为了基于中阶梯光栅光谱仪特殊的二维原始光谱图像实现各波长与其强度信息的一一对应, 进而得到可以直接读取所需波段或波长光信号强度信息的一维光谱曲线。对其原始光谱进行分析研究, 通过获得接收像面上各波长光斑位置与探测器像元的精确对应关系, 实现谱图的还原处理。采用多项式拟合方法分别对中阶梯光栅光谱仪的棱镜色散方向和光栅色散方向上光斑的位置坐标进行拟合, 建立起波长与像面之间的关系式, 为减小光线追迹数量, 同时采用级次间拟合的方式建立谱图还原模型。实验结果表明: 通过该方法, 可实现快速、高精度的谱图还原模型建立, 模型的计算误差最大为0.023 92 mm, 即谱图还原精度优于1个像元。该算法具有较强的灵活性和普适性, 适用于各类中阶梯光栅光谱仪的谱图还原模型计算。

为了研究光纤布拉格光栅(Fiber Bragg Grating, FBG)在感知形状变形时, 低杨氏模量的柔性材料与高杨氏模量的刚性二氧化硅的结合是否存在刚-柔应变耦合引起的蠕变、应变传递差异等实际问题。采用软体机器人常用的硅胶和聚二甲基硅氧烷(polydimethylsiloxane, PDMS)材料, 制备了4个不同杨氏模量的软体基体, 在每个软体基体内植入了3个FBG, 形成4个具备形状测量能力的柔性传感器, 并进行弯曲测试, 然后建立应变传递模型验证了实验结果与理论推导的一致性。结果表明: 软体基体和FBG结合时存在刚-柔耦合引起的蠕滑问题, 约30 min后趋于耦合稳定。其次, 4个柔性传感器内的3支FBG耦合稳定后的波长漂移量均表现出较好的线性和一致性。此外, FBG与基体的刚-柔性差异越大, 耦合蠕滑越严重, 应变传递引起的波长漂移量越小。其中, 最大应变传递率为0.680, 最小应变传递率为0.260, 最大灵敏度为56.649, 最小灵敏度为35.668。研究结果为基于植入式光纤光栅的软体机器人形状测量技术的研究提供了科学参考。

为了同时满足较大的视场和较高分辨率的需求, 开发了一套全息无透镜显微成像系统和配套算法, 实现对微米级样品的无透镜显微成像。搭建了一套由LED光源、针孔、被测样品与CMOS图像传感器组成的全息无透镜显微成像系统, 并对针孔直径、成像面尺寸、光源到样品的距离, 以及样品面到CMOS图像传感器的距离进行了优化。其次, 开发了从系统采集的全息图中恢复样品图像的角谱法算法。最后, 使用该成像系统和配套算法, 分别对具有微米级结构分辨率测试靶, 和肺癌细胞悬浮液进行了显微成像。该全息无透镜显微成像系统的分辨率为4.4 μm, 成像视场尺寸为5.7 mm×4.3 mm, 实现了微米级结构和肺癌细胞较清晰的显微成像。全息无透镜显微成像系统结构简单、无像差干扰, 可以实现大视场下较高分辨率的显微成像。

以近轴三反射镜消像差理论作为设计依据, 采用小视场角偏置设置, 使用一维倾斜平面镜将光路在主镜前折叠, 优化设计了具有高压缩比的同轴大相对孔径成像光学系统。其中, 相机焦距为2.5 m, 像方F数为6.3, 成像视场角为0.6°×0.3°, 在91 lp/mm的空间频率下, 400~900 nm可见光-近红外波段光学调制传递函数优于0.41, 1 064 nm激光波段20 lp/mm时光学调制传递函数优于0.6, 成像质量均接近衍射极限, 全视场下成像一致性较好。光学系统长度具备小于1/5.6倍系统焦距、1.1倍主镜直径的高压缩比, 三反射镜均为二次曲面且非离轴空间布局, 不含有高次非球面系数, 公差分析结果表明光学系统易于工程化实现, 在多星组网的紧凑型商用成像测高光学相机领域具有广泛的应用前景。

为了实现偏振光传感器在水面波动环境下及编队协同情境下的应用, 并提升无人船导航的抗电磁干扰能力, 设计了一种基于偏振光传感器、微惯性测量单元(MIMU)及全球定位系统(GPS)的组合导航系统, 为偏振光传感器集成了云台底座, 并搭建偏振光无人船平台进行了导航及编队实验。介绍了偏振光导航原理及无人船编队原理; 基于卡尔曼滤波设计了偏振光传感器/MIMU/GPS组合导航算法; 基于上述组合导航算法进行了无人船的循迹与编队实验。循迹对比实验结果表明: 无人船利用偏振光传感器进行组合导航的航向角误差为6.055°, 位置误差为0.209 m, 在磁罗盘受干扰的情况下偏振光组合导航系统仍可正常工作; 编队实验结果表明: 领航船循迹误差为0.425 m,跟随船编队误差为0.707 m。该偏振光传感器可应用于水面环境导航, 偏振光组合导航系统可用于无人船导航与编队。

针对可换负载式光电经纬仪更换成像探测组件后的光轴平行性检测, 提出了一种靶场适用的光电经纬仪光轴平行性检测方法。该方法在正倒镜状态下拍摄方位标, 结合经纬仪角度测量结果和方位标距离测量结果计算方位标十字丝中心在成像坐标系下的坐标, 通过基于坐标变换推导的光轴平行性检测公式计算成像光轴相对理想照准光轴的偏差, 从而实现对光轴平行性的检测。对该方法的检测精度进行了分析, 结果表明成像系统投影中心坐标测量误差和距离测量误差对光轴平行性检测误差随着方位标距离增大而减小, 当方位标距离为1 km、坐标测量误差为1 cm时, 坐标测量误差和距离测量误差对平行性检测精度的影响约为0.01 mrad; 当方位标距离足够远时, 平行性检测精度与成像系统的角度测量误差相当, 能够满足靶场使用需求。

临近空间(20~100 km)风温探测对于大气物理和空间科学的发展具有重要的学术意义和应用价值。以1.27 μm附近的O2(a1Δg)气辉为辐射源, 采用广角迈克尔逊干涉仪进行临边观测, 能够实现平流层、中间层及低热层区域(40~80 km)大气风场和温度场的同时探测。本文设计了临近空间风温遥感干涉仪, 并对该仪器进行了仪器建模及正演仿真。根据气辉临边辐射光谱特性及谱线选取的原则, 提出了采用两组强度不同的谱线进行风温遥感, 弱线用于低空探测, 以避免自吸收效应对测量结果的影响; 强线用于高空探测, 以期实现高的测量精度。建立了由大气辐射传输模块, 迈克尔逊干涉仪模块, 滤波器模块, 以及光学系统、传感器阵列、红外焦平面等设备的系统参数组成的正演模型。通过正演模型获得了临边观测图像, 并对风速及温度的测量不确定度进行了计算。数值模拟结果表明, 在40~80 km的高度内, 风测量精度为1~3 m/s, 温度测量精度为1~3 K, 满足临近空间风温探测精度的要求。

针对厚度测量中对射激光束共线性的要求, 提出了一种基于双分光棱镜的传感器光轴空间位姿视觉检测方法。在分光镜坐标系下, 分析了单条激光束在组合分光棱镜中的光线传播和光斑变化规律, 建立了两条激光相对位姿与光斑中心点之间的数学模型。借助于棱镜坐标系和图像坐标系之间的转换关系, 可以根据四个拟合光斑中心坐标快速计算出激光束的相对位姿, 进而将激光束的共线测量转换为光斑中心坐标的拟合、对比问题。实验结果表明, 在传感器测量范围内, 该方法可以使两条激光束之间的夹角不大于0.17°, 距离不大于0.05 mm; 同时, 调整前后对量块的测量表明, 厚度测量误差由12 μm减小到4 μm, 间接验证了共线检测方法的有效性。所提方法实现了光束调整过程的数字化、可视化, 并且使共线性测量结果具有可溯源性, 有助于定量分析因两个激光传感器测量线不重合而引起的厚度测量误差。

本文提出了一种磁流体包覆的无芯-三芯-无芯光纤结构的磁场传感器。将两段2 mm的无芯光纤熔接在50 mm的三芯光纤两端, 并将此结构插入70 mm长的毛细管中, 通过向毛细管里注射磁流体, 使无芯-三芯-无芯这一结构浸没在磁流体里。无芯光纤用来激发三芯光纤的包层模, 并实现模间干涉。通过测量透射谱波谷波长的漂移或探测透射谱波谷的强度损耗可以实现对磁场强度的检测。实验结果表明: 该传感器在磁场强度为8~16 mT内, 透射谱的特征波长漂移随之线性变化, 在1 606 nm附近的波长漂移灵敏度为68.57 pm/mT; 该波长附近的透射谱强度损耗变化在相同的磁场强度范围内呈现良好的线性度, 对应的强度灵敏度为0.828 7 dB/mT。该传感结构制作简易, 灵敏度高, 成本低廉, 在磁场传感领域中有一定应用价值。

为了解决服务机器人小型关节整机性能测量手段缺乏以及测量项目单一的问题,根据小型关节的特点研制了服务机器人小型关节综合性能测试机, 实现了对小型关节传动精度、电参数和机械特性的测量。测试机由精密机械系统、测控硬件系统和测控软件系统组成。测试机主机采用卧式结构, 设计了专用夹具, 在保证测量精度的同时满足了不同型号关节的测量要求; 开发的测试软件不仅能满足小型关节多个性能指标的综合测量, 还能对测量进行分析。实际测试结果表明, 测试机运行稳定, 精度符合设计要求, 重复性测量偏差小于3%, 覆盖小型关节型号范围广, 能实现自动化精密测量。测试机的研制为建立面向服务机器人小型关节的全局质量评价体系提供了手段。

基于硅-玻璃键合工艺实现敏感结构和衬底相接是微惯性器件的主流工艺方案之一。硅和玻璃热膨胀系数不同, 在惯性器件环境工作温度发生变化时, 硅玻璃接触表面会产生热应力, 该应力严重影响器件的性能。为了测量异质材料间的热失配应力以及键合锚点尺寸对应力的影响, 本文提出了一种以悬臂梁作为测试结构的锚点形变测量和数据处理方法, 用于表征器件的工艺热失配应力。根据仿真结果将锚点设计成切块形式以减小最大应力和结构形变。测试结果表明, 对于边长为600, 400和200 μm的锚点, 悬臂梁相对锚点的平均离面位移分别为0.43,0.30和0.20 nm/℃; 结果具有良好的重复性。该结果说明锚点热形变与锚点的大小直接相关, 这对MEMS惯性结构以及工艺设计改进具有重要的意义。

传统机载光电平台框架结构限制了其载荷比, 采用新型串联球面机构可以解决这一问题但缺少运动学模型作为设计支撑。基于D-H参数法, 建立面向机载光电平台的串联球面机构正、逆运动学模型; 采用MATLAB进行运动学模型的解算, 并与多体动力学分析软件ADAMS进行比对验证模型的正确性; 搭建了实验装置对实际传感器数据进行采集并进行运动学模型验证实验。实验结果表明, 运动学模型在实验装置上的计算值与实测值之间的误差在5%以内且主要来自实验系统的机械加工装调误差和传感器测量误差。建立的模型为基于球面机构的光电平台视轴指向控制等应用研究奠定了基础。

两栖机器人的水下路径最优规划是目前机器人运动控制研究领域的热点和难点。本文针对两种基于视觉伺服的广义约束优化(GCOP)和序列二次规划(SQP)的机器人运动控制算法进行对比分析, 结合视觉伺服传感器, 实现了两栖机器人最佳路径的规划、监测动态目标标定、移动目标监测、水下障碍物识别和目标跟踪。利用球形机器人的结构对称特性及阿基米德浮力原理, 并结合模糊控制算法对水舱水位进行实时控制, 使球形两栖机器人在水下能实现水下多自由度运动。最后, 进行了算法的仿真和水下运动实验。实验结果表明, GCOP算法和SQP算法在相对障碍物的有限距离内, SQP算法规划的路径更加合理; 而在达到目标坐标位置上, 两种算法的误差为167.5 mm, SQP算法在水下路径规划上更加有效。

针对病原体检测用芯片需要蠕动泵和离心机外加驱动的问题, 设计微V槽流道的自驱动芯片, 研究微液体流动的微流道拓扑结构及其精密磨削技术。因为激光等物理加工难以保证微拓扑结构精度, 所以采用金刚石磨削技术实现石英玻璃表面的微V槽流道精密加工。基于多轴联动技术和机械物理去除原理开发了砂轮微尖端的高效精密在位修整工艺, 可将磨粒精密修尖至同一角度, 进行机械精密复制的塑性域微磨削。然后, 实验分析微V槽流道的尖角、表面粗糙度、梯度等对微液体流速的影响。最后, 制造出病原体检测的微流控芯片。研究结果显示, 更大梯度、更小尖角和更小粗糙度以及尖角端分布的纳米流道可以大幅提高微液体流速。而且, 微流道的V槽尖端半径为15 μm, 表面粗糙度为30 nm, 可诱导微液体运动。在此基础上, 研发的自驱动微流控芯片不需离心机就能够检测出布鲁氏菌的病原体核酸, 检测灵敏度可以小于100 ag/μL。

针对全向加速度计柔性支撑结构应力集中问题, 以压电加速度计高灵敏度为目标, 建立了考虑应力分布状态的新型全向加速度计柔性支撑结构优化设计模型。借助遗传算法, 通过协同优化初始长度15 mm压电曲梁不同部位的曲率和直径, 得到了具有变截面特征的压电全向加速度计曲梁支撑结构。数值实验结果表明, 所得到的3压电曲梁支撑加速度计解算的全向灵敏度为传统3直梁支撑加速度计的2.5倍, 且结构的最大应力仅为传统直梁结构的70%~90%。由于应力降低, 曲梁加速度计的加速度线性测量范围扩大为传统直梁加速度计的1.2倍。在1~81 Hz加速度下, 曲梁加速度计解算的全向灵敏度为0.7~1.3 V/g, 为直梁加速度计的1.6~2.9倍。该设计解决了通过直接改变梁结构形式难以实现传统梁结构加速度计高灵敏低应力响应的问题。

为了揭示气体静压轴承微振动的产生要素, 从微观流场角度出发通过计算流体动力学(CFD)对气膜流场进行三维数值大涡模拟(LES)与分析。首先, 设计不同单一变量从而相对气容不同的五组仿真实验组, 通过仿真研究内部气容对微观流场的影响。接着, 通过观察不同结构的仿真结果, 从各种参数中找出可能引发微振动的激励振源。最后, 采用不同压力的供气进行仿真说明内部压强对内部流场的影响。计算结果表明, 当相对气容约在1%时, 一定的内部气容就会明显导致气体静压轴承微振动; 均压腔附近的压力波动是诱发微振动的激励振源; 内部压强的高低则与振动幅度有着一定的联系。总之, 气体静压轴承的微振动与微观流场的变化有着直接的联系, 而流场转捩产生的涡旋是其主要原因。

为了实时测量非合作纹理运动目标相对位姿, 提出一种单目视觉同步建模与位姿计算方法。选择具有良好特征共视关系与分布的模型帧, 增量式恢复目标三维共视特征模型, 实现非合作目标的合作化, 并依靠运动预测模型实现基于特征跟踪的位姿计算。根据模型对应网格的拓扑关系估计目标表面未知区域特征三维信息, 结合网格面法向场进行局部光束平差优化, 同时利用闭环优化抑制尺度漂移, 在减少特征模型恢复误差的同时提高位姿计算精度。实验结果表明, 在非结构化环境中能够在线恢复目标三维信息, 实现目标相对位姿准确计算, 特征平均重投影误差小于1.5 pixel, 位姿计算平均绝对误差为4.29 mm和1.54°, 平均计算时间小于120 ms, 为基于单目视觉的在线三维感知与测量建模提供技术支撑。

针对可见光图像特征驱动的浮选工况识别方法的不足, 提出一种基于双模态图像多尺度CNN特征及自适应深度自编码核极限学习机(Kernel Extreme Learning Machine, KELM)的浮选工况识别方法。先对泡沫的可见光、红外图像进行非下采样剪切波多尺度分解, 设计双通道CNN网络对双模态多尺度图像进行特征提取及融合, 将多个双隐层自编码极限学习机串联成深度学习网络对CNN特征逐层抽象提取, 然后通过核极限学习机映射到更高维空间进行决策, 最后改进量子细菌觅食算法并应用于深度自编码KELM识别模型参数优化。实验结果表明: 采用双模多尺度CNN特征较单模多尺度、双模单尺度CNN特征的识别精度提高了2.65%, 自适应深度自编码KELM模型具有较好的分类精度和泛化性能, 各工况识别的平均准确率达到95.98%, 识别精度和稳定性较现有方法有较大提升。

针对传统目标检测方法不能兼顾目标识别精度和检测实时性, 且在实际生产复杂工况下识别效果不佳的问题, 提出一种基于Inception-SSD框架的零件深度学习识别方法。首先, 提出了融合Inception预测结构的SSD优化框架Inception-SSD, 将Inception网络结构引入到SSD网络额外层中, 并使用批量标准化模块(BN)和残差结构连接, 从而捕获更多目标信息而又不会增加网络复杂性, 以提高检测准确率而又不影响其检测速度, 并增加算法鲁棒性; 然后提出在原损失函数基础上增加排斥损失项以改进损失函数, 同时采用一种基于加权算法的非极大值抑制方法, 克服模型表达能力不足的缺点。最后, 将改进前后SSD算法在自制零件数据集上进行训练和测试, 实验结果表明: 本文方法在实际生产过程复杂情况下检测准确率达到97.8%,相比原SSD算法提升11.7%, 检测速率41 frame/s。在提高检测精度同时还保证了实时性, 能够满足实际生产环境零件检测需求。

针对KAZE算法在遥感图像配准过程中存在的检测速度慢和误匹配的问题, 本文提出了一种改进的基于信息熵约束和KAZE特征提取的预处理算法。首先采用非重叠滑动窗口遍历遥感图像并分割窗口, 计算分割后窗口区域的信息熵。然后,根据获取的信息熵形成的直方图, 选取适当阈值来保留具有高信息熵的图像局部区域用于KAZE算法特征提取。最后, 采用RANSAC算法去除误匹配以优化匹配结果。在SPOT、高分二号等卫星数据上的实验结果表明, 本文算法相比于KAZE算法的特征点匹配精度分别提升了0.2%和0.3%, 算法运行时间分别降低了70%和53%。

为了提高雾霾天气条件下交通图像的对比度, 清晰度和颜色保真度, 减少图像退化所带来的负面影响, 提出了一种采用快速引导滤波平滑约束的Retinex及自适应分数阶微分的雾霾天气交通图像增强算法。首先, 该方法将原图像从RGB转换到YCbCr颜色空间, 提取亮度分量构建初始图像; 其次, 构建变分模型, 借助快速引导滤波构造目标函数的平滑约束项来准确估计初始照射分量; 然后, 使用Retinex模型获得初始反射分量, 再采用自适应分数阶微分掩膜对初始反射分量进行增强得到亮度分量的增强结果, 该方法在图像噪声抑制和细节增强方面性能良好; 最后, 将处理后的反射分量结合Cb, Cr色差信息从YCbCr转换到RGB颜色空间即得到最终增强图像。本文对不同的雾霾交通图像进行了对比实验, 实验结果表明, 新方法的标准差(STD)和平均梯度(AG)较原图至少提高1.12倍和4倍以上, 信息熵(E)至少提高4.76%以上, 综合性能优于其他的对比算法。新方法在图像增强和细节保持方面得到了很好地改进, 有效地提高了雾霾天气条件下公路交通图像的颜色保真度、对比度和细节清晰度等, 使得增强后的图像视觉效果和可视度明显改善, 更加真实自然。

针对低光照条件下拍摄的图像受可见光低和噪声的影响, 不仅降低图像在视觉上的美感而且会造成重要信息丢失的问题。本文提出结合平滑聚类和改进Retinex算法的估计照明图的低光照图像增强方法。使用平滑聚类将图像分离为细节层和基础层; 利用max-RGB找到各通道最大值用于估计每个像素的照度, 构建初始照明图, 根据局部一致性和交替方向最小化技术优化照明图; 自适应Gamma 矫正对优化后的照明图进行非线性重标形成最终光照图; 根据最终光照图增强输入图像, 将增强后图像与细节层进行融合, 获得清晰且细节更为丰富的图像; 通过与LE, GC, HE, SSR, MSR, MSRCR, MSRCP算法相比, 在图像HightB上, 边缘强度最高达到1.00e+02, 平均梯度最高达到10.520 6, 空间频率最高达到52.050 8, 图像清晰度最高达到14.656 2, 在主观评价和客观评价均优于其他对比算法。实验结果表明, 所提算法具有良好的清晰度, 更好的保留边缘和细节纹理, 使用本文算法增强后的图片质量更高, 细节更加丰富。

针对现有行车障碍预测方法存在目标单一性、预测速度慢和准确性不佳等问题, 提出一种融合空间注意力机制的卷积神经网络Coll-Net以及基于Coll-Net的车速控制和障碍方向判定策略。模拟驾驶员通过视觉信息判断障碍的机制, 以单目视觉图像作为输入, 首先对图像做预处理得到感兴趣区域, 然后利用残差块网络提取区域内的空间特征; 采用空间注意力机制对特征通道上的原始特征进行重新标定, 获得通道权重; 再将通道权重归一化后加权到通道对应的空间特征上, 以此挑选关键特征, 最后送入全连接层和Sigmoid函数中生成预测概率。行车根据障碍预测概率实时确定行车速度并根据多窗口的概率预测值判定障碍方向。实验表明, Coll-Net模型的障碍预测准确率达到96.01%, F1-score达到0.915, 模型推理时间仅需24 ms, 能够实时检测车辆、行人、护栏、墙体等多种障碍物, 并且在低对比度光照环境下仍表现出良好的预测能力, 基于Coll-Net的车速控制和障碍方向判定策略在Udacity Self-Driving数据集上表现出强有效性。

第一人称2D地形草图重建三维模型是具有挑战性的研究, 由于缺失一维信息, 多数研究都侧重于研究自由设计地形及提高真实感的地面纹理映射方法, 却并未涉及更符合普通用户手绘的目的并遵循摄影几何规律的真实空间位置重建, 本文提出手绘草图直接生成符合真实空间位置的三维模型生成方法。首先, 遵循二维草图既定的形状规律、视觉遮挡关系, 根据小孔成像规律构建相对深度关系; 然后, 通过采样不同深度层的轮廓数据点进行椭圆扩展来建立等高线图, 周向采样点的分形插值来计算地形单元; 接着通过旋转映射来实现空间地形单元的非刚性变形, 从而实现第一人称视角下同一轮廓不同三维模型的构建; 最后, 加入柏林噪声以添加三维地形细节展示的随机效果。实验结果表明: 在相同的二维草图透视下, 可以构建具有不同真实空间位置的三维地形模型, 与三种草图地形建模方法相比, 解决了真实空间位置重建的问题。本文提出的方法更符合用户的设计目的, 实现任意同一投影草图轮廓的三维地形真实空间重建, 得到多层遮挡地形草图的多种真实空间位置布局, 并能满足地形特征的展示, 弥合了艺术意图与数字建模之间的鸿沟。