遥控武器站跟踪线隔离连续射击扰动分析

根据跟踪线和火力线方位共轴的遥控武器站的架构特点,分析连续射击的冲击力对跟踪线产生的扰动的动力学特性,提出了电机控制回路耦合扰动的概念。通过对比分析图像闭环和内环稳定2种模式的隔离扰动性能,设计了将光纤陀螺作为反馈器件的内环稳定控制器隔离射击扰动并获取足够带宽,有效降低了射击扰动对跟踪线跟踪精度的影响。根据分析结果,设计了图像闭环和内环稳定2种隔离模式的SIMULINK仿真模型,仿真结果表明,内环稳定模式能提高隔离扰动的性能。

基于跟踪线反馈的一种系统结构模式

针对某自行高炮火控跟踪系统结构中存在的问题,提出了一种基于跟踪反馈的系统结构模式,即空间虚拟反馈(SVF)跟踪系统结构,这种结构为开环结构,通过空间跟踪线构成闭环工作模式,其优点在于省去了校正环节,提高了系统的跟踪快速性以及跟踪的精确性。

自行高炮跟踪线的两轴角位移补偿式稳定

介绍了解决自行高炮跟踪线稳定的方法和实现跟踪线稳定的基本原理，在剖析了以往自行高炮两轴角位移补偿式跟踪线稳定存在的问题后。

基于车辆跟踪线的车道检测算法

针对夜晚环境和车道标线不明确的情况,本文提出了全新的车道检测算法,利用道路上的车辆运行轨迹的有效统计来得到路面结果。实验结果显示此方法消减了环境因素的影响,并在现场检测中效果明显,适用于实时视频监控系统。

基于视觉的移动机器人地面轨线跟踪导航研究

地面轨线跟踪是机器人视觉导航控制基本技术之一 .文中针对曲率变化较大的地面轨线跟踪提出了一种新的状态控制方法 .该方法从图像中提取参考轨线的方向和幅度参数作为状态控制的输入 ,调整速度和转速实现跟踪控制 .为改善控制性能 ,当由于摄像机倾角较大而引起的图像畸变较大时 ,利用射影变换把参考轨线参数从图像坐标系映射到机器人坐标系 ,而无须提供位置、曲率等参数 .

强光照条件下车道标识线识别与跟踪方法

为了实现强光照条件下车道标识线的准确识别和跟踪,采用基于直方图锥形拉伸算法对原始图像进行处理,以提高图像整体对比度,利用SUSAN算法提取出处理后图像中的边缘,对边缘图像利用定向边界跟踪算法进行滤波,利用Hough变换提取出车道标识线参数完成对道路图像中的车道标识线的识别,最后采用建立梯形感兴趣区域来实现对车道标识线的实时跟踪。试验结果表明该方法具有较强的鲁棒性和较好的实时性。

机器人轨线跟踪的视觉与控制集成方法

针对视觉引导的机器人轨线跟踪控制问题，结合视觉传感器的测量特点提出了视觉与控制集成的控制方案，在跟踪轨线切向实现等速度控制，而在法向实现位置控制，这一法向位置误差容易由采样图象直接获得，采用一并行控制器可实现伺服级上的视觉引导，使系统跟踪性能得到明显提高，在小视场条件下（２６．４ｍｍ×２６．４ｍｍ）跟踪速度达到２５０ｍｍ／ｓ．

X光跟踪线的研制

介绍了一种在粘胶纺丝液中添加大量硫酸钡的医用X光跟踪线的研制过程。从纺丝工艺、纺纱工艺、纱线物理指标和医用指标检测等方面,阐述了X光跟踪线是可以通过合理地调节粘胶纺丝工艺、纺纱工艺来成功研制的。该纱线在X光照射下能吸收能量,经医院X光透视后在黑色底片上有明显的白色痕迹显示。经动物毒性试验,使用X光跟踪线无毒、无溶血,对皮肤无刺激、无过敏,符合医用要求。

基于变形轮廓线跟踪的结构整体变形监测方法

传统的结构变形监测通常依据数个"独立点"的变形观测数据,尚未全面把握结构整体及各个部分的变形分布,特别对于大型结构物,测量点众多,难以获得能够表征结构整体及局部安全状况的变形信息。针对该问题,提出一种基于图像透视变换和图像边缘检测处理技术的结构整体变形监测方法。针对桥梁等大型结构物周边地形地貌较为复杂,往往难以获取结构物立面正轴投影的数字图像问题,提出通过图像透视变换来间接获取结构物正视投影,使之较好反映结构物立面轮廓线形;考虑结构物轮廓线由于结构自身或外界原因可能存在局部缺陷的问题,提出基于影像轮廓线叠差算法消除边界局部缺陷影响的处理方法,使之较好地获取结构物整体连续变形;分别采用Sobel,Prewitt,Roberts,Log,Canny这5种边缘检测算子对结构正视投影图像进行边缘检测处理,得出Log边缘检测算子在结构整体变形监测中应用效果较好,边缘检测处理结果较为理想。将该变形监测方法应用到钢桁-混凝土组合梁的加载试验中,对各级加载工况下的试验梁全梁影像进行处理,并分别与传统"点式"测量(百分表)进行对比,结果表明通过该方法可获取试验梁全梁向的整体变形,具有较好的精度和可靠性,相比较于"点式"测量能更好地体现试验梁的整体位移和变形分布。

数控线切割机床图像矢量化的线跟踪算法改进研究

图像矢量化是指将图片或工程图纸用数字化设备输入计算机中，经过矢量化处理形成CAD文件的过程。在数控线切割机床自动编程系统中引入图像矢量化技术，能提高编程系统的智能化水平。本文列举了4种具有代表性的矢量化算法，并根据数控线切割机床加工零件图像的特点，提出了一种改进的线跟踪图像矢量化算法，实现加工零件图像的矢量化。

基于拓扑重构的流线特征跟踪算法

地下水流线的构造与可视化有助于提高数值模拟后处理的效率。以研究区地下水渗流场的连续流线仿真模拟为目标,建立了核心拓扑结构和动态重构时所需要的拓展拓扑结构,基于有限元数值计算理论方法,结合地下水渗流场的实际运移情况,探讨了在流线模拟过程中的特征提取问题。在此基础上,提出了一个快速、健壮的流线自动跟踪算法,可用于流线和流经时间的计算。并以北京市平原区地下水渗流场为例,实现了虚拟开采井条件下和实际复杂流场的地下水流动仿真模拟。

基于隐马尔可夫模型的多频率线跟踪算法的若干改进

提出了基于隐马尔可夫模型（ＨＭＭ）的多频率线跟踪算法的若干改进措施，着重于减少计算复杂性、提高算法的实时性，其中包括减少信号幅值实时估计的计算量和减少双频率线跟踪算法的计算量．

EM-HMM多频率线跟踪算法

基于隐马尔可夫模型的多频率线跟踪算法 ,能在很低的SNR环境下工作 ,但量化误差较大 ,和计算量大 .本文提出另一种选择量测向量和计算量测概率的方法 ,创造条件减小量化误差 .又经简单论证 ,将EM算法和HMM用于多频率线跟踪 ,严格地 (而不是启发式地 )得到EM HMM算法 ,可以极大地减少计算量 .本文又提出获得初始估计以启动EM HMM算法的二种方法 .仿真计算表明 。

基于隐马尔可夫模型的频率线跟踪系统的频率估计精细化

基于ＨＭＭ的多频率线跟踪算法，能在很低的ＳＮＲ环境下工作，但存在一个量化误差，此误差的量级高于所给测量条件下的 Ｃ－Ｒ下界所对应的误差量级（Ｎ－３／ ２）．本文提出，在 ＨＭＭ跟踪器输出的基础上，进一步实施极大似然估计以提高频率估计精度．为了极大地减轻系统的存贮数据负担，文中提出只选取测量信号ＦＦＴ的很少一部分，共Ｌ个数作为依据来实施估计．给出了估计算式和Ｌ的计算方法和仿真结果．

基于多传感融合的车道线检测与跟踪方法的研究

车道线的有效检测与跟踪是智能车正确识别道路的前提。针对现有车道线检测与跟踪算法效率不高的难题,提出了一种基于视觉传感器与车道级高精度地图相融合的车道线检测与跟踪方法。该方法首先用改进的Hough变换提取边缘线段;然后基于滤波预测与更新车道线模型状态参数;最后结合高精度地图中车道线先验模型参数,跟踪车道线轨迹。现场实测结果表明,算法的实时性和鲁棒性满足算法性能评价体系的各项指标,较符合智能车对车道线检测的要求。

末敏弹图像序列中跑道线目标的跟踪方法研究

提出了一种在末敏弹稳态下落过程中利用Hough变换将机场跑道线目标转化为对点目标的跟踪方法。考虑在各个参数解耦的情况下,对Hough平面内的直线参数利用卡尔曼滤波方法进行了状态估计与预测。在确定子弹与跑道目标的相对位置关系时,考虑到弹上探测器旋转运动的影响,结合当前帧图像的数据信息对预测方程进行修正处理,并给出了跟踪方法的详细步骤。跟踪数据分析表明,此方法实时性强,降低了参与运算的数据量,试验结果误差较小,满足目标总体设计要求。

基于改进卡尔曼滤波的车道线与车辆跟踪系统算法研究

针对传统的车道线跟踪系统在复杂交通流情况下,利用卡尔曼滤波无法有效跟踪车道线的问题,论文提出了一种融合车辆与车道线检测的跟踪算法。该算法首先利用二阶高斯方向滤波器提取车道线检测的响应,同时利用haar-like特征检测图像平面中的车辆的2D回归框,并利用卷积神经网络预测车辆的3D回归框区域。利用车辆3D回归框的在车道线平面上的投影,结合改进的卡尔曼滤波同时跟踪车道线和车辆位置,避免因为车辆的遮挡造成对车道线的跟踪失效问题。实验室结果表明提出的融合车道线与车辆跟踪算法具有较好的准确性和鲁棒性。

高速公路车道线检测与跟踪算法研究

为提高高速公路上车道线识别的快速性和鲁棒性,提出了一种有效的车道线检测与跟踪方法。采用霍夫变换进行车道线检测,具有较强的抗干扰能力,能够准确地识别车道线。车道线跟踪利用Kalman预测参数建立感兴趣区域,然后用扫描线法搜索车道线边界点,在车道线间断区域利用Kalman预测器定位车道线边界。由于搜索限制在预测范围内,提高了搜索精度,减少了搜索范围,保证了实时性能,且对虚线车道线识别特别有效。仿真实验结果表明,对于不同的天气状况和车道线种类,该算法均有较好的识别效果。

工程图形的自动线跟踪细化

依据线跟踪细化的基本原理,对线跟踪器的窗口定义、左右边缘指针初始化、交叉点处理进行了探讨,实现了对工程图的细化处理.

结合帧差法与窗口搜索的车道线跟踪方法

针对计算机绘制车道线地图的过程中,需要在移动背景下精准追踪车道线的功能需求,提出一种结合帧差法和窗口搜索的车道线跟踪方法。首先,对广角镜头拍摄的图像进行棋盘格矫正,再利用逆透视变换(IPM)将包含车道线的感兴趣区域转换为鸟瞰图,再使用色度,饱和度,纯度(HSV)、红绿蓝(RGB)分别将白色、黄色像素筛选出来。其次,利用车道线与垂线的夹角对车道线进行修正,根据修正后图片的像素密度,选出车道线的起始点,并采用滑动窗口搜索的方法提取整个车道线。最后,采用改进的帧差法,对车道线进行跟踪,并根据车道线标准对车道线像素进行规范化补充。由大量的实际道路行驶测试表明,该算法的准确率为94.97%,能够较为精确地完成车道线的追踪。