小视场下基于可移动3D-DIC的全场应变测量方法

由于试件工作环境空间有限,全场应变分析面临着相机光轴和试件表面不垂直和不同区域图像拼接获得的全景图像中存在拼接缝的问题。基于此,提出了基于可移动三维数字图像相关法(3D-digital image correlation,3D-DIC)全场应变测量方法,用于高分辨率形变和应变测量。该方法将双目相机安装在稳定的滑动台结构上,通过控制相机采集叶片不同位置图像,重建试件表面完整图像。提出基于散斑点匹配融合算法,将不同区域图像拼接为叶片全景图像。静态误差分析试验和均匀应变场分析试验被设计验证该方法的有效性。试验结果表明,该方法的横向和轴向应变误差分别为0.98%和1.03%,表明应变分析中具有较高的精度。该方法有效地实现了小视场环境下样本的全场应变测量。

基于GTD模型的多视角多频带ISAR融合成像

多视角多频带逆合成孔径雷达(inverse synthetic aperture radar,ISAR)融合成像技术克服了单雷达成像分辨率受发射带宽和观测视角的限制,是提高ISAR成像的二维分辨率的新手段。在宽带小角度观测条件下,针对目标散射系数随频率变化的情况,提出一种基于几何绕射理论(geometrical theory of diffraction,GTD)模型的多视角多频带ISAR融合成像方法。首先,以GTD模型为基础建立ISAR成像回波模型;然后,将多视角多频带ISAR融合成像问题转化为信号稀疏重构问题,并采用正交匹配追踪算法求解,在保证融合成像质量的同时提高了的成像效率;最后,利用仿真实验验证了所提方法的有效性。

基于毫米波雷达和CCD摄像机信息的D-S融合方法

研究了毫米波雷达和CCD摄像机两种传感器信息的D-S融合方法,论述了毫米波雷达信息采集、滤波、计算障碍物的距离和方位及判别障碍物是否在无人地面平台ROI(Region of interested)内;CCD摄像机的信息处理、分割和障碍物的宽度、高度和方位角的计算。通过建立坐标系和坐标系间的齐次变换实现其空间配准。按D-S融合方法首先建立障碍物鉴别框架,通过实验确定它们对应于鉴别框架中障碍物指数的基本概率分配值,再根据D-S证据方法的组合规则计算所有证据联合作用下的融合结果,得到障碍物在无人地面平台ROI内的距离、方位和大小。在无人地面平台ROI内进行验证,本文的研究成果可行,并且具有较好的鲁棒性。

基于1R1V的传感器融合算法开发

高级驾驶辅助系统中使用摄像头和毫米波雷达融合的方案可以进一步提升感知结果的鲁棒性,扩展系统的使用场景。本文以满足在微控制器中使用的1R1V(1 Radar 1 Vision)融合算法为设计目标,先后完成了卡尔曼滤波模块、Munkres匹配算法模块及其它融合辅助模块的开发。之后在仿真环境中搭建了测试场景,对1R1V融合算法的效果进行了测试。结果表明,本文开发的融合算法能够对目标进行稳定的跟踪,最大的速度跟踪误差小于0.02 m/s,最大的位置跟踪误差小于0.11 m。

面向停车场场景的多传感器融合匹配算法与融合数据的并行处理

自动泊车是无人驾驶领域可率先实现量产的重要功能之一。实现自动泊车功能,首先面临着停车场数据的采集和分析工作。基于三种典型停车场场景,从硬件传感器搭建,传感器感知算法开发和场景数据处理分析三方面分别展开:对采集平台搭建工作,主要介绍如何进行传感器的安装、时间轴标定,和空间坐标统一;基于前视毫米波雷达和视觉传感器,重点介绍这两种传感器的匹配算法和目标级别的融合算法;基于场景提取与大数据处理的数据分析,开发自动化批量数据处理Python代码,实现TB级的原始数据标注,并在短时间内完成自动化批量处理,整个技术流程工具链具有较高的科研价值和商业价值。