基于并行反向注意网络的跑道线检测

针对无人机远距离跑道线检测时有效信息少且定位困难的问题，提出了一种基于并行反向注意网络的跑道线检测方法。并行反向注意网络采用Res2Net作为主干网络，首先采用并行融合编码器将低级特征与高级特征融合从而获取跑道线的初始轮廓图。在此基础上，融合通道特征金字塔和轴向反向注意力机制来增强图像中的全局和局部特征信息的表达能力。基于无人机着陆图像数据集的仿真试验结果表明所提出的算法有效地检测出跑道线，图像语义分割平均交并比达到86.3%，单帧处理时间25 ms，对于远距离小目标检测有明显的优势。     

光纤陀螺随机漂移建模与分析

光纤陀螺精度是惯导系统精度高低与否的关键因素,而减小陀螺随机漂移是提高其精度的重要手段.对陀螺输出数据中的随机漂移建立模型,在此基础上对陀螺数据进行滤波,可以有效提高光纤陀螺的输出精度,从而提高惯导系统的精度.本文通过大量实验建立了光纤陀螺随机漂移的ARMA模型,通过有效滤波对随机漂移进行滤除,并且对滤波结果进行Allan方差分析.分析结果表明,光纤陀螺输出信号中存在的主要误差源以及正弦噪声较滤波前明显减小到50％,有效地抑制了高频噪声,验证了光纤陀螺随机漂移建立模型的正确性.本文还设计了可视化软件,具有较高的工程意义.     

车载SINS/DR组合导航系统的在线标定方法

惯导系统中陀螺漂移和加速度计零位存在逐次启动不重复性误差,需在一定时期内频繁拆卸进行标定,增加了较大的工作量。从工程实用和维护的角度出发,提出了一种针对于车载组合导航系统的在线标定方法。该方法用卡尔曼滤波作为估计工具,利用里程计获得辅助信息,将惯导系统与里程计的位置和速度的差值作为量测值,通过设计接近于一般跑车实验过程的路径对待标定的误差项进行有效激励。仿真卡尔曼滤波结果表明,在一定的时间内各误差项根据车行轨迹进行逐步收敛,实现了在一般跑车实验中不拆卸惯性器件而达到标定的目的,且在精度上较 SINS 有了明显的提高。这种在线标定的处理方法给实际使用和维护带来了很大的便利,具有一定的工程实用性。