机器人视觉导航传感器光栅投射误差校正系统

当前传感器光栅投射误差校正系统,没有计算光栅投射条纹的倾斜角度,导致系统应用效率低、稳定性差、精准度低,严重影响了机器人的使用效果。因此,提出机器人视觉导航传感器光栅投射误差校正系统。首先采用光栅读数头、细分盒完成系统的硬件组成,提高系统的应用效率;软件部分采用了高频数字计数滤波的方法,滤除掉频率高于该临界点的干扰脉冲;最后通过基于投影序列融合的光栅投射误差校正算法,分析光栅投射条纹的倾斜角度实现误差校正,提高系统的精准度。实验对比结果表明,机器人视觉导航传感器光栅投射误差校正系统的应用效率最高为96%、稳定性最高为98%、精准度最高为97%,所设计系统具有较高性能。     

采用自适应模糊优化的目标跟踪加速方案

目标跟踪作为计算机视觉的重要方向之一,在自动驾驶、安防监控等方面有着广泛的应用,但是目标跟踪算法还无法有效地运行在嵌入式设备上。针对目标跟踪算法计算量大、复杂度高,难以部署在资源受限的嵌入式设备的问题,提出了一种基于相关滤波目标跟踪的加速方案。首先采用自适应模糊算法优化了跟踪算法整体运算量,它可以根据目标跟踪框的尺寸判定是否降低图像质量。其次采用了跟踪响应结果的峰值旁瓣比与平均相关能量比判据来评估跟踪结果的可信度,从而实现跟踪模型的自适应更新以及目标位置的重搜索。最后基于FPGA并行实现相关运算和跟踪检测器训练阶段的矩阵相乘运算,以提升算法实时能效性。所提出的加速算法基于PYNQ-Z2进行硬件测试,并在OTB-2015跟踪数据集上进行验证,该算法的跟踪精度与跟踪实时性分别为65.8%,17.28 frame/s,相比于原始算法,跟踪精度、跟踪实时分别提高了9.12%、703.7%。     

基于改进Kalman滤波模型的扫描合成孔径雷达图像扇贝效应校正方法

星载扫描合成孔径雷达(ScanSAR)采取Burst工作模式,该模式在获得宽幅测绘能力的同时,也导致图像中产生了固有的扇贝效应,严重影响图像的视觉效果和定量应用。该文结合对ScanSAR图像方位向统计特性的分析,针对现有滤波模型稳定性差和时间复杂度高等缺点,提出了一种改进的Kalman滤波模型,对图像方位向标准差和均值进行滤波以校正扇贝条纹。在高分三号(GF-3)卫星获取的真实ScanSAR图像上的校正结果验证了改进算法的有效性和高效性,此外在建筑群和海陆交界等复杂场景图像上的实验结果表明,改进算法具有较强的鲁棒性。     

自适应调节滤波强度的SAR图像非局部平均抑斑算法

为提升对SAR图像乘性相干斑的抑制水平与边缘保护性能,该文提出了一种可自适应调节滤波强度(AFS)的SAR图像非局部平均(NLM)抑斑新算法(AFS-NLM).该算法利用Frost滤波图像计算的局部均值与方差来改善SAR图像场景参量的估计,形成了一种能更好刻画SAR图像同质区与边缘区的改进Kuan滤波系数.利用局部均值比与改进Kuan滤波系数分别作为新的相似性测量参量与自适应衰减因子,构建了一种更适应SAR图像乘性噪声特性的改进NLM滤波.利用偏平滑参数与偏边缘保护参数控制下的改进NLM滤波,分别替代经典Kuan滤波模型中的像素局部均值与自身灰度值作为加权项,并采用由改进Kuan滤波系数构建的自适应调节因子对二者进行加权平均,从而形成了一种可自适应调节滤波强度的加权滤波新模型.实验表明,该文算法与近期多种先进算法相比,具有更好的相干斑抑制与边缘保护性能.     

一种基于二进小波变换的自适应滤波方法

根据信号和噪声经小波变换后在不同尺度上有不同的特征，将相邻尺度二进小波变换值的相关量进行归一化处理并与小波变换值比较来判断信号与噪声，以噪声在各尺度的方差作为终止迭代的标准，提出了一种基于二进小波变换小波域选择噪声的自适应滤波方法。研究了模拟信号的去噪过程、半峰宽和信噪比对去噪结果的影响，并对模拟含噪信号和含噪毛细管电泳信号去噪前后的结果进行了比较。实验结果表明：由于该方法具有良好的自适应性和显著的滤波效果，必将得到广泛的应用。     

ICP—AES卡尔曼滤波同时测定铁基体中26种痕量元素

本文利用电感耦合等离子体原子发射光谱（ＩＣＰ－ＡＥＳ）多色仪的扫描功能，用Ｃ语言编制了Ｋａｌｍａｎ滤波程度软件包，用该软件包对铁基体中２６种痕量元素进行了回收率试验，并对标准碳素钢样中１３种痕量元素进行了测定，结果表明Ｋａｌｍａｎ滤波完全适用于复杂谱线基体中的多种元素同时分析。     

激光雷达距离像相关跟踪中的图像预处理

相干激光雷达距离像预处理是获得最终图像必不可少的步骤,其处理的好坏直接关系到目标识别的正确与否及追踪的稳定性.本文首先通过基于相干激光雷达特性得到仿真激光雷达含噪距离像与强度像,进而对原始噪声图像进行了背景抑制与距离反常抑制(中值滤波)以及二者结合预处理.用基于MCD距离的相关算法对处理前、后图像进行追踪.最后给出跟踪绝对误差.     

一种适用于终端移动的OFDM无线局域网的信道估计方法

本文提出了一种适用于具有移动终端的OFDM无线局域网的信道估计方法.该方法采用了卡尔曼滤波算法进行了信道估计,并利用导频进行信道跟踪.将基于训练序列的信道估计结果作为Kalman滤波器的初始值和观测值,用基于导频的信道估计结果来计算Kalman滤波器参数.并利用导频进一步跟踪信道在时间上的变化.Simulink仿真结果表明,该算法比基于导频的信道估计方法和基于训练序列的信道估计方法效果都要好.