基于模糊推理的景像匹配区选取方法

为提高景像匹配区选取的可靠性,提出一种基于模糊推理的景像匹配区选取方法。该方法首先计算基准图像的统计信息（方差、独立像元数、相关长度和可匹配条件数）和相关特征信息（主次峰值比和邻域峰值比）;其次,利用matlab中的模糊工具箱定义了模糊推理系统的隶属度函数和模糊规则;然后,利用景像匹配计算机仿真系统对大量实测航片和卫片进行仿真验证,并通过匹配概率来进一步验证匹配区的选取结果。仿真结果表明,匹配区选取成功率大于98％,所得匹配区景像匹配成功率大于98％。     

基于重力场特征参数信息熵的适配区选择方法

针对当前重力统计特征参数类别繁多,选择标准复杂而导致错选有效匹配区域的问题,利用信息熵具有能够整合多种统计参数且算法计算量小的特点,提出了一种基于特征参数信息熵的重力辅助导航适配区的选择方法。首先,在DTU10模型下将该方法与传统单一特征参数的方法进行比较,确定了传统方法的确会错误选择可匹配区,从而也反映了所提出方法的优越性;其次,在该方法划分出的匹配区和非匹配区中分别设计了8条仿真航线,匹配区中仿真航线的匹配效果明显优于非匹配区中的匹配效果。仿真结果表明了该方法的有效性。     

机载SAR异源图像匹配与定位方法

SAR匹配导航作为一种自主导航方式，具备全天候、全天时的工作能力，具有很高的应用价值。针对机载SAR景象匹配导航需要异源图匹配的难题，提出一种基于深度学习与附加尺度旋转因子的模板标准化相关匹配的异源匹配算法。所提算法通过语义分割网络模型提取图像中的道路河流特征，再对特征添加一定程度的尺度与旋转变化，实现特征的扩充。最后，对扩充后的特征图进行模板滑窗匹配，找到最大得分位置，从而实现图像匹配。根据真实数据的测试试验结果表明：匹配精度优于1.41像素（1σ），匹配成功率优于86.6%（匹配误差小于5像素）。另外，还提出一种面向SAR匹配导航系统的多点高精度定位方法，仿真结果表明：五匹配点定位精度可达15米。     

航行过程中实时校正的重力匹配算法

由于传统重力匹配定位通常受限于特定区域,无法对惯性导航系统（INS）实现连续校正,在应用重力匹配进行辅助导航时需要周期性前往重力特征适配区进行匹配校正。针对非适配区域内匹配精度无法判定的缺陷,提出一种航行过程中实时校正的重力匹配算法。计算载体实测重力序列与匹配输出位置在相对重力图上映射序列的差,取重力差序列的方差判断匹配输出的权重值,从而有效利用全航域的适配航段。根据重力差序列的方差与匹配精度的关系建立回归模型,将可信的重力匹配输出引入INS进行误差校正。利用实船数据进行了仿真验证,仿真结果表明所提算法在400 h的连续航行期间对INS位置误差的抑制达到30%以上,位置误差在全过程没有明显发散趋势,具有更好的适用性。     

基于熵值法赋权灰色关联决策的地形辅助导航适配区选择

传统地形辅助导航适配区选择主要根据某一个地形特征参数的大小决定,因此不可避免地存在对地形适配性评判的不全面性。为了克服传统方法的缺点,提出了一种基于熵值法赋权灰色关联决策的地形辅助导航适配区选择方法,该方法综合考虑了地形标准差、粗糙度、地形高度熵及相关系数对适配区选择的影响。首先,利用计算得到的各特征参数值构建灰色决策矩阵;其次,对决策矩阵进行极差变换以及归一化处理得到灰色关联判断矩阵;最后,采用熵值赋权法客观计算各决策属性的权重,得到地形适配性综合评价指标。仿真结果表明,在评价值高的区域进行地形辅助导航,其匹配误差将更小。     

基于深度特征正射匹配的无人机视觉定位方法

在卫星拒止条件下无人机安全、可靠地完成各类作业的基础是获取高精度的定位信息,传统图像匹配方法保障困难、定位精度差且匹配约束多。因此,提出一种基于深度特征正射匹配的视觉定位方法,通过深度学习网络提取正射校正后的无人机航拍图像和商业地图的深度特征,获得匹配关系,进而计算无人机高精度位置信息。根据视觉测量机理模型分析不同因素对视觉定位精度的影响,使用中空航拍图像数据集进行离线实验,实验结果表明：相比传统基于方向梯度直方图（HOG）特征的模板匹配方法,所提方法的定位精度提高了25%,位置均方根误差（RMSE）优于15 m+0.5%H(5000 m以下),具有一定的工程应用价值。     

一种基于因子分析的重力适配区域选取方法

为了综合分析各类特征值对于适配区选取的影响,提出了一种通过因子分析,将多种特征值综合为少数几个因子,以此确定影响适配区选取参数的方法。首先将整个区域划分为15个子区域,计算每个子区域的各类特征值,利用因子分析的方法统计各区域得分。然后,根据得分情况确定适配区选择顺序。最后,对比验证基于因子分析选出的适配区匹配定位精度。仿真结果显示,基于因子分析选取的适配区总体定位精度为0.45 n mlie,优于传统的主成分分析法,表明利用因子分析来选取重力适配区是一种可行的方法。     

基于Fuzzy ARTMAP神经网络的景像匹配实时图选取方法

提出一种新的基于Fuzzy ARTMAP神经网络并利用图像直方图特征的快速景像匹配实时图选取方法。与已有的方法相比,该方法充分考虑了图像的边缘、亮度、对比度、信噪比等特征对影像实时图质量的影响,具有自适应聚类、收敛导速,实时性好,分类准确率高和通用性强等优点。将该方法应用于SMGS（景像匹配制导系统）进行实时图像的自动选取,可大大提高SMGS的智能性,可靠性和实时性。     

基于匹配追踪算法的复合材料冲击损伤成像技术

基于Lamb波和匹配追踪算法,提出了一种损伤成像方法,对复合材料冲击损伤进行在线的连续 监测。首先针对Lamb波监测的特点,提出了匹配追踪方法的快速实现方案,将信号分解为多个Chirplet原 子的线性组合,建立了Lamb的弥散效应与Chirplet原子的调频斜率之间的关系,模拟结果表明Chirplet原 子能准确地匹配失真变形的窄带脉冲信号;根据损伤前与损伤后的信号差别,提出了一种基于Lamb波能量 特征差异提取的损伤指标;进一步采用改进的RAPID算法进行损伤成像,将损伤情况可视化。结果表明所 提方法可行和有效。     

航空重力匹配定位方法

为了在重力特征显著区域内实现航空重力匹配定位,定义了匹配区重力场模糊度指标作为匹配结果可信度的度量指标,提出了一种基于Monte Carlo方法的重力匹配算法。由于航空重力仪的测量值中包含各种误差因素,使用常用的相关匹配算法估计出的匹配位置往往不是飞行器的真实位置,而是随机分布于真实位置周围。根据这个特点,将地形匹配中的均方差算法(MSD)和Monte Carlo方法结合,形成一种新的重力匹配方法。该方法根据惯性导航系统指示位置从重力图上提取参考重力数据,将重力测量数据进行若干次随机干扰后和参考重力数据使用MSD算法进行匹配,得到若干个匹配位置,取其均值作为最终匹配位置。仿真结果表明,算法在重力场特征显著区域内匹配效果优于常用的相关分析算法。     

一种改进RANSAC校验的失效卫星位姿估计回环检测方法

为解决失效卫星位姿估计中视觉SLAM方法回环检测效果差的问题,结合空间特殊的应用环境,提出一种改进RANSAC校验的空间失效卫星位姿估计回环检测方法。首先利用深度学习提取图像的全局特征和局部特征;然后对全局特征进行快速检索,建立回环候选帧集合;最后,将图像网格化并提取优质特征点作为RANSAC算法的随机抽样点集,采用改进的RANSAC算法对回环候选帧集合进行图像匹配校验,挑选出匹配程度最高的作为回环检测结果。实验表明：在牛津数据集上,所提方法与无校验的方法对比,100%准确率下的最大召回率提升了30.6%,说明改进RANSAC校验在回环检测中的有效性;在失效卫星数据集上,所提方法无需预训练,对光照变化的空间场景具有高适应性,和基于词袋模型（BoW）算法相比,缩减时间24.1%。     

基于空间分布的重力场持续适配能力评估方法

重力匹配导航需要在重力场特征丰富的区域进行,现有的重力场适配性评估方法多针对单条测线或局部区域,未考虑到重力特征的空间分布。为了评估重力场持续适配能力,提出了将重力场适配半径作为评估重力场特征区域空间适配性能指标参数。从适配半径定义出发,阐述了其物理意义内涵,证明了其与匹配测线覆盖全区域的最小辐射半径的关系,并根据适配半径不同分布形态,推导了具体计算方法。适配性评估实例表明,中国南海重力场适配半径为95 n mile,说明重力匹配导航技术在南海范围具有较好适用性。适配半径直接反映了特征区域提供持续重力匹配导航的能力,可作为重力匹配导航系统工程应用重力场持续适配能力评估和航迹规划的依据。     

基于分割嵌套三角剖分的重力场适配区选取算法

重力场适配区选取算法是水下重力定位系统的关键技术之一,直接影响重力匹配算法的定位精度和匹配率,为提高适配区选取算法的准确性,提出一种基于分割嵌套三角剖分的重力场适配区选取算法.首先利用墨卡托投影和重力异常空间校正,将传统重力场栅格信息变换为三维高程信息;再利用分割嵌套的思想,不断从重力场最小环形域中分割出最优三角形,从...     

基于ASIFT图像特征的大视角点云配准方法

点云配准是物体三维轮廓获取的重要环节。基于图像特征的点云配准方法能较快地实现这一目标。然而,这种方法对于大视角点云的配准并不理想。针对这一问题,本文提出一种基于ASIFT图像特征的大视角点云配准方法。首先,用ASIFT算法提取大视角图像间的二维匹配点对;而后,利用图像像素和点云间的对应关系得到大视角点云间的三维匹配点对;最后,提出一种改进的RANSAC算法实现点云配准。实验结果表明,该方法可成功实现大视角点云配准。     

大型容器不锈钢衬厚度多频涡流无损评价方法

提出了一种基于多频涡流检测技术的大型容器不锈钢衬的厚度无损评价方法,并开发了相应的实验系统,利用检测实验进行了有效性验证。所提方法基于多频涡流检测技术原理,利用互感型涡流检测探头,基于新的信号特征量采用标定曲线方法实现了钢衬厚度的有效定量无损评价。具体过程为:利用已知厚度的钢衬标定试样,在给定激励频率情况下,基于所提多频涡流信号特征量建立了钢衬厚度-信号特征量标定关系曲线;对实际检测对象待测点利用相同实验条件获取了多频涡流检测信号并提取特征量;基于标定曲线和检测信号特征量求取了钢衬厚度值。检测评价实验表明,本方法可对1.0mm～4.0mm以内的大型容器钢衬厚度进行有效评价。     

基于层次分析法的重力匹配区域选择准则

重力辅助导航在数字重力图的不同区域,其匹配效果各不相同。为了评价数字重力图各区域的重力匹配效果,给路径规划提供可靠的依据,在对地球重力场的各种特征参数进行归一化处理并且分类统计分析的基础上,运用层次分析法将重力场的局部标准差、经度方向粗糙度、纬度方向粗糙度、经度方向坡度、相关系数进行组合,给出一种新的重力匹配区域选择准则,依据此准则将数字重力图划分为重力匹配的适配区和非适配区。在数字重力图上采用均方差(MAD)和平均绝对差(MSD)算法进行重力辅助导航的重力匹配仿真计算和比较,仿真结果表明,适配区域的匹配导航效果明显优于非适配区域,定位误差小于一个重力格网。     

动态场景下基于双重特征约束的视觉惯性SLAM算法

针对传统视觉惯性算法在动态物场景下特征误匹配造成轨迹精度低的问题，提出一种动态场景下平面约束和双重特征误匹配剔除的改进视觉惯性SLAM算法。首先，采用改进Plane-Recover算法分割动态场景中静态平面区域，构建损失函数优化静态平面区域分割效果。其次，采用双重特征误匹配判断方法,通过平面约束策略得到正确面特征匹配，同时利用RANSAC与三焦张量算法结合的策略，提高点特征匹配准确度。在真实场景下进行验证，实验结果表明所提算法与VINS-mono算法相比轨迹精度平均提高20.82%，验证了所提算法可有效提升动态场景下的轨迹精度。     

景像匹配定位中的图像边缘检测算法研究

研究了目前流行的14种经典与现代边缘检测算法,对这些算法在景像匹配定侠中的应用进行了仿真,根据战术飞机及巡航导弹的实战需求,提出了边缘检测算法的各项技术指标,进而探讨了这些算法在景像匹配定位中的可应用性及发展方向。仿真结果表明：小波算法是这些算法中定位精度最高,匹配概率最高的算法,实时性也较好,模糊算法与神经网络算法因其优良性能,也应给以充分重视。     

基于行为概率分析的室内行人导航方法

行人在室内场景下进行混合步态运动时,传统零速检测方法易出现“漏检”和“误检”,造成定位精度下降。针对此问题,提出了一种基于行为概率分析的行人零速检测与爬楼高度估计方法。一方面,设计了基于步态周期检验的最大概率零速点提取方法,通过足部零速广义似然比概率统计对步态周期进行准确划分,继而实现对步态周期内最大概率零速点的提取;另一方面,采用基于长短期记忆的深度学习网络模型实现上下楼运动检测,基于气压高度计与惯性器件数据,构建描述足部跨越台阶数的能量概率函数,并对台阶高度、跨越台阶数以及爬楼高度进行实时在线估计。最后开展了行人室内导航实验,相较于传统零速检测算法和零速阈值自适应调整算法,所提算法的平均零速点提取成功率分别提高24.44%和16.21%,平均导航定位性能分别提高了55.14%和39.15%,高度误差由7.79%降低到0.39%。     

基于并行卷积神经网络的地磁方向适配性分析

针对地磁方向适配性分析时人工特征提取主观性较强、所取特征难以表达深层的结构性特征的问题,并为了进一步提高方向适配性分析的准确率,提出了一种基于并行卷积神经网络的地磁方向适配性分析方法。首先,从不同角度建立了地磁场在6个代表方向上的适配性分析图;然后,从同一磁场的不同角度出发,利用卷积神经网络自动完成了特征学习,得到了更为全面的方向适配性特征描述;最后,在并行卷积神经网络所得特征的基础上,利用BP网络建立了地磁方向适配性的分析模型。仿真结果证明,该方法可以有效避免人工特征提取和计算等复杂步骤,实现了地磁方向适配性分析的自动化,而且可以获得优于传统网络和单路卷积神经网络的准确率。