GNSS拒止环境下基于Puzzle描述符的无人机点云匹配自主定位

针对GNSS拒止环境下无人机基于点云匹配自主定位中存在的搜索时间长、误配率高等问题,提出了一种基于Puzzle描述符的二视点云全局配准算法。该算法采用改进的ScanContext点云描述符,对点云进行分割与编码,设计出新的Puzzle描述符。通过SIFT匹配和模板匹配确定预搜索区域,并利用ICP匹配实现无人机的精确定位。仿真结果表明,算法有效降低了搜索时间和误配率,且具备良好的噪声抑制能力,三维定位误差控制在±20 cm以内,单次匹配耗时小于1 s。挂飞实测数据进一步验证了算法的性能,无人机自主定位的平均误差为19.94 cm,单次匹配平均耗时0.59 s,充分满足了精度和实时性要求。

基于雾线暗原色先验的红外图像去雾算法

红外图像去雾算法的主要任务是解决红外图像因米氏散射引起的低可见性和模糊。但是当前红外图像去雾算法对红外图像暗处透射率估计欠佳,针对这一情况,研究了基于雾线暗原色先验的红外图像去雾算法。首先,利用霍夫变换估计大气光照;然后,针对雾线去雾方法在部分场景中失效的现象,采用雾线暗原色先验方法,通过假设雾线较暗端为真实颜色估计透射率,获取透射率图;最后为去除透射率图中噪声,对透射率图全变分正则化进一步优化透射率图。以公开红外数据库LTIR作为测试对象,实验结果表明,本文去雾算法在增强红外图像清晰度的同时未破坏红外辐射分布,对各种场景的红外图像有较好去雾效果。透射率估计准确,有较好红外图像去雾能力。

基于多特征融合与分层数据关联的空中红外多目标跟踪方法

针对星空背景下目标相似度高、数量大和误检数目较多所导致的空中红外多目标跟踪困难问题,提出基于分层数据关联的空中红外多目标在线跟踪方法。首先,根据红外场景特性来提取目标的位置特征、灰度特征和尺度特征;其次,综合这三个特征来计算目标与轨迹之间的初步关联关系以获得真实目标;再次,将所获得的真实目标按照尺度大小分类,大尺度类目标数据关联采用表观特征、运动特征、尺度特征三种特征相加的方法来计算,小尺度类目标数据关联采用表观特征与运动特征两种特征相乘的方法来计算;最后,根据匈牙利算法对两类目标分别进行目标分配、完成轨迹更新。多种复杂情况下的实验结果表明:与仅采用运动特征的在线跟踪方法相比,所提方法的跟踪准确率提升了12.6%;与采用多特征融合的方法相比,所提方法的分层数据关联不仅提高了跟踪速度,也使跟踪准确率提升了19.6%。综上,该方法不仅跟踪精度高,而且具有较好的实时性和抗干扰能力。

多约束非刚性物体形变修复算法

针对现有方法修复非刚性物体形变效果不佳的问题,以青铜器碎片为例,提出一种有效的多约束非刚性物体形变修复算法。利用主成分分析将碎片映射到二维空间并栅格化提取出截面曲线;计算过形变点的3条截面曲线中该点法向量均值,得到形变点的方向约束;利用点集曲率和Voronoi图,计算形变点的位置约束;对形变点集使用方向约束和位置约束得到初始修复结果;为避免局部最优化,对局部修复后的点集采用最小二乘法进行全局微调,得到最终修复结果。实验结果表明,与渐进变形法和黑塞约束的三维重建对比,多约束的非刚体物体形变修复方法在曲率分布差异方面大大减少。

基于改进特征金字塔的Mask R-CNN目标检测方法

提出了一种基于改进特征金字塔的Mask R-CNN目标检测方法。实验结果表明,在目标边缘和包围盒两项检测中,相比于Mask R-CNN检测框架,所提方法在不同的交并比阈值下的平均准确率分别提高了约2.4%和3.8%。尤其对于中等尺寸目标的检测准确率有较大的提高,分别为7.7%和8.5%,具有较强的稳健性。