利用RGB-Depth相机的机械模型建模

从真实机械模型出发,提出了一种利用RGB-Depth相机重建机械模型的方法。该方法流程如下:首先,利用RGB-Depth相机捕获真实的机械模型,获取机械模型的RGB图像和深度数据,注册出模型的粗糙点云数据;其次,用户通过简单的交互,快速将点云分割成多个部分;再次,利用机械模型构造基元简单、规整性好、复用性高的特点,从零件数据库中选取合适的基元,匹配分割的子部分;最后,通过模型部件之间位置关系的优化,重建出多零件机械模型的网格数据。实验结果表明,这种建模方法可以为机械模型重建出具有良好几何特性且符合机械模型构成规则的网格数据,为机械模型的建模技术提供一种新的选择。

计及短路比提升与暂态过电压抑制的含高比例风电送端电网两阶段式调相机优化配置

随着送端电网中大规模风电机组的接入及常规同步机组的置换淘汰,电网短路比水平下降,电压支撑能力削弱,故障时易导致新能源机组暂态过电压而发生脱网事故。面向含高比例风电的送端电网,研究综合计及短路比提升和暂态过电压抑制的调相机优化配置方法。首先,利用新能源多场站短路比(multiple renewable energy stations’short-circuit ratio,MRSCR)分析了调相机接入对风电场短路比的提升作用,并基于调相机暂态快速无功响应特性揭示了其对风电机组暂态过电压的抑制机理;然后,提出一种同时计及短路比提升和暂态过电压抑制的两阶段式调相机优化配置策略,第一阶段以风电场短路比提升为核心约束优化配置调相机位置与基础容量,第二阶段以暂态过电压安全为关键约束进行调相机配置容量修正,并引入量子遗传算法(quantum genetic algorithm,QGA)进行优化求解。最终,基于PSD-BPA在含高比例风电的送端电网进行算例分析,验证了所提出的调相机优化配置方法能够显著提升风电机组多场站短路比水平并有效抑制风电机端暂态过电压。

基于红外相机和毫米波雷达融合的烟雾遮挡无人驾驶车辆目标检测与跟踪

战场环境下无人驾驶车辆的感知系统易受烟雾、扬尘等天气的影响,对关键目标的检测与跟踪能力大大下降,造成目标漏检、目标误检、目标丢失等严重后果。针对该问题,开发毫米波雷达和红外相机融合系统,采用目标级融合方式建立简洁有效的融合规则,提炼和组合各传感器的优势信息,最终输出稳定的目标感知结果。对毫米波雷达的目标进行有效性检验和提取,并提出改进的基于密度的含噪声空间聚类应用算法,以减少毫米波雷达噪音干扰。以YOLOv4网络为基础,引入MobileNetv2主干网络,在网络训练过程中运用迁移学习方法,同时对红外数据样本进行扩充,解决了红外图像训练样本少的问题。试验结果表明,相较于仅基于红外相机的算法,融合检测算法在烟雾环境下的精度显著提升,且算法实时性高,实现了烟雾环境下毫米波雷达与红外相机融合的目标检测与跟踪,提高了无人驾驶车辆目标检测与跟踪系统的抗烟雾干扰能力。

一种轻小型遥感相机多通道高速图像传输方案

遥感相机图像传输接口性能是影响相机整体性能的重要指标,为解决多通道相机图像数据传输速率高且同时满足轻小型化需求的问题,文章提出一种高吞吐率、低误码率的轻小型相机多通道高速图像数据传输方案,该方案基于CoaXPress接口采用Aurora 8B/10B通信协议,通过FPGA吉比特发送器(Gigabit Transceiver,GTX)实现4套焦面组件下行的高速图像传输,测试数据率达到13 Gbit/s,同时实现上行21 Mbit/s的相机控制数据率。仿真及测试结果表明:该方案极大地提高了相机的图像数据传输速率,接口电缆数量较传统减少近50%,可满足轻小型遥感相机多通道高速图像传输需求,为各类遥感相机高速小型化提供新的解决方案。

用于航空相机像移补偿的三轴稳定平台设计与研究

航空相机在工作过程中,由于载机的抖动干扰,拍摄过程中会产生像移,而像移是影响图像质量的主要原因。为航空相机配备一套稳定平台系统是解决像移问题有效的解决办法,稳定平台系统的原理是通过将航空相机成像传感器与干扰隔离来稳定视轴。为了稳定视轴,实现推扫拍摄,这里设计了一种三轴稳定平台,对三轴稳定平台的姿态补偿方式和结构设计进行了研究。通过分析像移对像质的影响,确定了轴系的旋转精度,推导了基于角速度的横滚轴、俯仰轴与航向轴框架交叉耦合的平台补偿方程。然后,根据轴系精度和运动补偿方程,设计并分析了三轴稳定平台结构,通过实验来验证视轴稳定的性能。实验结果表明,平台在载波干扰下具有良好的稳定性能。

东沙群岛海区海底泥火山上拍摄到深水生物——自主研发的水下相机试验取得重要发现

通过自研的便携式水下相机,在东沙群岛西北海区水深250~350m的地球物理成像的泥火山上拍摄到了大量深水底栖活体生物、化石和自生碳酸盐结核,其中含有丰富的深水珊瑚、玻璃海绵、海葵、海百合及鱼虾螺贝等。拍摄结果进一步指示了东沙群岛西北部海区存在活跃的甲烷泄漏及泥火山活动。

考虑系统稳定边界的同步调相机励磁与升压变参数联合优化

现有提升调相机动态无功特性的参数优化方法侧重于电磁参数的优化,这给生产企业带来较高的工艺要求和较大的成本压力。针对该问题提出考虑系统稳定约束的调相机励磁系统及升压变参数联合优化方法,分析其对电磁参数优化的可替代性。首先,推导了基于Park模型下调相机的无功频域特性,与6阶实用模型下的无功频域特性对比,基于调相机的Park模型可提升调相机动态无功特性的分析精度。然后,提出根据调相机并网系统的稳定边界确定参数的优化区间,采用频域灵敏度方法确定重点参数,并基于人工鱼群算法进行参数优化。最后,通过仿真结果表明,励磁系统与升压变参数的联合优化,可获得与仅优化电磁参数时相近的调相机动态无功性能,验证了电磁参数优化的可替代性,从而降低调相机的制造成本,扩大同步调相机的应用场合和范围。

基于电气参数加权占比的新能源场站分布式调相机容量配置研究

新能源经高压直流外送系统逆变侧换相失败会导致送端系统暂态过电压问题。作为动态电压支撑设备之一的调相机可有效提升电网电压支撑强度,在抑制暂态过电压及加快故障恢复方面得到广泛关注。针对利用分布式调相机抑制暂态过电压问题,该文首先基于新能源多场站短路比分析电网强度影响因素;然后研究调相机接入对电网参数及强度的影响,同时利用灰色关联分析法计算影响因素与电网强度关联程度,进而以此为权重,提出综合考虑各电气参数影响的调相机容量配置依据指标α;最后以α和过电压水平为约束,研究分布式调相机容量配置方案,并利用机电暂态仿真,从经济性和有效性两个方面验证调相机容量配置方案正确性。

基于深度学习的全天空相机成像日间云量计算研究

云量是天文领域中地基光电望远镜站址选择的重要评价参数之一。针对全天空相机成像的日间云量计算存在的问题,提出一种基于深度学习的全天空相机成像日间云量计算模型。云检测层,模型通过构建通道加权-特征融合(channel weighting-feature fusion,CWFF)结构,从而加强对云层记忆能力和深层特征的提取能力以完成云检测任务;云量计算层,模型提出一种基于云检测模型的云量计算方法,有效提高云量计算的误差率。实验表明,该方法在云检测任务中的综合准确率超过95%,在云量计算任务中的平均绝对误差不超过5%。

基于激光雷达与RGB相机融合的玉米作物行检测算法研究

针对单一传感器在面对复杂田间环境适应性差的问题,本文提出了一种基于固态激光雷达(LiDAR)与RGB相机融合的玉米作物行检测方法。首先,研究了固态激光雷达和RGB相机联合标定方法,同步获取玉米作物行图像和点云数据并进行数据预处理。然后,将预处理后的图像数据和点云数据融合,实现点云“着色”,基于点云“着色”提出聚类感兴趣密度区域算法。利用“着色”点云完成聚类,并结合作物种植农艺标准(行距),分别验证点云信息和颜色信息的可用性,能够选择最优信息完成作物行感兴趣区域聚类。最后,通过划分点云水平条带的方式确定目标点云的特征点聚类区域,取作物行特征点,并利用最小二乘法拟合作物行检测线。仅需调整行距参数,算法可实现全生命周期的作物行检测,利用正常工况下玉米苗期、前期、中期和后期数据开展算法验证,作物行中心线平均误差不大于1.781°,准确率不小于92.69%,平均耗时不超过102.7 ms。此外,为验证算法鲁棒性,开展了复杂农田背景环境,如高杂草背景、断行、苗期杂草高度与玉米高度相近以及玉米完全封行4种工况作物行检测,算法平均误差不大于1.935°,准确率不小于91.94%,平均耗时不超过108.3 ms。通过讨论阐述了基于点云“着色”开展作物行中心线提取的优越性,本文算法可为作物行中心线可靠检测提供参考。

不同稳态工况对同步调相机单相短路后暂态温升的影响

同步调相机可在系统故障时为特高压直流换流站提供暂态无功支持,以保持系统电压稳定,防止直流换相失败,但调相机的高无功输出也会导致其温升增加,运行能力受限。系统故障前同步调相机的初始工况是影响其暂态温升和运行能力的一个重要因素,为研究系统低电压时调相机暂态温升与初始工况之间的关系,该文将调相机的电磁场、温度场与电网模型耦合,计算调相机不同稳态工况下的定转子损耗和温度分布;以线路单相短路故障引起的系统低电压为例,研究调相机初始工况对暂态温升的影响。在考虑各结构件最大容许温度的条件下,揭示调相机单相短路持续时间随初始工况的变化规律。研究结果为提升调相机在系统低电压下的暂态运行能力提供技术支持。

一种广角相机视频小卫星姿态跟踪方法

针对传统目标跟踪方法需要目标的先验位置信息、不适用于非合作目标跟踪的问题,提出了一种基于广角相机图像误差的视频小卫星目标跟踪方法。该方法首先建立了广角相机成像模型,然后计算目标在相机图像平面中的投影位置和期望位置之差,通过图像误差确定目标与视频小卫星的相对误差角速度和姿态误差,将其作为反馈项设计非线性控制器,最后利用Barbalat引理证明了系统的稳定性。仿真结果表明,在广角相机大范围视场下,该方法可以有效地将目标控制到图像平面中期望的位置,并且利用天拓二号卫星在轨验证了该方法的有效性。

电网电压跌落下基于二分迭代和NITA法的同步调相机全域瞬态流热分析

同步调相机安装在特高压输电系统换流站内用于稳定输电系统的电压,输电系统可能发生电压跌落故障决定其需要具备工作在极限运行状态的能力。温升是制约调相机极限调节能力的重要因素之一,因此,对同步调相机极限运行时的瞬态流热分析非常必要。该文建立调相机与输电系统耦合的暂态分析模型,研究电网电压跌落时调相机的瞬态响应特性。为综合评价电网电压跌落故障对调相机热表征的影响,建立300 Mvar同步调相机全域内流固耦合瞬态分析模型;提出一种二分迭代的流固耦合模型边界确定方法,通过数以亿计的多面体网格离散(共1.4亿网格单元),同时,基于非迭代时间推进法对全域复杂传热模型进行求解,研究调相机多风腔内流体和温度相互影响机理;探讨极限运行状态下温度约束对调相机安全运行的影响。为对该文所提研究方法进行验证,开展调相机总装温升实验,证明其可行性与准确性。

针对十参数标定模型的导航避障相机影像精确校正

十参数标定模型是近景摄影测量中一种经典的内参标定模型。在影像畸变校正中,如果利用此模型采用直接重采样方式会产生空洞条纹,而常规的间接重采样方式虽无空洞产生,但在畸变较大的非中心区域同样无法得到较好的校正效果。针对此问题,本文提出了一种针对十参数标定模型的影像牛顿迭代精确校正算法。首先利用十参数标定模型将像点理想值和实际值进行重组,构建以像点实际值为待求量的非线性方程组;然后采用牛顿迭代法对影像中畸变部分进行局部线性逼近求解;最后采用间接重采样方法实现精确校正的目的。以移动机器人导航和避障相机作为研究对象,试验结果表明,牛顿迭代法校正可以得到高精度的优质去畸变影像,对避障相机的处理效果尤为显著。本文算法适用于移动机器人导航避障相机影像的畸变精确去除,为后续立体匹配环节生成优质的双目核线影像提供了可靠数据源。

新型同步调相机匝间短路故障机理分析

随着新型同步调相机大规模投入运行,调相机的安全问题逐渐凸显。绕组匝间短路故障是调相机1种典型故障,对调相机长期运行和电网稳定都有严重影响。该文从两种故障发生后对气隙磁场磁动势的影响出发,建立转子总电流、定子绕组相电流、支路电流及电磁转矩的统一数学表征,从幅值、相位、谐波含量等多方面对两种故障进行深入的对比分析,揭示新型同步调相机绕组匝间短路故障机理。该文基于已投入使用的TTS-300-2型新型同步调相机,开发有限元软件的仿真程序,搭建调相机模拟机的实验平台。理论分析结果分别得到了仿真与实验结果的验证。

基于TOF相机的振动筛上物料状态动态监测方法

振动筛筛上物料载荷异常不仅影响生产效率还可能导致安全隐患,实时准确地监测筛上物料状态具有重要意义。针对传统人工监测方法劳动强度大、速度慢、有极高安全隐患并且不容易发现设备微小故障等问题。基于TOF相机物料动态监测技术,提出了一种联合KD树与帧差法的点云数据补全方法和基于曲面重构的筛上物料动态监测方法。该点云数据补全方法有效修补了因筛上物料表面水分和物料缝隙导致的TOF相机拍摄过程中的点云数据缺失问题,通过对补全后的筛上物料进行点云曲面重构分析,判断欠载、过载、左偏载和右偏载四种筛上物料状态,实时监测筛上物料状态。研究通过TOF相机直接获取筛上物料状态信息,对筛上物料实时检测,减少了人工干预的需求且具备实时性。为筛上物料状态实时监测问题提供了一个可靠的解决方案。

面向车载相机采集图像的智能汽车测试场景关键性量化模型

车载相机图像是构建智能汽车测试场景库的主要数据来源,但其中关键测试场景发生概率低,大部分场景的测试价值小,若将其直接应用于智能汽车测试会浪费大量测试资源。本文提出一种面向车载相机采集图像的智能汽车测试场景关键性量化模型。首先,基于实车相机参数对实车采集的图像进行处理,输出对行车安全具有影响的参数;其次,基于风险场理论将参数整合,输出测试场景关键性量化结果;最后,对实车采集的图像进行测试场景关键性量化验证,结果表明本文模型可以精确输出测试场景关键性的具体数值,进而对比不同场景的测试价值,证明本文提出的模型可以有效筛选智能汽车关键测试场景。

红外照相机的热浮法湍射流流态转捩机理探究

为了探究湍射流3种流动状态的转捩机理,设计并搭建了可控式湍射流实验仪,利用热浮法红外拍摄了3种流态,实现了湍射流的可视化及精确测量。通过实验观察和分析了包络态中流体转捩速度与雷诺数的关系,确定了转捩临界雷诺数大小范围,并推导和验证了涡环态中推进力与流体流速的半经验公式;同时通过颜色仿真展示了喷口截面处的压强分布图像;利用网格剖分的方式分析了涡环转捩机理,完善了流体运动过程的精细测量,为实验室测量雷诺数提供了一种可行方法。

激光雷达和相机的决策级融合目标检测方法

【目的】激光雷达与相机这两类传感器检测数据格式不统一、分辨率不同,且数据级和特征级的融合计算复杂度高,故提出一种决策级的目标融合检测方法。【方法】对激光雷达与相机的安装位置进行联合标定,实现这两类传感器检测结果的坐标系转换;利用匈牙利算法将激光雷达点云检测目标框和相机图像检测目标框进行匹配,设定目标框重合面积阈值,检测获得目标物的位置、类型等。【结果】实车测试结果表明,根据检测目标检测框长宽比选取不同交并比阈值的方法使得车辆和行人的目标识别准确率分别提升了3.3%和5.3%。利用公开数据集KITTI对所提融合方法进行验证,结果表明,在3种不同难度等级场景下,所提融合方法的检测精度分别达到了75.42%、69.71%、63.71%,与现有常用的融合方法相比,检测精度均有所提升。【结论】这两类传感器的检测目标框重合面积阈值对决策级融合检测结果影响较大,根据检测目标检测框长宽比选取不同阈值可有效提升车辆和行人的目标识别准确率。决策级融合方法能准确匹配雷达和相机的检测目标,有效提升目标检测精度。

基于联邦学习的野生动物红外相机图像目标检测

【目的】在数据保护日趋严格环境下,数据隐私和安全保护阻碍了深度学习技术在野生动物红外相机图像上的应用。【方法】本文首次利用开源联邦学习框架Flower和目标检测算法YOLOv8,在公开数据集上模拟真实场景下野生动物红外相机图像联邦学习,针对联邦学习参与方不同的本地学习轮数参数进行了对比实验,并和传统方式的深度学习进行对比。【结果】实验结果中不同本地训练轮数下联邦学习获得的全局目标检测模型mAP50最高可达到传统方式学习的95%,为保证数据隐私和安全,仅带来非常小的模型性能下降,表明联邦学习在野生动物红外相机图像深度学习领域具有非常大的应用潜力。又同各参与方的独立学习训练结果相比,联邦学习各参与方在学习训练过程中处于不公平地位,还需进一步研究适用于红外相机图像数据的联邦学习激励机制。【结论】本文在野生动物红外相机图像上的目标检测联邦学习实验表明联邦学习在野生动物红外相机图像上的应用研究对衡量和监测全球生物多样性变化具有重要意义。