上海电力大学电子与信息工程学院，上海 200090
为了实现空间物体三维重建，需要对相机参数进行标定，标定精度是其中关键问题。针对传统相机标定算法精度不高、收敛慢的问题，提出了一种基于动态调整和自适应变异相结合的改进粒子群优化相机参数算法。该算法以传统标定的结果为初始值，通过定义个体搜索能力来动态调整群体的惯性权重，避免了因惯性权重设置不合理对算法搜索能力的影响；并且根据粒子陷入局部最优的程度来自适应地调整最佳粒子的变异，从而提高算法的全局搜索能力。将所提相机参数标定算法与其他标定算法进行了比较，实验结果表明，所提算法具有优越性。
机器视觉 相机标定 非线性优化 动态权值 自适应变异 改进粒子群算法 激光与光电子学进展
2022, 59(18): 1815014
针对传统威胁评估方法不能很好地体现空战过程中各类威胁因素作用变化的问题，引入了径向基神经网络，采用结构熵权法优化了神经网络训练参数，提出了基于粒子群和径向基神经网络(PSO-RBF)算法的空战动态权值计算方法。以某一时刻预测多无人机空中对抗时的威胁度为想定，分别采用结构熵权法和PSO-RBF算法进行仿真计算。仿真结果表明所提方法可有效解决空战目标威胁评估问题，提高了决策的客观性、科学性。
多无人作战飞机 空战 威胁评估 粒子群算法 结构熵权法 动态权值 multi-UCAV air combat threat assessment particle swarm optimization structure entropy weight method dynamic weight
