Role on Moment of Inertia and Vortex Dynamics for a Thin Rotating Plate

In this study, we focused on the lift generation with a thin rotating plate. The objective of this study is to understand the appropriate shape and the role of vortex for rotating thin plate. We determined the shape of the plate through free-flight tests of paper strips and investigated the aerodynamic characteristics of the rotating plate with the selected shape. The rectangular plate with an aspect ratio 7 was relevant from moment of inertia and bending stress. An endplate on a wing tip increased the stability on the lateral vortex structure behind the rotating plate. Velocity field measurement by Particle Image Velocimetry (PIV) showed that the lift force was generated twice in a rotating cycle.

模糊互补滤波的AGV视觉惯性里程计

为提高自动导引车(automated guided vehicle,AGV)在复杂视觉环境下的定位性能、降低硬件成本,提出了一种基于AprilTag和模糊互补滤波的视觉惯性里程计(visual-Inertial Odometry,VIO)。采用扩展卡尔曼滤波器(extended Kalman filter,EKF)融合陀螺仪、磁力计和编码器测量数据,计算航向角用于航位推算。通过对相机AprilTag识别距离和运动速度进行模糊推算获取标识权重,加权计算AprilTag进行视觉定位,减小多标识视觉定位误差。通过标识权重均值计算互补融合系数,将视觉定位和航位推算结果互补融合,提高VIO定位精度。实验结果表明,所提出的VIO在小型AGV的定位精度达到了41.84 mm,比惯性里程计和传统卡尔曼滤波的AprilTag-VIO分别提高了52.20%和20.75%。

单目视觉与IMU融合的室内定位方法研究

为提高室内环境下移动载体自主定位的定位精度,提出一种融合单目视觉和IMU的自主定位算法。基于视觉SLAM框架VINS-Mono,首先提取图像点特征并进行光流跟踪,在此基础上同时提取图像的线特征并计算描述子进行匹配,对场景结构提供额外的约束;然后在后端将点、线特征和IMU信息进行整合并通过滑窗模型进行优化,以提高后端位姿估计的精度;最后通过仿真和智能小车进行实验验证。结果表明上述定位算法相较于VINS-Mono的定位误差均方根平均降低了8%~13%,证明所提算法达到了提升定位精度的效果且满足定位实时性要求。

基于视觉惯性的动态环境下SLAM方法

针对传统视觉惯性SLAM在动态环境下则会出现鲁棒性差的问题,提出一种可用于室内的动态环境的视觉惯性SLAM方法.结合室内动态物体的特点,提出了一种基于先验假设的语义信息方法,利用Mask R-CNN现实潜在动态对象识别.为解决语义分割网络短时间内分割图片有限的问题,融合光流估计对未分割图像进行分割预测.最后,通过动态特征点过滤算法实现动态特征点与静态特征点的分离.在基于OpenLORIS数据集进行实验表明,该方法在高动态环境下能够有效提高SLAM系统的定位精度及鲁棒性.

一种多源测距与视觉惯性融合的月球车定位方法

针对月球车月面探测活动任务中对高精度定位的需求,当前视觉惯性定位方法存在误差累积,并且在缺乏先验环境信息时无法消除,基于三角测量原理的无线电定位方法可以通过测量接收端到至少三个不同发射端的距离来确定目标物体位置,但需要架设三台以上基站,因此难以满足月面环境下大范围定位的需求。文章提出了一种基于基站无线测距和视觉惯性里程计融合定位方法,以解决上述定位手段存在的问题。该方法首先利用视觉惯性里程计构建的环境模型将WIFI、UHF和UWB三类无线电基站测距信息进行融合,然后将测距结果和视觉IMU信息进行位置联合解算来确定月球车位置,最后在Matlab和Gazebo软件平台上进行仿真验证,在距离基站最远行进1500米的条件下实现了0.92米定位误差。实验结果表明,该方法能够在满足月面探测任务对于精准定位的需求。

基于导引头图像连续匹配的航向测量与组合算法

提出了一种基于连续匹配的航向解算与组合导航算法,实现了利用小视场角制导相机解算航向,为无人机提供了一种低成本的航向量测与组合导航方案。首先基于连续匹配得到的本质矩阵计算出姿态增量,然后通过首帧姿态矩阵与联合标定矩阵计算出当前帧的航向角,在此基础上基于惯性导航姿滤波设计了MEMS导航解算与视觉连续匹配的融合算法。最后为验证所提算法的精度与计算效率,搭建了惯性/视觉组合装置及挂飞试验系统。飞行试验结果表明,针对像元数为1920×1080的相机在80~200 m相对高度飞行过程中,匹配成功率达到99.6%,0.5 h航行中航向计算精度优于0.21°,更新频率优于20 Hz,与传统方法相比具备较高的匹配成功率、航向计算精度,并具有更低的时间耗费。

空间锥体目标进动周期估计

该文通过对空间锥体目标的弹道建模,根据进动锥体目标对雷达波的姿态角计算公式,推导了目标回波RCS随姿态角余弦的计算公式。通过分析姿态角余弦的频谱特性和RCS随姿态角余弦的频率传输特性,给出RCS序列的频谱特性,并以此为特征,提出一种RCS序列进动周期估计的新方法。仿真结果验证了方法的有效性。

锥体空间目标基于进动特性识别

为了研究基于空间锥体目标进动特性的识别方法,通过对空间锥体目标的弹道建模,分析了进动锥体目标姿态角变化,引入平均视线角变化对回波RCS的影响,推导了空间锥体目标相对雷达波的姿态角计算公式,分析RCS随时间变化关系,通过回波RCS序列估计进动周期及进动角参数,以惯量比为特征,提出弹头和诱饵的识别方法,仿真试验证明了算法的有效性。

结合视觉惯性模组的室内三维布局鲁棒重建方法

针对使用传统单目相机的全自动三维重建方法结果精确度差和整体结构理解缺失等问题,提出一种结合视觉惯性里程计和由运动到结构的全自动室内三维布局重建系统.首先利用视觉里程计获得关键帧图像序列和对应空间位置姿态,并利用运动恢复结构算法计算精确相机位姿;然后利用多图视立体几何算法生成高质量稠密点云;最后基于曼哈顿世界假设,针对典型的现代建筑室内场景,设计一种基于规则的自底向上的布局重建方法,得到最终房间外轮廓布局.使用浙江大学CAD&CG实验室场景现场扫描数据集和人工合成的稠密点云数据集作为实验数据,在Ubuntu 16.04和PCL 1.9环境下进行实验.结果表明,文中方法对三维点云噪声容忍度高,能够有效地重建出室内场景的三维外轮廓布局.

网络媒体与视觉修辞中的原型激活

人们对图像的喜爱源于人类自古以来对视觉的偏爱和依赖,网络技术的日新月异,让视觉传播大行其道。此议题通过聚焦媒体的图像报道文本发现,媒介技术制造的形式上视觉化和文本表达浅白化的泛视觉化图像,除了能迎合大脑的认知惰性以外,别无其他。要使图像符号具有语言、文字所不可比拟的话语构造力量,使受众从感观意识上升到理性认知,视觉修辞的基本策略是在图像符号中植入带有集体无意识的原型意向。

基于微惯性与Unity3D的室内滑雪教学与训练可视化系统设计

鉴于目前开展室内滑雪运动时存在滑雪者沉浸感差、动态数据无法存储、专业动作教学及训练效果差等问题,以模拟滑雪机为平台设计基于微惯性与Unity3D引擎的室内滑雪教学与训练可视化系统。该系统结合黑龙江亚布力雪场实景构建虚拟滑雪场景,以专业滑雪运动员构建滑雪人物模型,提出碰撞实时检测策略,同时以人物实时动态测量数据为基础实现虚拟滑雪者滑行、刹车、左倾及右倾等动作控制。实验结果表明,室内滑雪教学与训练可视化系统安全性强、体验性好,是数字化及智能化滑雪教学与训练的重要装备。

基于“视觉亮度”的白光LED光色性能研究

从＂视觉亮度＂的角度,研究了脉冲驱动和恒流驱动下白光LED的光色性能。实验结果表明：占空比小于70%时,脉冲驱动LED的光通量比直流驱动的低,但是人眼感觉到的＂视觉亮度＂却相等;占空比大于70%时,脉冲驱动下消耗的功率值低于直流驱动的,光通量却高于直流驱动;高脉冲电流驱动下的白光LED的色坐标向等能白光靠近2.5%~4.6%,光谱三原色的蓝色比值增加约为5%,色温也得到明显的提高,从而增强人眼对白光LED发光亮度的刺激响应。同时,运用视觉脉冲响应函数和人眼视觉惰性的特性对Talbot定律做了简单的修正。并结合人眼的感光特性,很好的解释了脉冲驱动能够提高人眼＂视觉亮度＂的现象。

单目视觉惯性定位的IMU辅助跟踪模型

针对剧烈运动下单目视觉惯性定位精度较差的问题,提出了一种面向单目视觉惯性紧耦合定位的IMU辅助跟踪模型,以提升单目视觉惯性紧耦合定位下的稳健性。以IMU辅助跟踪模型取代常规的参考帧和匀速跟踪模型,该模型分为两个阶段,初始化阶段时,在匀速模型设定当前帧初始平移的基础上,由IMU预积分确定当前帧的初始旋转,从而获得当前帧的初始位姿;初始化完成后,在提供初始位姿的基础上,加入IMU预积分的先验速度信息;最后由以上计算的初始状态建立跟踪模型,实现精确定位。采用公开的室内SLAM数据集进行验证,结果表明,该IMU辅助跟踪模型可有效提高系统的稳健性,同时定位精度控制在0.1 m左右,其精度相比于传统的跟踪模型约提高20%。

粒子群算法的可视化在MATLAB下的实现

粒子群算法是一种新型的仿生优化算法,由于收敛速度快、参数设置少、实现简单,在很多领域得到应用。以标准粒子群算法为例,首先描述了粒子群算法的工作原理,然后给出了该算法在MATLAB中实现的详细步骤,并实现了二、三维粒子的可视化。可视化实现不但能够使粒子群算法更容易理解,同时也能更深入的理解粒子群算法的运行原理,为进一步的深入研究、改进及推广应用提供了理论与实践基础。

基于紧耦合的视觉惯性定位方法

惯性测量单元(IMU)受自身温度、零偏、振动等因素干扰,积分时位姿容易发散,并且机器人快速移动时,单目视觉定位精度较差,为此研究了一种基于紧耦合的视觉惯性即时定位与地图构建(SLAM)方法.首先研究了视觉里程计(VO)定位问题,为减少特征点的误匹配,采用基于快速特征点提取和描述的算法(ORB)特征点的提取方法.然后构建IMU的数学模型,使用中值法得到运动模型的离散积分.最后将单目视觉姿态与IMU轨迹对齐,采用基于滑动窗口的非线性优化得到机器人运动的最优状态估计.通过构建仿真场景以及与单目ORB-SLAM算法对比两个实验进行验证,结果表明,该方法优于单独使用VO,定位精度控制在0.4 m左右,相比于传统跟踪模型提高30%.

单目VIO中基于加权预积分的IMU辅助跟踪方法

预积分和跟踪模型是VIO中的重要部分,提高预积分精度和保持跟踪模型的稳定性对视觉惯性定位系统的结果和鲁棒性具有重要意义。文中提出一种面向视觉惯性定位的加权预积分和IMU辅助跟踪方法,对连续的IMU数据进行加权预积分,同时讨论噪声和偏差的影响。IMU辅助跟踪时,由IMU加权预积分结果确定初始化阶段中当前帧的初始旋转,待初始化结束后,在提供的初始位姿中加入IMU加权预积分的先验速度信息。采用公开的EuRoC MAV数据集进行验证。结果表明,本文方法能更好地利用角速度和加速度测量值,与现有的预积分技术相比显示出很大地改进,同时结合IMU辅助跟踪方法有效提高系统的鲁棒性。系统定位精度控制在0.1 m左右,其精度相比于改进前的定位模型提高约30%。

不同驱动模式下白光LED光色电性能分析

采用脉冲和直流两种驱动模式分别驱动同一批次的白光LED灯珠,对比分析了在"视觉亮度"一致时两种情况下的光色电性能,并研究了人眼视觉惰性对白光LED性能的影响。研究发现,在低脉冲占空比下,脉冲驱动LED的电流和发光效率比直流驱动的低,并且随着占空比的增加,两者的差值逐渐减小并趋于相等;当脉冲占空比高于70%时,两者驱动电流的差值增加,而脉冲驱动的发光效率却高于直流驱动的发光效率。此外,相比直流驱动,高脉冲电流驱动下的LED的发光更接近等能白光,进而增强了人眼对LED发光亮度的刺激响应,有效地提高了人眼的"视觉亮度"。

单目视觉惯性SLAM与UWB数据融合的精确定位

针对室内或封闭场景下的无人驾驶,提出了一种融合视觉同步定位与建图(SLAM)与超宽带(UWB)的定位方法。通过惯性测量单元(IMU)预积分提高单目SLAM的可靠性;再将视觉SLAM与UWB获取的定位信息通过扩展卡尔曼滤波器(EKF)得到融合后的数据。实验结果表明:在正常光照下环境下的最大误差为0.101 316 m,根均方误差(RMSE)为0.035 965,在弱光照环境下的最大误差为0.136 103 m, RMSE为0.039 132,未出现明显的跳变及漂移。提高了系统定位精度及鲁棒性。

时序正交偏振光影像分割法双路显示

提出了一种时分法立体显示和偏振光立体显示相结合双路显示方案.在液晶显示器或投影机(DLP,3-LCD,LCOS)前设置了一层旋光液晶,在成像器件上交替轮流播放左右2路视图,同时旋光液晶对液晶显示器或投影机出射的偏振光的偏振方向进行0°或90°交替变换,当观看者戴上相应的偏振镜便可以实现双路或立体显示.

基于MATLAB编程的刚体转动惯量实验数据处理方法探讨

转动惯量的测量是理工科大学物理实验教学中的一个必修实验,随着信息技术的不断发展,用信息技术辅助教学,已经成为教学中突破重点和难点的重要手段.运用MATLABAppDesigner的可视化,绘制实验数据记录表格,将实验数据处理方法进行编程,进而完成数据处理并绘制相应图像.教学实践表明,该方法能够充分发挥学生的主动性,使学生对实验原理的本质和实验数据处理有更加深刻的理解和思考,提高了实验教学的有效性,不仅有更多时间综合训练学生实验的操作能力,而且创新了传统实验教学的复杂数据处理过程,教学效果好.