由于视觉传感器与惯性传感器的高度互补性, 视觉和惯性融合是一种常见的姿态测量手段。随着机载、车载等仪器设备的迅速发展, 传统静止基座下的姿态测量已无法满足一些实际应用场景的需求。由于受到基座运动信息的干扰, 很难对动基座上的目标物进行准确、快速的姿态测量。为了发挥视觉和惯性融合的优势, 并实现动态基座下的目标物相对姿态测量, 提出了一种基于单目视觉与双陀螺仪的姿态测量系统。分析了测量系统中坐标系的建立以及坐标系之间相对关系, 提出了坐标系归一化方案, 并利用容积卡尔曼滤波对视觉和惯性结果进行融合, 实现了高精度、大范围、快速、稳定的姿态测量。在搭建的视觉和惯性融合姿态测量系统平台上进行了实验验证, 结果证明该系统坐标系归一方案与融合算法的有效性。实验结果表明, 所搭建系统具有较高的准确度, 融合后的俯仰角和方位角的均方根误差(RMSE)均不超过0.1°。

姿态测量在民用和军用等领域均发挥着极为关键的作用, 是实现和发展车载、船载、机载仪器设备的自动化与智能化的重要一环。因此, 针对具体的应用场景设计出满足相应需求的姿态测量系统, 研究不同类型的测量传感器数据的融合机理, 探索优化传感器布局与系统结构, 实现精确、稳定、鲁棒、适应性强的姿态测量具有广泛的应用前景和实用价值。介绍了视觉与双惯性组合测量系统的研究进展; 总结了组合测量系统中系统结构设计、视觉与惯性传感器外参标定、双惯性传感器差分研究和数据融合算法研究等关键技术的发展现状。根据现有研究情况, 对未来的视觉与双惯性组合姿态测量的发展进行了展望。

针对全景系统中大视场相机带来的图像畸变以及安装基座产生运动或摇摆时带来的目标拼接图像出现起伏和晃动问题, 在分析畸变原理和全景图像动态稳定数学模型的基础上, 首先对摄像机采集的图像进行畸变校正, 然后根据安装基座的姿态数据对原始图像各像素点进行旋转变换、空间投影以及平滑处理后得到全景图像, 最后基于深度学习算法对全景图像中的目标进行检测与识别。在建立的数据集上进行训练与测试的结果显示, 该算法对船只目标的实时检测速度达 25 fps, 准确率达80%, 能够满足动态条件下对图像稳定和船只目标实时检测的要求。

舰载机飞行试验时，舰上常配备有光电经纬仪测量系统。针对光电经纬仪引导时所遇到引导信息频率低、存在干扰的问题，提出了数据预测的外推内插法和粗差剔除的三点截止法；为了平滑切换引导源，提出了渐进式跟踪算法。实际数据比对表明，上述方法有效地解决了舰载复杂环境下的数据滤波、插值和多源信息的引导问题。最后，基于舰载GPS/INS组合惯导信息，推导出动基座光电目标引导算法公式。

由于动基座下运动目标的检测存在的背景干扰较大, 影响运动目标检测精度的问题, 本文提出了一种基于傅里叶变换和核函数-灰度统计图的动基座动目标检测算法, 以便较大限度地克服光照变化、背景噪声对运动目标检测精度造成的影响。该算法首先将评价函数引入特征匹配块的选取中完成视频图像背景的分块匹配。然后, 采用傅里叶变换的相位相关算法估计全局运动补偿参量; 逐一计算各图像子块的高斯核函数值, 建立核函数-灰度统计图并通过相邻帧高斯核函数值的变化情况判断运动目标的区域。最后, 对包含运动目标的图像子块进行图像分割处理, 完成动目标检测。实验仿真表明, 与传统的运动目标检测算法相比, 该算法中评价函数的评价系数α取0.7, 帧间图像块相似度阈值T取0.3时, 能有效地抑制光照变化和噪声带来的背景干扰, 检测出动基座下的运动目标。该算法具有较快的计算效率, 能满足工程上的实时性要求。

在动基座光电稳定平台伺服系统中引入了加速度反馈闭环以提高其动态性能。考虑准确建立动基座光电稳定平台控制对象模型难度很大，该加速度反馈闭环没有基于控制对象模型，而是通过直接测量角加速度信号来实现。仿真、分析结果表明，加速度反馈闭环的引入有效提高了伺服系统动态力矩刚度，并改善了伺服系统起动、制动性能。引入加速度反馈闭环后，动基座光电稳定平台伺服系统对摩擦力矩抑制能力明显提高; 对周期性扰动抑制能力提高了9.3 dB; 对速度阶跃响应超调量降低了4.9%，同时过渡过程也有极大的改善。该伺服系统不仅结构简单，鲁棒性强，且有较好的通用性。