基于修正Rodrigues参数的鲁棒滤波算法在组合导航中的应用

组合导航的观测量常会因外界复杂环境的干扰,出现滤波精度下降的现象。提出一种基于修正Rodrigues参数的鲁棒滤波算法,利用修正Rodrigues参数来重新构造组合导航姿态表达,通过引入HUBER鲁棒策略实现抑制观测量干扰等问题。在捷联惯导/卫星组合导航仿真例子中,比较了传统基于四元数的滤波算法、基于修正Rodrigues参数的滤波算法及其鲁棒化滤波算法,仿真实验结果表明算法具有计算量低和抑制外部干扰等效果,证明了算法的有效性。     

舰载雷达三轴转台稳定方程推导

分析了大地直角坐标系和舰船直角坐标系的关系,在舰船直角坐标系中对舰载雷达三轴转台系统的姿态角进行了定义,用空间解析几何法推导出已知舰船平台罗经信号、天线姿态角时三轴转台系统的稳定方程,为舰载雷达三轴转台系统的伺服控制提供理论依据。     

基于软邻接时空图卷积神经网络的动作识别算法

动作识别被广泛应用于诸多领域,如智能监控、人机交互、智能医疗、机器人技术等。近年来,随着智慧城市建设的不断发展,人类动作识别的相关研究越来越受到学术界的关注。然而目前的基于神经网络的动作识别算法普遍存在着准确率低,鲁棒性差等问题。虽然这种传统的方法取得了良好的效果,但这种方法的效果与实际应用之间依然存在差距。为了进一步解决这些问题,设计了一个更有效的动作识别模型,即基于软邻接的时空图卷积神经网络的动作识别算法（spatial temporal soft adjacency graph convolution network, STS-GCN）。首先,将图卷积网络扩展到时间域,并在骨架节点之间引入潜在的相邻关系,从而可以自动学习空间时间维度上的隐藏动作信息;其次,模型引入了一种简易的空间注意机制,使其具有鉴别具有判别力的空间区域的能力,从而获得更好的识别效果;最后对该模型在NTU-RGB+D数据集上进行了实验。实验结果表明,与其他几个现有模型的结果相比,模型测试的识别准确率有所提高。这说明了引入软邻接矩阵的时空图卷积神经网络有利于模型提高动作识别算法的效果。     

健身行为的人体姿态估计及动作识别

人体姿态估计和动作识别在安防、医疗和运动等领域有着重要的应用价值。为了解决不同背景及角度下各类运动动作的人体姿态估计和动作识别问题,本文提出了一种改进的YOLOv7-POSE算法,并自行拍摄制作各种拍摄角度的数据集进行训练。此算法以YOLOv7为基础,对原始网络模型添加了分类的功能,在Backbone主干网络中引入CA卷积注意力机制,提升了网络在对人体骨骼关节点和动作的分类的重要特征的识别能力。用HorNet网络结构代替原模型的CBS卷积核,提高了模型的人体关键点检测精度和动作分类的准确度。将Head层的空间金字塔池化结构替换为空洞空间金字塔池化结构,提升了检测精度并且加快了模型收敛。将目标检测框的回归函数由CIOU替换为EIOU,提高了坐标回归的精度。设计了两组对照实验,实验结果证明,改进后的YOLOv7-POSE在验证集上的mAP为95.7%,相比于原始YOLOv7算法提高了4%,各类运动动作识别准确率显著上升,在实际推理中的关键点错检、漏检等情况明显减少,关键点位置估计误差明显降低。     

基于步行者航位推算的井下人员辅助定位

针对目前井下人员定位系统存在的问题,提出一种基于步行者航位推算的辅助定位方法。利用低成本的惯性测量单元(IMU)和磁力计,设计稳定的姿态与航向参考系统(AHRS),利用惯性导航的相关理论,并通过分析人员步行姿态,进行零速修正(ZUPT),组成步行者航位推算系统,对井下人员进行实时航位推算。以实验室大楼走廊模拟井下矿道环境进行航位推算实验,实验结果表明,本方法对人员行走距离和方向做出良好的推算,能成为现有井下定位的有效补充,提高人员定位精确度。     

基于图像特征检测和匹配的无人船航行姿态角提取方法

计算机视觉的飞速发展, 使得采用视觉技术辅助无人船航行成为可能. 在无人船巡航过程中, 获取船体航向是航行控制的必备基础. 特征匹配是无人船相关视觉技术中的重要部分, 是目标识别和定位等功能的关键步骤. 获取无人船运动姿态的基本步骤是对图像前后帧进行有效的特征提取和匹配. 针对水域环境中的图像静态特征提取速度慢、精度低的问题, 本文提出一种图像匹配方法以求取无人船的航行姿态角. 首先对图像预处理, 并对有效区域进行特征提取. 其次, 设计一种基于描述子相似度的初始特征匹配策略. 再其次, 筛选特征匹配对, 优化模型参数. 最后, 通过前后帧旋转矩阵计算航行姿态角. 实验表明, 该方法能有效提取无人船的航行姿态角.