末制导炮弹用位标器陀螺

本文讨论了末制导炮弹复合制导弹体制的位标器陀螺的结构、快速驱动方案和控制方法，并给出了一些关键的实验曲线     

基于局部尺度不变特征的快速目标识别

介绍了图像局部尺度不变特征的提取方法,将局部尺度不变特征用于目标识别,为提高识别实时性,提出利用金字塔和尺度空间的混合多尺度表示方法,按照从大尺度到小尺度的顺序对待识别图像的特征点进行检测与匹配,直到完成识别为止,有效地提高了识别速度。     

快速SUSAN-Laplace角点算法

提出了一种新的SUSAN-Laplace角点算子。新算子首先使用拉普拉斯-高斯核对图像进行卷积,并将图像转换为二值或三值图像,然后使用SUSAN算子检测角点。这样既快速又具有SUSAN算子的位置精确性。SUSAN- Laplace角子具有较好的旋转、仿射、光照、尺度和噪声不变性,其计算速度也较快,比Harris角点快1.5倍,比SUSAN角点快6倍。应用中SUSAN-Laplace角子有一种快速算法,快速算法在计算拉普拉斯-高斯卷积时使用移位运算代替全部乘除法运算,能进一步提高计算速度。SUSAN-Laplace角子较其它角点算法能产生更丰富的角点,应用到SIFT算法中可提高对小目标的识别能力。     

图像局部特征识别中的多目标分离

研究了一种多目标识别算法,该算法用SUSAN角点形成SIFT特征点,采用阶梯图像金字塔结构实现尺度不变,为所有匹配点建立统一的超定线性方程组并对该方程组系数矩阵进行简化使其维数降低一半,得到增广矩阵.对增广矩阵进行列变换,依据坐标转换的特性可从中提取多目标的稳定正常点,实现了快速分离多目标的匹配点.结果表明,利用新算法得到的多目标识别结果能保证最小二乘法迭代运算快速收敛,且一次迭代就能得到精度较高的目标定位参量,根据SIFT标准的128维局部特征描述符判别匹配点,匹配点数量较SIFT算法多一倍,分离多目标速度较Hough变换快2～3倍.     

一种新型不变矩在图像识别中的应用

给出了仿射变换的定义,并在此基础上建立了一种新的仿射变换途径——多尺度自卷积变换。构造了一组新的仿射不变矩(MSA矩),分析了其性质,给出了它的明确表达式及其具体实现方法。分别应用最小距离法、k-近邻法和相似性测度三种识别方法进行了仿真实验。结果表明,MSA矩对平移、比例、旋转、拉伸和扭曲等仿射变换均具有很好的不变性,与典型的Flusser矩相比,稳健性好、识别率高、抗噪声干扰能力强,具有一定的应用价值。     

旋转-静止混合对准方案在旋转火箭弹中的应用

由于成本考虑,旋转火箭弹捷联惯导系统中使用中低精度陀螺,利用传统的初始对准方法,对准精度难以满足要求。针对旋转火箭弹的特点,提出了一种旋转调制的非线性对准方法,利用该方法,Y轴和Z轴陀螺的随机漂移得到调制,从而提高了对准精度。针对单纯旋转调制对准无法精确估计陀螺漂移的缺点,提出了一种旋转—静态混合对准方案,利用旋转调制的对准结果,在静止段对陀螺漂移进行精确估计。仿真结果表明,由两个精度为0.2(°)/h和一个精度为0.01(°)/h的陀螺组成的捷联惯导系统,在230 s内对准误差小于0.05°,同时可准确估计出三个陀螺的漂移。该方案具有一定的工程实用价值。