基于时空Transformer的毫米波雷达三维人体姿态重构

深度学习技术使得从毫米波雷达捕获的人体散射信号中精确提取人体运动特征并重构三维人体姿态成为可能。然而,目前毫米波雷达人体姿态重构常采用直接将雷达图像映射到三维关节点坐标的单阶段策略,这种跨域层级映射任务使得网络在重构精度、深度信息表达及姿态连贯性上面临挑战。针对这一问题,本文提出了一种基于时空Transformer的多阶段毫米波雷达三维人体姿态重构模型(Spatial-Temporal Pose Reconstruction Transformer,STPRT),通过两阶段策略处理提高重构精度:第一阶段,构建并行多分辨率子网络从水平和垂直雷达图像中提取多尺度的二维关节点信息和空间位置特征并进行融合,随后由全连接层生成二维人体姿态坐标;第二阶段,时空Transformer通过空间注意力模块对每帧中的二维关节坐标进行高维空间特征编码,时间注意力模块捕捉姿态特征在序列帧中的时间演变,增强姿态间的深度感知和空间准确性,实现从二维姿态到三维姿态的映射提升。此外,在训练过程中引入了指数移动平均(Exponential Moving Average,EMA)策略调整梯度下降,从而提升整体映射的精确度和连贯性。在毫米波雷达公开数据集RFSkeleton3D上的验证表明,相比现有的mm-Pose和RPM模型,本模型在减少参数量的同时,将平均关节位置误差降低至7.3 cm。

足球正脚背射门动作的三维姿态重构方法研究

足球正脚背射门动作实时变化,不同时刻目标二维图像存在很大差异,当前三维姿态重构方法可得到的动作信息非常有限且具有姿态敏感性,导致重构结果不可靠、连续性不高。为此,提出一种新的足球正脚背射门动作的三维姿态重构方法,依据足球正脚背射门动作图像中所有像素的平均梯度平方矩阵获取Harris算子,通过Harris算子对足球正脚背射门动作特征进行提取。通过矩阵因式分解方法从观测矩阵中分解出三维姿态位置矩阵,实现足球正脚背射门动作三维姿态重构。实验结果表明,所提方法具有很高的重构精度,且连续性较高。

基于距离辅助的超宽带MIMO雷达图像人体姿态重构网络

超宽带多输入多输出(Multiple-input Multiple-output,MIMO)雷达可以获取目标的多维信息,在目标探测和人体动作分类等方面有很大的优势。然而,在实际应用中,超宽带MIMO雷达获取的人体目标成像结果通常分辨率较低,抽象难懂,且目标距离越远雷达图像分辨率越低。针对以上问题,本文提出了一种基于距离辅助的超宽带MIMO雷达图像人体姿态重构网络,首先使用卷积神经网络提取人体目标成像的信号强度和空间位置特征,然后使用反卷积模块重构出人体目标的各个关节点位置。同时,考虑雷达成像结果随着距离的变远而恶化,本文将目标的距离作为辅助信息来选择合适的网络模型参数,进而提高姿态重构的精度。实验结果表明,本方法可以将抽象的人体目标雷达图像转化为易于理解的人体关节姿态,且有较好的姿态重构性能,极大增强了传统雷达图像的可视化性能。同时,距离信息的引入提高了姿态重构精度,有效克服了距离增大带来的影响。

舰载惯性基准故障下的姿态信息重构方法

为满足舰载武器对姿态基准信息的可靠保障需求,提出了一种基于分布式惯性基准的姿态信息重构方法。首先,基于船体模态叠加理论得到不同位置点之间的角形变关系,在此基础上建立了角形变空域预测模型;其次,利用多套惯性基准设备的姿态输出,通过数据预处理获得船体角形变,并用于形变空域预测模型的参数估计;最后,利用多段正常的船体角形变数据对故障惯性基准与主惯导之间的形变进行预测,再将主惯导的姿态补偿形变预测值,得到故障惯性基准的重构姿态信息。实船数据验证结果表明,利用4套正常工作的惯性基准的姿态输出,即可实现对全船任意故障惯性基准的姿态信息重构,相对预测精度比优于70%。所提方法可用于惯性基准故障条件下的应急姿态信息保障。

运载火箭推力下降后的控制力矩重构分析

针对现役捆绑火箭在飞行中发生推力突降的问题,提出了一种基于改进单纯形法的控制分配策略。利用故障前后火箭控制力矩相等的思想,将推力下降后火箭发动机摆角的重新分配问题转化为目标函数约束下的线性分配问题,通过改进单纯形法进行了有效求解。结果表明,偏航角在关机故障发生后可以迅速恢复至平衡状态,滚转角在小幅抖震后同样快速到达稳定,该方法可以有效地改善火箭突发推力下降后控制能力减弱的问题,并维持故障后火箭姿态的平稳,对运载火箭姿态重构研究具有理论意义与工程应用价值。

基于多媒体技术的三维人物图像动态重构

针对基于自标定的三维人物图像动态重构方法不能准确获取人物运动形态的三维位置,重构结果存在较高的偏差的问题,提出基于多媒体技术的三维人物图像动态重构方法,采用单目图像重构算法完成人体三维姿态重构。对多媒体技术中单摄像机拍摄的单目人体运动图像进行重构时,首先基于人体树状模型,采用基于部件检测器的二维肢体检测算法完成人体二维肢体检测;再采用基于关节点图像坐标的三维姿态重构算法,依据人体二维姿态检测结果,通过预测关节点反投影误差的退火粒子滤波算法完成人体三维姿态的跟踪,实现三维人体图像动态重构。实验结果说明,所提方法可准确实现三维人物图像动态重构,具有较高的重构精度和效率。

超小型旋翼飞行器超视距遥控系统若干技术的探讨

本文对超小型旋翼飞行器的超视距遥控系统的若干技术进行了探讨。该系统除采用遥杆方式对超小型旋翼飞行器进行遥控,还可以实时接收超小型旋翼飞行器的飞行姿态信号,并在PC机上基于DirectX软件进行姿态重构,同时接收视频信号和GPS信号,并在控制界面上实时显示,具有易操作性、实时性好等特点。

基于多尺度分析和神经网络的目标识别方法

阐述了一种基于多尺度分析理论和神经网络的目标识别方法,对图像数据进行几何重构,包括图像预处理和飞行姿态的重构。采用Contourlet变换提取图像的低频及高频特征向量作为基础输入训练集和修正输入训练集。在此基础上进行BP神经网络的设计,利用高频细节数据修正低频轮廓数据,并确定输入输出层、中间层个数和算法。训练好的网络显示对不同光照条件、姿态的机动目标具有较高的识别能力,说明该方法具有工程可适用性。