基于高分辨距离像的目标姿态角估计算法

目标的姿态角是目标运动状态的一个重要参数,在目标监控、目标跟踪、目标识别、导弹制导律设计等多个领域都有着很广泛的应用。不同于传统的利用图像传感器得到光学图像估计目标姿态角的方法,针对有翼导弹等弹体目标跟踪应用中的姿态角估计问题,利用高分辨雷达得到的距离像,给出了姿态角估计的流程,提出了基于距离像匹配及运动状态滤波辅助的估计算法,并针对一个导弹末端机动场景实现了姿态角的连续跟踪,验证了本文提出的姿态角估计算法的可行性。

单目图像中姿态角估计的坦克目标测距方法

为了克服经典成像测距对相机姿态和视差信息依赖的问题,以观瞄发控装置的电荷耦合器件获取的单目图像为研究对象,提出了基于姿态角估计的坦克目标测距方法.该方法首先利用多级尺度不变特征变换匹配算法实现目标姿态角的快速估计,获取与当前目标姿态偏差最小的模板;然后利用该模板和目标图像模拟立体视觉,建立不依赖于相机姿态和视差的单目测距模型.该模型在远距离测距和小角度偏差的前提下,将模板中的匹配特征点投影到等效平面世界坐标系中,建立被测坦克图像点及其空间点的映射关系,将测距问题转化为对相机外参量的标定,从而求解出相机中心到坦克中心的距离.采用200m到2 500m范围内的坦克验证测距方法的性能,对测量误差随距离的变化规律进行分析,并将其与不同射程时导弹末制导交班的最大容许误差进行对比.结果表明,该方法适用于观瞄发控装置获取的任意姿态图像,实现了野战条件下单兵反坦克武器系统的远距离、快速测距;测量结果中相对误差小于4.9%,绝对误差小于87.7m,满足导弹各个射程的最大容许误差的要求.

基于分步式Kalman滤波器的AGV姿态角估计方法实验研究

针对AGV的定位问题,设计了多传感器分步式Kalman滤波器,通过其对编码器、陀螺仪和超声波传感器等测量信息的融合实现了对AGV姿态角的准确估计。仿真结果表明所设计的滤波器是可靠的、有效的,实验结果验证了所设计的滤波器可实时、精确地实现AGV的姿态角估计,定位精度可满足实际生产中对AGV的使用要求。

基于图像机动检测的飞行目标姿态角估计算法

基于图像对目标的机动检测信息,提出了一种新的基于二维图像序列的飞行目标姿态角估计算法。算法结合飞行目标结构特点,利用图像对其进行快速机动检测,根据目标的机动方向和机动程度,建立了自适应动态模型库,并提出了启发式搜索法,最后采用动态模型匹配的原理进行目标姿态角估计。该算法避免了创建动态模型库的盲目性,减小了动态模板库的规模,提高了最佳匹配模型的搜索速度,仿真结果表明,在保证姿态估计精度的同时,极大的提高了实时性。

基于航迹信息的舰船姿态角估计研究

提出了一种利用航迹信息估计出舰船目标姿态角的方法。该方法首先建立了舰船目标运动模型,然后采用Singer模型对舰船目标的雷达数据进行处理,最后对舰船目标航迹数据进行多项式拟合,使目标数据更加优化,进而精确地估计出舰船目标的姿态角。仿真结果表明,该方法能够有效地估计舰船目标姿态角。

空间目标姿态角估计与RCS反射图生成

介绍了一种空间目标姿态角估计方法,并在此基础上生成了RCS反射图。该方法主要是在直角坐标系中对目标的运动特征用二次项进行描述,并用最小二乘估计求解二次方程,从而根据运动方程估计出目标的姿态角。实测数据验证结果表明,该方法能够有效地估计出空间目标的姿态角变化情况,并可反映出目标RCS随其姿态变化的规律。

基于UKF的定日镜姿态角最优估计研究

针对定日镜姿态角估计的非线性问题,提出用无味卡尔曼滤波方法(UKF)来估计定日镜的姿态角。对方位-高度角跟踪方式的定日镜跟日模型及其反射光斑中心位置进行分析。利用测量得到的光斑中心数据,建立了定日镜跟日过程中姿态角的估计模型。仿真结果以及实际测量数据实验表明UKF算法能够对定日镜实际姿态角进行比较准确的估计并具有较好的抗干扰性。

基于激光雷达距离像的目标3D姿态估计

在激光雷达目标识别中,目标姿态的精确估计可以有效地简化识别过程。现有的PDVA算法主要是针对地面结构化目标而提出的一种3D目标姿态估计方法。该方法利用模型坐标系(MCS)各个坐标轴的正方向向量来确定目标的三维姿态角,其有效性通过实验得到了验证。但该方法在确定MCS各坐标轴的正方向向量时,所消耗的时间比较多,影响了算法的执行效率。文中提出了一种改进的PDVA算法,利用聚类中心邻域判别CCND法来加速MCS各坐标轴的正方向向量的确定过程。采用四种地面军用车模型目标进行了仿真实验,实验结果显示,改进的PDVA算法的平均运行时间约占PDVA算法的66%,极大地提高了目标3D姿态估计的执行效率。

基于多姿态角模型的SAR图像分类方法

针对传统合成孔径雷达(SAR)图像目标识别存在精度低、效率差的问题,提出一种多姿态角模型SAR图像分类方法。根据SAR图像姿态角敏感特性,首先将数据集按照不同方式和间距进行划分,得到不同的数据集组合,其次利用卷积神经网络训练划分后的数据集得到不同组子模型,并将效果最好的一组子模型融合成一种多姿态角模型,最后使用稀疏表示的方法对待测样本进行姿态角的角度估计,获取其姿态角信息后送入多姿态角模型中进行模型匹配,得到图像分类结果。实验结果表明,所提方法的目标识别准确率高于传统算法,在姿态角变化较小的数据集中训练得到的模型能够对目标群体进行更精确的目标类别估计。

基于容积卡尔曼滤波的全捷联制导信息估计算法

针对全捷联制导弹药视线角不能直接测量的问题,提出基于容积卡尔曼滤波(Cubature Kalman Filter,CKF)的全捷联制导信息估计算法。该算法根据制导弹药弹道特性以及弹目相对运动特性,建立弹体运动模型及弹目视线模型作为状态模型;利用弹体与目标的几何关系以及坐标系间的转换关系得到的惯性系下的弹目视线角度,建立量测模型;针对所建立模型非线性程度较高的特点,采用容积卡尔曼滤波的方法对弹体姿态角以及弹目视线角进行滤波估计。建立数字仿真模型进行验证,实验结果表明,该算法能够满足制导信息精度的要求,并且具有一定的稳定性。

惯导系统陀螺漂移的ESO估计算法

为满足舰艇航行的高精度导航要求,提高惯导系统陀螺漂移估计精度,设计了基于扩张状态观测器(extended state observer,ESO)的惯导系统陀螺漂移估计算法。首先引入了惯导系统水平姿态角的ESO估计算法;其次基于惯导系统姿态控制方程,研究并推导了陀螺漂移的ESO估计算法,给出了估计误差的量化分析结论;最后对算法进行了仿真验证。结果表明,基于ESO的陀螺漂移估计方法可在短时间内快速、无超调、高精度地估计出陀螺漂移,当ΔA_x=ΔA_y=10-5 g时,估计的稳态误差约为10^(-4)(°)/h,提高了惯导系统后续导航精度。

多传感信息融合的改进扩展卡尔曼滤波定姿

针对现有多传感器融合方法精度低、计算复杂等问题,提出了利用微惯性航姿系统的高精度传感器陀螺仪、加速度计和磁力计组合确定姿态的算法。对采集到的原始数据进行误差补偿和滤波,降低传感器本身噪声,采用四元素的四阶龙格库塔法求解陀螺仪的角度消除奇点问题。将陀螺仪数据作为预测数据,估计出卡尔曼的过程协方差;加速度计和磁力计数据作为观测数据,结合陀螺仪的误差估计出测量噪声协方差,通过卡尔曼滤波实现多传感信息融合,实现了准确的姿态定位。实验分析不同算法的误差,证明了算法的精确性和可靠性。

基于罗德里格矩阵变换的水下导航系统校准算法研究

针对多正交信号水下导航系统在系统校准时无姿态先验知识的问题,提出采用罗德里格矩阵变换法的系统校准算法,进行发射端的姿态角估计。该方法解决了传统非线性最小二乘法初始值误差过大会导致算法无法收敛的问题,同时不需要非线性近似,避免了线性化带来的误差,计算简便、高效,且没有角度大小的限制,适用范围广。湖试结果表明,系统校准方法无需先验信息,比最小二乘估计法具有更高的估计精度。

可分离式立体侦察机器人运动建模与仿真

针对陆空两栖侦察机器人侦察灵活性与姿态角估计准确性不足的问题,设计一种改进的可分离式立体侦察机器人。通过牛顿-欧拉法建立机器人姿态角解算模型,描述其横滚角、俯仰角和偏航角3种飞行姿态角。根据模型建立系统状态方程和观测方程,采用不敏卡尔曼滤波算法,进行姿态角解算,得到飞行姿态角最优估计值。对比仿真结果表明,不敏卡尔曼滤波算法比扩展卡尔曼滤波算法姿态角估计精度更高、实时性更强。实物性能测试结果表明,改进的机器人在空中飞行和地面运动性能表现良好,灵活性高。

一种基于模型的合成孔径声呐图像目标快速识别方法

针对基于合成孔径声呐(SAS)图像目标识别的先验模板获取困难、运算复杂度高的问题,该文提出一种基于模型的改进型相关快速识别方法。首先,基于构造凸壳估计目标姿态角,实现目标成像几何关系的估计;其次,提出改进的基于隐藏点移除的目标图像快速生成方法,可实时得到各备选目标对应成像几何关系的仿真图像;进而基于图像相关实现目标图像识别;最后,仿真实验证明了算法的有效性。仿真实验结果表明,相比于常规的直接模板识别方法,该方法识别率高,计算速度快。

一种基于雷达HRRP的舰船目标识别方法

针对高分辨雷达一维距离像的舰船目标识别问题,提出了一种基于多特征提取、最近邻模糊分类器的目标识别方法。该方法首先对海上舰船目标进行姿态角估计,然后对一维距离像进行预处理,提取出径向长度、中心矩、散射中心特征,并采用最近邻模糊分类器进行识别匹配。通过4类军民船数据进行测试,验证结果表明,该方法在舰船目标识别领域具有良好的应用前景。