张鑫磊 1,2,3,*徐青 1,2,3邢帅 1,2,3高铭 1,2,3[ ... ]王晋 1,2,3
1 战略支援部队信息工程大学地理空间信息学院,河南 郑州 450001
2 智慧中原地理信息技术河南省协同创新中心,河南 郑州 450001
3 时空感知与智能处理自然资源部重点实验室,河南 郑州 450001
针对我国对星载激光雷达的研究还不够充分,拟开展光学遥感影像和星载激光雷达混合源摄影测量研究。通过对星载激光雷达光子数据进行数字高程模型(DEM)面积元轨迹匹配,建立激光测高点轨迹与遥感影像生成数字表面模型(DSM)间的对应关系。将筛选后地面光子与高分辨率光学遥感影像进行联合区域网平差,并基于顾及激光测高点坐标误差的迭代求解方法,实现卫星遥感影像立体定位精度的提高。星载激光雷达数据ATL03、高分七号(GF-7)和天绘三号(TH-3)卫星遥感影像用于验证该方法的性能。实验结果表明,本文方法可以有效提高无地面点控制下卫星遥感影像立体定位精度,高程精度可达1.258 m。
遥感 星载激光雷达 卫星遥感影像 联合平差 数字高程模型匹配 ICESat-2 光学学报
2022, 42(24): 2428001
燕山大学工业计算机控制工程河北省重点实验室,河北 秦皇岛 066004
随着人机交互、虚拟现实等相关领域的发展,人体姿态识别已经成为热门研究课题。由于人体属于非刚性模型,具有时变性的特点,导致识别的准确性和鲁棒性不理想。本文基于KinectV2体感摄像头采集的骨骼信息,结合人体角度和距离特征,提出了一种基于单样本学习的模型匹配方法。首先,通过对采集的骨骼信息进行特征提取,计算关节点向量夹角和关节点的位移并设定阈值,其次待测姿态与模板姿态进行匹配计算,满足阈值限定范围则识别成功。实验结果表明,该方法能够实时的检测和识别阈值限定范围内定义的人体姿态,提高了识别的准确性和鲁棒性。
姿态模型 骨骼数据 单样本学习 模型匹配 pose model skeleton data one-shot learning model matching KinectV2 KinectV2
中国科学院长春光学精密机械与物理研究所,吉林 长春 130033
:无人机在光电侦察领域的应用越来越广泛,设计可靠的飞行控制器是完成侦察任务的必要手段。提出了一种基于模型匹配和遗传算法寻优的以非线性模型为被控对象的飞行控制器设计方法。通过该方法可以实现无人机飞行控制器与飞行仿真模型的一体化快速设计与仿真,与经典的飞行控制器设计方法相比,该方法能够比较快速、便捷地获得所需控制器。建立了包含气动、发动机和环境模型的某型无人机六自由度非线性全量数学模型,然后基于此模型,应用上述方法设计了无人机的飞行控制器,基于有限状态机理论建立了飞行管理模型,设计无人机飞行剖面并实现控制器切换,最后进行了六自由度非线性仿真,验证了所设计控制器的有效性。
模型匹配 遗传算法 飞行控制 飞行仿真 有限状态机 model matching genetic algorithm flight control flight simulation finite state machine
1 中国科学院上海技术物理研究所,上海 200083
2 中国科学院大学,北京 100049
基于特定场景的先验信息,通过分析多个特征参量对弱小目标检测的性能,利用各参量对弱小目标检测的长处,设计了一种基于多特征融合的目标检测算法。以空域匹配模型、区域加权信息熵和频域滤波自适应阈值分割3 种方法为单特征量,基于各个特征量对特定应用场景下的大量目标检测的先验结果,利用概率论的知识,构造了有利于提升计算速度和检测概率的两种多特征融合方法。实验表明,该方法能够有效地提高单帧弱小目标的检测性能。
目标检测 特征融合 模型匹配 弱小目标 target detection multi-Eigen values fusion model matching dim small target
1 中国电子科技集团公司第二十八研究所, 南京 210007
2 景德镇陶瓷学院机电系, 江西 景德镇 333403
为折衷线性控制器和非线性控制器间的差距, 采用虚拟参考反馈校正控制策略研究线性时变控制器的设计问题。对于两控制器中未知时变参数矢量的辨识, 在原代价函数的基础上通过增加一项关于两未知时变参数矢量的规范项, 来约束时变参数矢量的跳变特性。对于未知时变参数矢量的优化过程, 采用可分离非线性最小二乘算法重复迭代以得到全局最优解。借助凸优化理论, 推导出一个关键规范值, 以此值作为规范值合适选取过程中的初始值。最后用仿真算例验证了辨识方法的有效性。
虚拟参考反馈校正控制 模型匹配 时变参数 规范系数 迭代辨识算法 virtual reference feedback tuning control model matching time varying parameters regularization coefficient iterative identification algorithm
1 东北电力大学 信息工程学院,吉林 吉林 132012
2 中国科学院长春光学精密机械与物理研究所, 长春 130033
3 北京航空航天大学 计算机学院,北京 100191
针对监控视频中运动目标跟踪问题,提出了一种栅格划分的梯度朝向直方图特征对目标进行描述,并通过可视化技术来实时观测目标局部区域特征量的变化,通过变化来感知目标在运动中可能发生的遮挡等异常情况.利用感知到的状态自适应调整参加融合计算的子模板的个数,指导跟踪过程,以防止异常情况对跟踪结果的影响,实现了对视频目标准确、稳健的跟踪.实验结果表明,提出的目标局部特征能够较准确地感知目标及周围环境发生的变化,对于提高跟踪算法的鲁棒性和准确性具有积极的作用.
视觉感知 栅格特征 可视化 子模板匹配 遮挡判断 目标跟踪 Vision perception Grid feature Visualization Sub-model matching Occlusion judgment Object tracking
提出一种先估计姿态后识别目标的新方法,克服了传统三维目标识别算法的多义性问题。首先根据航迹三次样条插值函数估算目标姿态,避免了复杂的图像处理过程,计算速度快;然后在虚拟环境中将候选目标调整到该姿态并生成相应的二维模型;最后根据不变矩特征的欧氏距离识别出目标。实验表明,该方法具有较好的准确性和实时性,对于提高三维目标识别的效率具有理论意义。
三维目标识别 姿态角 三次样条插值 不变矩 模型匹配 3D target recognition attitude angle cubic spline interpolation moment invariant model matching