视觉惯性信息融合的同时定位和建图(SLAM)技术是机器人导航领域的热点问题。多模态数据同步是数据融合算法的前提,其关键在于获取不同传感器采集时刻的准确时间戳。视觉传感器的时间戳可通过硬件方法准确获得,而惯性传感器的时间戳通常粗略地用输出时间代替,这必将导致视觉惯性融合算法精度的降低。针对该问题提出了一种视觉惯性传感器的时间同步标定方法。首先设计了一种基于平面单摆的标定装置,视觉传感器与惯性传感器在平面单摆运动中独立捕获数据,并基于同一时钟添加时间标记;其次,提出了基于最小二乘法估计摆锤重心角位移函数和角速度函数的方法;最后,通过比较两个函数的相位差获得惯性传感器的输出延时和时间戳。实验结果表明所提方法的重复标定均方差为0.018 ms,这证明所提方法的有效性。

为了提高基于双目视觉的三维目标检测的精度与鲁棒性,提出了一种基于迭代式自主学习的三维目标检测算法。首先,为了给三维目标检测任务提供更精准的目标点云信息,提出了一种基于迭代式自主学习的视差估计算法,通过迭代地增加目标区域的视差监督信号以及引入选择性优化策略,提高了视差估计在目标区域中的准确性。其次,在网络结构中,提出了一种自适应特征融合机制,将不同模态信息的特征进行自适应融合,进而得到准确且稳定的目标检测结果。结果表明,与近年来较流行的基于视觉系统的算法相比,所提出的三维目标检测算法在检测精度上有较大提升。

针对移动平台有限的计算资源以及基于彩色图像的道路检测方法在极端光照情况下及路面类型变化时存在的不足,提出了一种融合彩色图像和视差图像的基于9层卷积神经网络的快速道路检测算法。提出一种数据输入层预处理方法,将视差图变换为视差梯度图以强化地面特征,降低网络深度需求。所提两种网络结构为双通道后融合网络和单通道前融合网络,分别用于卷积特征分析和快速道路检测。实验使用KITTI道路检测数据集并人为划分为普通和困难两组数据集,对该算法进行实验对比和分析,结果表明:与基于彩色图像的卷积神经网络方法相比,该算法在普通数据集上最大F₁指标(MaxF₁)提升了1.61%,在困难数据集上MaxF₁提升了11.58%,算法检测速度可达26 frame/s,可有效克服光照、阴影、路面类型变化等影响。

多雷达组成的信息平台同时接收多组目标数据，数据融合成为这种平台处理数据的必然技术措施。数据融合一方面提高了目标的数据率、目标测量精确度，另一方面为整个平台一体化管控提供方便。串行数据融合算法与单雷达目标跟踪具有相似的工作流程，易于扩展至多雷达平台的使用。该文采用串行数据融合算法验证典型条件下数据融合的性能，这种典型条件是以多部舰载搜索雷达组成的环境。仿真试验结果表明，融合算法能够提高目标跟踪精确度并增大目标探测距离。

随着数据量的不断增长， 如何有效压缩高光谱图像成为影响其普及应用的一个关键问题。 近年来， 小波压缩技术已经被证明是高光谱图像压缩方法中很有发展前景的一个， 但由于其对高光谱图像特性的利用较为有限而使其性能的进一步提升受到了限制。 文章根据高光谱图像的光谱特征， 提出了一种基于光谱去相关的高光谱图像小波压缩方法， 设计了分块预测方法来同时去除光谱间相关性和空间相关性， 并将其应用于小波压缩方法之中。 首先， 将高光谱图像分为几个具有高谱间相关性的图像块。 然后推导出各块中波段的近似成比例的特性， 并在各块分别进行基于这一特性和超光谱图像其他特性设计波段预测编码。 最后， 将预测用的参考波段和预测后获得的偏差数据， 通过小波编码技术进行压缩。 实验结果表明， 所设计的方法与目前先进的超光谱压缩技术相比其性能有显著的提升。 与AT-3DSPIHT算法比较， 最高PSNR或SNR提升幅度均能达到4.2 dB左右。 此外， 此方法在低比特率下的优势也十分突出。

为满足信息传输实时可靠、频谱使用高效灵活等技战术需求,在机间数据链(Intra-Flight Data Link,IFDL)物理层采用了多载波正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)传输体制。针对其抗干扰性能不足的问题,在突发干扰下对系统可靠性理论分析的同时,采用NASA提出的(255,223)Reed Solomon(RS)-(2,1,7)卷积“标准级联码”,并与符号卷积交织相结合构成了前向纠错(Forward Error Correction,FEC)级联码方案。仿真结果表明,级联码OFDM系统在一定误码率下、不同IFDL信道环境中,均可获得较高编码增益,从而有效增强了机间数据链OFDM系统可靠性。此外,通过机载定向天线低截获传输,在保证隐蔽性的同时可进一步抑制多径衰落及跟踪干扰。

传统的三维小波变换在不同维采用相同的小波基且频谱分辨能力也是相同的，这不能与超光谱图像的特性相匹配。本文提出了一种新的采用非一致小波基的去偶结构的三维小波变换的超光谱压缩方法。由于超光谱图像光谱维和空间维具有明显不同的特性而设计的，本文采用一种非一致小波基设计思路，对不同维使用不同的小波基并与去偶的小波变换结构结合在一起进行小波变换。为了获得符合不同维特性的最优的小波基组，本文通过评估指标来测试各种小波基组合的性能。实验结果表明，本文提出的方法能够明显提高超光谱图像的压缩比，且不需牺牲计算复杂度、可扩展性等额外代价。