平板折叠桌的设计模型

根据折叠桌的运动特征,选取折叠桌的四分之一为研究对象,建立任意角度下桌脚点的运动变化模型。考虑到产品稳固性、加工便利性和节约用材三方面对加工参数的影响,对折叠桌进行受力分析,得到多目标组合优化模型,用以确定出折叠桌的最优设计参数。针对用户提出的桌面形状要求,建立桌脚曲线的参数方程。作为模型推广,以椭圆状折叠桌为例,运用Matlab画出了桌脚边缘线在折叠过程中的动态变化示意图。同时,又深入研究Robert van Embricqs的滑动折叠桌,建立了新的桌脚曲线参数方程。最后,运用Matlab对多种形状折叠桌进行仿真,编写多目标优化算法,得出了最优加工参数,并进行了算法描述。     

“三端合一”显隐结合的无机化学课程思政方法*

基于本校无机化学的课程特色,拟定课程思政目标,将思政元素与教学内容对应。在无机化学课程的资源端(MOOC平台)、教学端(超星学习通)、服务端(微信公众号)等均融入思政元素,创新教学方法,构建“三端合一”显隐结合的课程思政方法,为其他专业课的课程思政提供参考。     

地面目标雷达与红外特性数据库构建

为了对地面目标雷达与红外特性测试的各类数据进行统一规范化管理,使其高效应用,分析各类数据的特性及其处理方式,构建了目标特性数据库管理系统;数据库的整体设计中,在数据头和数据文件方案基础上增加了自动跟随数据表编号的路径生成方法,结合了接口式的运作结构,模块化的数据库功能和层次化的数据表结构设计思路;数据库的编制基于Access数据库管理软件和VC++编程软件,通过ADO数据库访问技术加以实现,详细描述了ADO接口的编程步骤,并对本接口不同指针的入库频率和提取效率进行了对比择优;在运行中,提出了主、副数据库移植性管理方法;工作实践验证了目标特性数据库管理系统的可靠性和高效性,为地面目标特性的测试与分析提供了良好的数据支撑。     

一种基于目标梯度特征和轨迹预测的复杂云背景目标检测算法

对于复杂云层背景下的红外弱小目标检测跟踪一直是图像处理的研究热点。受复杂云层和强光等因素的干扰,目标很容易淹没在背景中。针对传统方法无法兼顾较高的目标检测概率和较低的目标检测虚警率的问题,提出了一种目标检测跟踪方法。通过梯度预滤波的方法获取初始目标,二次比对的方法获取真实目标;通过目标航迹建立与删除的方法降低虚警率;通过抗云层遮挡卡尔曼滤波跟踪的方法提升目标检测能力。实验结果表明,该技术不仅很好地抑制了复杂云层背景和强光干扰背景,而且通过目标建航和抗遮挡跟踪等方法极大提升了目标检测概率,降低了虚警率。     

一种基于加权最多邻近点距离的相关跟踪方法

针对相关跟踪过程中障碍物遮挡,噪声和目标形变对跟踪稳定性的影响,提出了一种基于加权最多邻近点距离的相关跟踪方法。采用模板图像与实时图像的相似点个数并与距离进行加权的方式定义相似性度量,结合相似度对目标模板进行更新,采用Kalman算子预测目标位置并进行分层搜索,实现快速稳定跟踪目标。实验结果表明,该方法能较好地抑制噪声和目标遮挡的影响,目标遮挡重新捕获成功率高于80%,目标跟踪精度低于10个像素。     

聚焦形貌恢复方法模型设计

采用基于拉普拉斯算符聚焦形貌恢复方法,提出了模拟目标深度测量的数值模型。数值模拟的核心是基于通过几何光学预测的理想图像的卷积与透镜广义孔径函数的多色点扩散函数,即用聚焦误差替代抛物线圆柱形貌或高斯函数。该模型可以使用基于聚焦形貌恢复方法的传感器真实组件参数、光源光谱、光学系统离差、相机的光谱灵敏度。提出了光学系统离差（消球差、消色差、色差）对确定目标表面形貌的精确度和可靠性的影响。结果表明,该模型可以有效提高实验效率,缩短时滞,降低成本。     

一种改进的三帧差分运动目标实时检测算法

针对传统的三帧差分法提取的运动目标存在大量的噪声和空洞,提出了一种改进的三帧差分运动目标实时检测算法。该算法采用Surendra背景提取算法提取有效背景,对视频流中连续的三帧图像分别进行背景减除,得到的结果作为反馈对背景进行选择性更新,利用HSV颜色空间去除阴影后进行三帧差分,将差分结果进行“与”运行,通过将中间帧背景减除结果与“与”运算的结果进行“或”运算,这样可以得到运动目标的完整信息。实验结果表明,该算法能够快速、完整、准确地检测出运动目标,可有效应用于实时监控系统。     

一种红外场景/点源目标模拟器技术研究

研究了一种红外场景/点源目标模拟器。模拟器由一路红外场景、一路点源目标和四路点源干扰组成。模拟器包括点源目标/干扰通道、中继光学系统、成像通道、多目标复合系统、运动控制系统和机械支撑及连接结构,可以同时模拟一路点源目标,四路点源干扰和一路红外场景。对模拟器进行实验研究,模拟器所生成红外图像的空间分辨率达到10 lp/mm,模拟器点源光斑尺寸最小为42μm,最大为499μm。该模拟器已经成功应用到半实物仿真试验中。     

移动机器人目标识别算法

针对移动机器人在目标识别过程中对视觉图像特征点提取慢,匹配不准确等特点,提出了一种基于SIFT算法的改进目标识别算法。通过采用组合匹配策略,将特征关键点间的距离和内积同时进行考察,根据其自身值的大小,决定对匹配相似度的贡献。组合策略的引入有效地解决了机器人在目标识别中对相同特征图像不能匹配和不同特征图像能够匹配的问题。为克服目标匹配时实性差的弱点,以关键点为根据构建K维树结构,采用最近邻点搜索,快速找出正确匹配的特征点。为实现移动机器人目标识别过程中的自主性,在特征点匹配过程中引入自适应阈值进行判断。实验表明,该方法对移动机器人目标识别准确率有较大提升,能够满足移动机器人在目标识别和跟踪过程中对视频图像处理的实时性和准确性的要求。     

基于红外/毫米波双模融合的目标识别方法

在数据融合的基础上,以红外/毫米波双模传感器的智能融合结构为模型,将模糊神经网络与D-S证据理论相结合,提出了一种新的目标识别方法.该算法根据红外/毫米波传感器的性能及工作范围,构造模糊变量作为神经网络的输入,根据神经网络的不同输出判别目标的真伪,并利用D-S证据理论进行目标身份识别.仿真结果证明了该算法的可行性.