大孔径拖曳线阵分为左右两个子阵分别做波束形成,通过加权广义相关时延估计算法估算对应波束的时延差,再依据估算时延差对左右两个波束进行延时求和得到最终的波束信号。仿真和海试数据证明,相对于全阵直接做波束形成的方法,基于时延估计的分裂阵的时域波束形成技术有效提高了目标方位分辨率和阵处理的增益。     

浅海运动目标波束域波导不变量测距方法研究

波导不变量是描述海洋波导环境声信号水平距离与频率干涉结构现象的特征参量。运动目标波导不变量测距方法需要已知目标速度值,运动目标速度一般是未知的。针对这一问题,本文提出了一种利用水平线阵估计目标运动速度的浅海波导不变量测距方法。该方法通过不同时刻波束域声信号互谱分析进行声源速度估计,结合HOUGH变换提取的LOFAR图斜率和波导不变量进行运动目标测距。仿真结果表明,该方法能够有效的进行运动目标的距离估计。利用2013年7月浅海实验数据,该方法估计出了发射船的距离,并与GPS测量的距离进行对比,相对误差小于10%。      

基于最优估计理论、联合星载主被动传感器资料的液态云微物理特性反演研究

针对液态云微物理特性精确反演的迫切需求, 综合主被动传感器的探测优势, 联合CloudSat雷达反射率和Aqua光学厚度资料, 提出基于最优估计理论的液态云微物理参数反演算法.通过假设粒子谱服从对数正态分布, 基于前向物理模式建立测量变量与反演变量的函数关系, 借助谱分布参数的先验信息、通过算法迭代得到谱参数的最优解, 进而利用前向物理模式反演液态云微物理参数, 并根据误差传递理论计算反演不确定度.通过设计反演方案, 基于实测个例数据并与CloudSat官方发布产品和经验算法反演结果对比验证.结果表明: 基于最优估计理论、联合主被动传感器资料的液态云微物理参数反演结果与官方发布产品一致性较好, 弥补了经验算法误差大、扩展性差的不足, 对于开展国内星载和机载W波段毫米波雷达液态云微物理参数反演研究具有重要的借鉴意义. 关键词： CloudSat Aqua 液态云 最优估计理论     

基于点和直线段对应的扩展正交迭代位姿估计算法

正交迭代算法是基于点特征,全局且快速收敛的位姿估计算法,是目前性能最优的实时位姿估计算法之一.对摄像机观测到的直线段提出了其不确定性描述的新方法:目标空间直线段误差,并把该误差融入到正交迭代算法的位姿计算过程中,形成扩展正交迭代算法.该算法可以同时利用点和直线段特征.算法先把点共面性方程表达为与正交迭代算法中点共线性方程一致的数学形式,再根据目标空间点共面性误差定义了目标空间直线段共面性误差.接着把目标空间点共线性误差和直线段共面性误差二者之和作为误差函数.最后推导出使该函数最小化的迭代求解过程.实验结果表明,本文算法是有效的,精确的.与正交迭代算法的计算结果对比,由于可以同时利用直线段特征,扩展正交迭代算法的位姿估计误差更低,抗噪声性能更强,算法更稳定.     

拖曳阵被动合成孔径目标深度稳健估计

使用水下无人平台作为载体的拖曳阵进行被动目标深度估计具有灵活性高和隐蔽性好的优点,针对实际应用中存在的平台自噪声和阵列瞬时随机加速度扰动问题,提出了一种稳健的目标深度估计方法。该方法分为三个步骤,首先对阵元接收信号进行自适应噪声抵消和相位抖动滤波,然后对声压进行距离积分实现简正波模态估计,最后计算模态匹配度,最大值对应的深度为目标深度估计结果。仿真表明在干扰背景下该方法的目标深度估计稳健性优于传统方法,声源频率、合成孔径距离和信干比决定了目标深度估计误差。利用实验数据验证了该方法对水下低频线谱声源的深度估计能力。