基于云层去除的偏振光导航应用研究

传统的导航系统因其自身的技术缺陷而远远不能满足人们日常的导航需求,仿生式偏振光导航应运而生。在传统的图像式偏振光导航系统中,云层遮挡往往会对偏振光信息的采集造成严重影响,从而影响到航向角的准确解算,极大程度限制了偏振光导航的运用范围。为了克服这一困难,文中引入生成对抗神经网络,在生成器与鉴别器之间不断迭代反馈,对采集到的云层图像进行去云层处理,有效地恢复了被云层遮挡的偏振光信息。经过大量实验验证,成功将航向角误差从2.3706°降低至0.6067°,使其导航精度提升了74.41%。实验结果不仅验证了该方法的有效性,也展示了生成对抗网络在图像修复方面的强大之处,对图像式偏振光导航的发展提供了新的思路。

天空散射光偏振成像噪声建模与分析

仿生偏振导航是近年来兴起的一种新原理导航方式,对天空光进行成像可以获得更为丰富的天空散射光的偏振信息以及分布特征,有利于提高偏振导航传感器的精度和抗干扰能力。根据现有的Stokes参量测量偏振光的原理以及成像装置的噪声模型,对基于Stokes参量法的偏振角度测量噪声进行了建模,并根据模型进行了仿真分析。仿真结果表明:提高相机的信噪比(SNR)能够显著提高偏振成像的质量,当相机的SNR大于44 d B时,天空偏振角度的测量标准差将优于1°/像素;得到了0°,60°,120°和0°,45°,90°检偏器分布模式下对不同偏振角度的入射光测量噪声的统计分布特征。尽管0°,60°,120°的检偏器布置方案相对于0°,45°,90°的检偏器布置方案有着更大的计算复杂度,但在使用相同信噪比相机的情况下,该布置方案的噪声更小。该结论将对天空偏振光成像装置的构建及其误差分析与补偿技术提供参考。

利用大气偏振模式“∞”字形特征获取太阳位置的方法研究

针对仿生偏振光导航研究中如何利用大气偏振模式获取太阳位置信息的问题,提出了一种基于遗传算法（GA）和梯度下降（GD）算法相结合的混合遗传算法（GA-GD）的大气偏振模式求解太阳位置的方法。在对大气偏振模式＂∞＂字形特征建模的基础上,建立了求解太阳位置最小目标函数模型,将太阳位置的求解问题转化为最优化问题。首先,利用GA算法全局搜索太阳位置的解空间,得到近似全局最优解,再结合梯度下降算法,在近似解附近进行局部寻优,最终得到太阳位置的全局最优解。在晴朗天气下的实测实验结果表明,经过GA算法后,太阳位置误差达到1°量级,再经过GD算法后,误差进一步减小至0.1°量级,显著提高了太阳位置信息的获取精度。

基于霍夫变换的大气偏振模式∞字形重构方法

提出了一种基于霍夫变换的大气偏振模式∞字形重构方法,基于偏振角数学模型获得了∞字形表征方程,运用霍夫变换求解未知参数,从偏振角信息中求解方程参数,进而重构出∞字形。实验结果表明∞字形重构精度优于99%,提出的方法可以有效地从偏振模式中重构出∞字形,为后续偏振光导航提供了一种新的思路.

倾斜姿态下的大气偏振模式建模方法研究

针对现有大气偏振模式表征模型不能描述倾斜姿态下大气偏振模式分布的问题,提出了一种倾斜姿态下的大气偏振模式建模方法。倾斜姿态的坐标系相对水平坐标系的姿态可被认为由3个坐标轴经过3次旋转后得到,通过分析旋转前后坐标系的空间变化,利用旋转矩阵建立了旋转前后坐标系的空间变化关系,在瑞利模型的基础上,推导出了倾斜姿态下的大气偏振模式相对分布表征模型,仿真与实测实验结果直观反映了姿态变化前后大气偏振模式分布的形态差异,由姿态变化前后的大气偏振模式分布中特征点的空间变化关系,验证了模型的正确性。倾斜姿态下大气偏振模式表征模型能够描述倾斜姿态下大气偏振模式分布形态及特征,为下一步载体在倾斜姿态下导航信息的获取奠定了基础。