多视线向D-InSAR三维地表形变解算中GPS约束定权

提出了一种基于GPS约束的多视线向三维地表形变解算定权的方法。该方法以同期高精度GPS形变观测量对多视线向D-In SAR形变观测量进行精度评价,顾及轨道、地形和噪声等系统误差对多视线向D-In SAR形变量影响的特点,通过建立跟像元位置和高程有关的联合拟合模型,实现逐像元精度评价,完成多视线向D-In SAR三维地表形变解算模型中定权。本文以2009年意大利拉奎拉地区地震为研究区,对该定权方法的可行性和精度进行了验证。结果表明,本文提出的GPS约束定权的多视线向D-In SAR三维形变解算方法可以获取可靠的解算结果。

基于多视线向D-InSAR技术的三维地表形变抗差解算方法

针对粗差对多源InSAR数据三维地表形变解算的影响,提出一种基于多视线向D-InSAR技术的三维地表形变抗差解算方法。该方法利用多视线向D-InSAR地表形变监测数据,在最小二乘原则的基础上实现InSAR三维地表形变解算,获取平差观测量的残差,建立最小二乘残差与观测量单位权方差的函数关系,并通过计算出的单位权方差对InSAR地表形变观测量进行定权;基于等价权原理,选用IGGⅢ权函数实现三维地表形变的抗差解算。最后,以2009年意大利拉奎拉地区地震为例,对该解算方法的可行性和精度进行验证。结果表明,该方法可以获取可靠的解算结果。

基于多视线向D-InSAR技术的三维同震形变场解算方法研究及应用

差分合成孔径雷达干涉测量技术（differentialinterferometrysyntheticapertureradar，D-InsAR）是地震形变监测的一种重要方法，但是其存在视线向（1ineofsight，LOS）模糊的问题，即D-InSAR测量的形变场并不是地表真实的垂直向、东西向、南北向形变场，而是地表形变场在卫星视线向上的投影。

基于DEA模型的山区公路视线诱导设施综合效用评价

为减少弯道段交通事故,对山区公路视线诱导设施综合效用进行研究.在弯道段单独或组合设置护栏、轮廓标、线形诱导标3类视线诱导设施,并基于驾驶模拟器、眼动仪和脑电仪获取眼动、脑电及驾驶行为数据,分析不同设置方案下驾驶人的行为特性.基于超效率BCC-DEA模型,构建山区公路弯道视线诱导设施有效性评价体系,对不同设置方案的综合效果进行评价.结果表明:视线诱导设施组合设置对驾驶行为的影响比单独设置效果更好,其中采用“线形诱导标+轮廓标”设置效果最优;视线诱导设施设置数量超过2个时会降低警示与诱导效果;指标敏感性分析表明,速度和横向位移指标分别是单独与组合设置时影响安全过弯的关键因素.

基于混合Transformer模型的三维视线估计

针对当前在无约束环境中,进行视线估计任务时准确度不高的问题,提出了一种基于混合Transformer模型的视线估计方法.首先,对MobileNet V3网络进行改进,增加了坐标注意力机制,提高MobileNet V3网络特征提取的有效性;再利用改进的MobileNet V3网络从人脸图像中提取视线估计特征;其次,对Transformer模型的前向反馈神经网络层进行改进,加入一个卷积核大小为3×3的深度卷积层,来提高全局特征整合能力;最后,将提取到的特征输入到改进后的Transformer模型进行整合处理,输出三维视线估计方向.在MPIIFaceGaze数据集上进行评估,该方法的视线估计角度平均误差为3.56°,表明该模型能够较为准确地进行三维视线估计.

基于D-InSAR技术的杨伙盘矿区地表形变监测与分析

【目的】煤炭资源的开采引发一系列的生态环境问题,地面塌陷问题尤为严重,而地表形变监测是修复生态环境问题的首要工作。【方法】InSAR技术作为一种面监测技术,已成功应用到煤矿地面塌陷监测中,本研究利用雷达差分干涉测量(D-InSAR)技术,计算2020年8月至2022年10月间共31景Sentinel-1A数据。【结果】在监测期内,开采工作面的地表共形成3个形变中心,分别位于301和303盘区的工作面,地表在煤矿开采后进入快速形变期,之后开始缓慢形变,直至趋于稳定状态。【结论】D-InSAR技术对于此类地面塌陷问题,相较于点监测技术,具有先天的优势,能够快速、准确地获取整个工作面的形变情况,对煤矿生态环境问题的改善起到了指导作用。

基于视线角速度精度的导引系统抗干扰性能评估指标研究

针对传统抗干扰性能评估指标集中在导弹制导系统层面,无法满足导引系统抗干扰性能评估的问题,本文在分析抗干扰过程中制导系统内部误差传递原理的基础上,基于导引系统的测量误差,提出了基于视线角速度精度的导引系统抗干扰性能评估指标,从而在导引系统研制过程中,能够及时对其抗干扰性能进行评估。由于视线角速度精度在外场试验中不易测量,为了提高该指标的测试效率,基于比例导引制导原理,给出了视线角速度精度的简化计算方法,并针对非比例导引制导场景,给出了利用识别时间对视线角速度精度进行等效测试的方法。外场数据测试结果表明,该指标能够反映导弹在不同场景下的抗干扰性能,具有一定合理性。

基于D-InSAR技术的矿区地表沉陷监测研究

矿山开采可能诱发各种地质灾害,威胁矿区的社会稳定和居民的生命财产安全,快速准确监测矿区沉陷可有效预防地质灾害。本文以山西省大同煤矿为研究对象,获取2022年10月至2023年3月共13景Sentinel-1影像,基于合成孔径雷达差分干涉测量技术(Differential Interferometric Synthetic Aperture Radar,D-In SAR)进行地表沉陷监测研究,获取大同煤矿地表累计沉陷量,使用已有研究成果对比验证了本实验结果的可靠性。结果表明,大同煤矿沉陷分布较广,主要分布在大同市南郊区西部以及南郊区、怀仁市、左云县和山阴县四县市交界处,监测期间最大、平均沉陷量分别为381.43 mm、13.88 mm,总沉陷面积约为207.91 km2,根据7个重点沉陷区的时空变化特征及演化规律发现沉陷呈现持续扩张趋势,推断地表沉陷仍会持续较长时间。研究证明了In SAR技术在矿山开采沉陷监测的可靠性,为矿产资源管理工作提供新的技术方法,研究结果可为矿山开采沉陷治理和地质灾害防控提供参考依据。

基于CB-ViT的青少年视线估计算法研究

视线估计技术在人机交互、虚拟现实和医学辅助诊断等领域有着广泛应用。然而,现有的公开数据集主要针对成年人,导致基于这些数据集训练的视线估计算法在应用于青少年群体时效果通常不尽如人意。为了解决这一问题,收集了一个名为“Young-Gaze”的青少年视线数据集,涵盖了107位青少年的视线数据。还提出了一种2D视线估计算法,该算法基于ViT并引入了一个名为上下文广播的模块,同时通过融合左眼和右眼的不同层次特征,显著增强了网络模型在特征表达上的能力。在实验中,该算法在Young-Gaze数据集上展现了出色的性能,达到了5.42 cm的误差,性能优于当前其他同类2D视线估计算法。除了在Young-Gaze数据集上取得显著性能外,该算法同样在公开的2D视线估计数据集如GazeCapture和MPIIFaceGaze上进行了训练和测试,也展现了良好的性能,表明该算法不仅适用于青少年群体,也能够在成人群体中得到有效应用。

无人平台人机交互视线追踪技术

设计了一种基于头戴式眼动仪的无人平台人机交互系统,重点分析了基于空间投射原理的二维视线估计算法,通过多相机配准将眼动仪输出的三维视线向量映射在已知坐标的二维界面中,利用双向识别,分别识别视线与屏幕交互界面,实现人眼注视点在人机交互软件界面中的坐标转换。将注视点转换为交互指令,实现眼动与平台的交互。通过设计无人平台目标跟踪交互实验,比较了视线追踪与触控交互在简单点击交互任务中的适用情况,结果表明对比触控交互,使用视线追踪能将简单点击交互事件时间缩短1~1.5s。

基于载机视觉信息的改进视线制导律设计

针对无人机机载武器低成本精确打击的需求,提出利用机载光电吊舱获取制导信息、采用视线制导法进行制导律设计的方案。通过分析载机、导弹和目标的运动关系,建立了系统状态空间模型,基于反步法和滑模控制设计了改进视线制导律。对制导律中无法由载机获取的参数进行了讨论,采用跟踪微分器提取视线角并估计视线角速度信息。数值仿真结果表明,在视线角存在噪声且导弹矢径拉偏的情况下,改进视线制导律仍可保证对地面目标的精准打击。与传统视线制导律相比,载机的运动方向不受限制,可在发射导弹后远离目标以免受到威胁,符合现实需求。

带有神经网络干扰观测器的视线角约束制导

针对具有终端视线(line-of-sight, LOS)角约束的机动目标拦截问题,提出一种基于径向基函数(radial basis function, RBF)神经网络干扰观测器的LOS角约束制导方法。首先,考虑目标机动过程中加速度信息无法获取的情况,给出了一种基于RBF神经网络的干扰观测器,实现了对目标机动的高精度估计;其次,充分考虑终端角度约束,结合超螺旋算法思想,通过幂次项的引入设计了一种改进的滑模制导律,从而有效提升了有限过载情况下的制导精度;在此基础上,通过Lyapunov定理对算法的收敛性和稳定性分别进行了证明;最后,通过仿真验证对比了3种不同方法在4种拦截场景下的制导性能,同时针对所提方法进行了蒙特卡罗打靶仿真,仿真结果表明所给出的LOS角约束制导律对机动目标拦截精度高、鲁棒性强。

不同视线诱导系统下高速公路隧道入口减速行为试验研究

为分析驾驶人在隧道入口区域的减速行为特征,并定量评价不同视线诱导设施的调节作用,开展模拟试验,基于日间自由流状态构建场景1(行业标准、对照组)、场景2(2.5 m立面标记)、场景3(环形立面标记)、场景4(多层次视线诱导系统)4组试验场景,采用开始减速位置、减速度变化率、油门开度变化率等指标进行分析。试验结果如下:1)驾驶人速度变化呈现“平稳—下降—较平稳”趋势;2)在行业标准下开始减速位置较近,导致需采取较大减速度、较少减速阶段实现车速下降,行车舒适度低于、操纵危险度大于其他场景;3)2.5 m立面标记与环形立面标记均能使驾驶人提前辨识洞门,行车舒适区间占比有所提升;4)多层视线诱导系统表现最优,开始减速位置提前65%,行车舒适区间提升最大(13.1%),且其采用的控制油门减速策略,平均油门开度最大(0.095)、油门操纵危险度最小(0.13),是入口区域较适宜的减速模式。试验结果表明:隧道入口洞门采用环形立面标记、增设多层次视线诱导系统有利于驾驶人早发现、早减速、缓减速,能显著提升隧道入口区域行驶安全性与舒适性。

基于深度学习的视线估计方法综述

视线估计是一种预测人眼注视位置或注视方向的技术,在人机交互和计算机视觉的应用中发挥重要作用。近几年,深度学习的飞速发展改变了许多计算机视觉任务,利用深度学习进行基于外观的视线估计已成为关注热点。围绕深度学习模型的训练流程,从视线数据预处理、视线特征提取、视线学习策略、视线估计模型结构四个方面对近年基于深度学习的视线估计方法进行了综述和分析;然后介绍视线估计领域主流公开数据集,并对常用数据集分别进行2D和3D视线估计方法的对比分析。最后,探讨了当前视线估计领域的研究难点与挑战,并对未来的发展趋势进行总结与展望。

基于AFCKF的捷联旋转弹视线角速率滤波算法

针对捷联旋转弹输出的视线角速率与姿态误差强耦合的问题,提出一种基于自适应渐消容积卡尔曼滤波(AFCKF)的方法。为实现弹目视线角速率的解耦,考虑弹目相对运动特性,构建包含末制导段视线角速率估计模型的状态模型,并根据几何关系建立了包含弹目视线角和姿态角的量测模型。为解决旋转弹下传统CKF视线角速率估计结果的发散导致滤波失效,引入基于残差序列的渐消因子对预测状态协方差进行调节以快速收敛估计结果。为验证AFCKF的有效性,考虑姿态角和量测角的典型干扰。仿真结果表明,所提方法的视线高低角速率估计误差均值、方位角速率估计误差均值分别为传统EKF的30.41%和42.18%,有效提升了旋转弹视线角速率估计的精度。

视线追踪联合脑电的飞行员操纵意图检测方法

为解决基于飞行员行为与生理数据的飞行员意图分析问题,采用视线追踪设备和脑电仪实时记录飞行员视觉注视行为和脑电信号,并采用转换编码器-卷积神经网络模型(Transformer Encoder-CNN)进行操作意图的分类。通过在模拟飞行环境下开展飞行训练实验,将特定感兴趣区域的视觉注视行为联合飞行操作数据,实现不同时间段的飞行中飞行员高度、空速、姿态、航向四种操纵意图进行精确检测分类,形成操纵意图数据集,供神经网络模型进行机器学习。实验结果表明:该方法的神经网络模型对操纵意图分类识别准确率达到92%,能够有效检测飞行员的操纵意图,准确率提高了6%。

小半径公路隧道视线诱导设施优化实验研究

文中建立五种视线诱导场景,选取37名被试进行驾驶模拟实验,分析车辆开始减速位置和弯道段横向偏移.结果表明:相较于改善前,反光环方案和线形诱导标组合方案均有明显改善效果;反光环方案中5.4%的被试会出现异常驾驶行为,增设线形诱导标后没有出现异常驾驶行为;增设4 m线形诱导标可以使被试在弯道段的车道保持能力进一步提高12.5%,增设6 m线形诱导标可以让被试开始减速位置进一步提前14.5%.

双向融合CNN与Transformer的三维视线估计

针对当前视线估计任务在无约束环境中易受影响因素干扰,准确度不高的问题,提出一种卷积与注意力双分支并行的特征交叉融合视线估计方法,提升了特征融合的有效性和网络性能.首先,对Mobile-Former网络进行改进,引入了线性注意力机制和部分卷积,有效提高了特征提取能力并且降低了计算成本;其次,增加了基于300W-LP数据集预训练的ResNet50头部姿态特征估计网络分支来增强视线估计的准确度,并使用Sigmoid函数作为门控单元来筛选有效特征;最后,将面部图像输入神经网络进行特征提取和融合,输出三维视线估计方向.在MPIIFace-Gaze和Gaze360数据集上评估模型,该方法的视线平均角度误差为3.70°和10.82°,通过与其他主流三维视线估计方法比较,验证了该网络模型能够比较准确的估计三维视线方向并降低计算复杂度.

双轨D-InSAR技术在矿区地表沉陷监测与分析

为了能够精确监测矿区地表沉陷,验证D-InSAR技术在矿区地表沉陷监测应用中的可行性,采用D-InSAR技术提取工作面推进93、153、443、809 m时SAR影像沉陷信息,结合现场实地监测试验对宁夏枣泉矿区采动过程中地表沉陷展开了详细分析。结果表明:卫星监测期间,枣泉矿区出现了4个明显沉陷区域,且地表沉陷中心都滞后于工作面一定距离;D-InSAR技术监测结果与实际监测结果基本一致,说明D-InSAR技术能够有效地监测矿区沉降情况。研究成果验证了D-InSAR技术作为面向矿区的地表沉降监测方法的可行性,为矿区的安全开采和绿色发展提供了技术支撑。

D-InSAR技术与SBAS-InSAR技术在矿区地面沉降监测中的应用研究

为了对D-InSAR和SBAS-InSAR两种技术在矿区地面沉降监测中的应用能力进行对比分析,以山东省济宁市某采矿工作面为主要研究区,选取2022年11月2日—2023年8月29日期间26景Sentinel-1A数据,分别利用D-InSAR和SBAS-InSAR两种技术获取了该工作面的地面沉降信息,首先从沉降区域的时空演变特征和沉降面积分布等方面对两种技术进行了对比分析,进一步通过同期实测水准数据对两种技术得到的结果进行了精度验证。研究结果表明,D-InSAR和SBAS-InSAR两种技术监测到的研究区内最大累积沉降量分别为69 mm和59 mm,识别出沉降量大于10 mm的区域面积分别为0.60 km^(2)和0.87 km^(2),其中,沉降量大于30 mm的区域面积分别为0.10 km^(2)和0.17 km^(2)。与水准监测数据对比可知,两种InSAR技术得到的监测结果与真实沉降情况相吻合,在部分沉降漏斗中心区域,地面沉降量超过InSAR技术可监测形变梯度,两种技术的监测精度都大幅降低。相对于SBAS-InSAR技术,D-InSAR技术获取的累积沉降量值更大,但其抵抗误差干扰的能力较弱,而SBAS-InSAR技术能够更好地消除大气相位效应等误差的影响,得到的地面沉降结果在空间分布上更连续平滑。本文研究对利用InSAR技术监测矿区地面沉降具有一定借鉴意义。