1 国防科技大学空天科学学院，湖南 长沙 410072
2 酒泉卫星发射中心，甘肃 酒泉 735000
基于多项式拟合的标定方法可在缺乏相机曝光时间的条件下，获取相机响应函数（CRF）曲线和图像曝光比，具备广泛的适用性。然而该方法存在迭代发散和标定精度不高问题，影响其实际应用。本文通过分析传统多项式拟合标定方法流程，发现在全局误差函数条件下，标定数据集合中存在大量无效项，既减少了有效标定数据，又降低了图像曝光比迭代计算精度。针对这一问题，提出了一种改进的联合局部误差函数标定方法，可在两幅曝光相近的图像间选取标定数据，避免引入无效项，使得计算多项式系数和曝光比的数据一致。在公开数据集和某工业相机拍摄数据集上的标定结果表明，改进方法具有较好的收敛性，相比于传统方法，颜色三通道CRF曲线分布更加紧凑，通道间曝光比平均偏差分别减少了49.83%和42.25%。
成像系统 相机响应函数 多曝光图像 拟合多项式
1 国防科技大学空天科学学院，湖南 长沙 410000
2 图像测量与视觉导航湖南省重点实验室，湖南 长沙 410000
旋转目标检测是遥感图像解译的重要任务之一，存在目标方向任意、小目标密集排列、目标表示引起的角度周期性等典型问题。针对上述问题，提出一种基于DEtection Transformer（DETR）目标检测器和改进去噪训练的旋转目标检测方法，即arbitrary-oriented object detection Transformer with improved deNoising anchor boxes（AO2DINO）。首先，该方法引入一种多尺度旋转可变形注意力模块，将角度信息以旋转矩阵的形式引入注意力权重的计算，提高了模型对旋转目标的适应能力。其次，针对小目标密集排列问题，提出一种自适应的样本分配器，引入旋转交并比和自适应阈值，实现对密集目标更加精确的采样，提升了模型对小目标的检测能力。最后，在模型中引入基于卡尔曼滤波的交并比（KFIoU）作为回归损失，以解决旋转目标表示引起的角度周期性问题。AO2DINO在DOTAv1.0和DIOR-R两个公开数据集上与典型的旋转目标检测方法进行了比较，在DETR系列旋转目标检测方法中检测精度最高，且训练时收敛速度更快，在训练12个epochs时就几乎达到了其他旋转目标检测方法训练36个epochs时的检测效果。
旋转目标检测 DETR目标检测器 多尺度旋转可变形注意力 激光与光电子学进展
2024, 61(2): 0211023
1 国防科技大学 空天科学学院，湖南 长沙 410000
2 国防科技大学 图像测量与视觉导航湖南省重点实验室，湖南 长沙 410000
旋转目标检测是遥感图像处理领域中的重要任务，其存在的目标尺度变化大和目标方向任意等问题给自动目标检测带来了挑战。针对上述问题，提出了一种改进的RoI Transformer旋转目标检测框架：首先，利用RoI Transformer检测框架获取旋转的感兴趣区域特征(rotated region of interest, RRoI)用于鲁棒的几何特征提取；其次，在检测器中引入高分辨率网络(high-resolution network, HRNet)提取多分辨率特征图，在保持高分辨率特征同时适应目标的多尺度变化；最后，引入KLD(Kullback-Leibler divergence)损失，解决旋转目标表示的角度周期性的问题，提高检测方法对任意方向目标的适应性，并通过旋转目标边界框参数的联合优化提升目标定位精度。本文提出的旋转目标检测方法，即HRD-ROI Transformer (HRNet + KLD ROI Transformer)，在DOTAv1.0和DIOR-R两个公开数据集上与典型的旋转目标检测方法进行了比较。结果显示：相比于传统的RoI Transformer检测框架，本文方法在DOTAv1.0和DIOR-R数据集上检测结果的mAP(mean-average-precision)分别提高了3.7%和4%。
旋转目标检测 RoI Transformer 高分辨率网络 遥感图像目标检测 oriented object detection RoI Transformer high-resolution network object detection of remote sensing image
1 国防科技大学空天科学学院，湖南 长沙 410073
2 图像测量与视觉导航湖南省重点实验室，湖南 长沙 410073
运动相机相对位姿估计是基于机载光电平台进行视觉定位的关键技术。在大倾角、小交会角等典型受限观测条件下，相机位姿估计精度易受姿态角误差和像点提取误差的影响，使目标定位精度难以满足应用需求。针对惯性测量单元测量角度随时间发生漂移，且惯性测量单元与相机安装关系标定繁琐的问题，提出了一种惯性测量单元与相机固联安装下的对地定位方法，无需标定相机和惯性测量单元之间的安装关系。首先，利用固联安装的惯性测量单元为运动相机提供相对旋转角信息；然后，根据1个相对旋转角和4个同名点估计运动相机的相对位姿；最后，采用投影矩阵交会法线-线交会出目标的空间位置。仿真和飞行实验表明，在典型受限观测条件下，所提方法定位精度优于传统定位方法，具有高精度、高效率、强鲁棒性等优点。
测量 机载光电平台 惯性测量单元 受限观测条件 位姿估计 对地定位 中国激光
2023, 50(14): 1404005
1 国防科技大学空天科学学院，湖南 长沙 410073
2 图像测量与视觉导航湖南省重点实验室，湖南 长沙 410073
高精度的目标实时定位对于无人机侦察和指引目标至关重要。但在大倾角、小交会角等受限观测条件下，机载光电平台对地定位精度难以满足任务需求。为提高受限观测条件下机载光电平台对地定位的精度，提出了一种基于观测平台位置和对目标激光测距的对地定位全局最优化方法。首先，根据地面固定目标的连续观测数据建立加权误差方程，再将非线性问题转换为特征向量求解问题，无需迭代优化即可求出全局最优解。然后，通过蒙特卡罗仿真分析定位方法受误差源的影响，并通过多次飞行实验验证了该定位方法的有效性。实验结果表明，在受限观测条件下，所提方法对地定位误差低于30 m，运算耗时不超过10 ms。本文方法具有定位精度高、计算效率高等优点，以及较高的工程应用价值。
目标定位 受限观测 全局最优解 激光测距 机载光电平台 光学学报
2023, 43(12): 1212003
1 国防科技大学空天科学学院，湖南 长沙 410073
2 图像测量与视觉导航湖南省重点实验室，湖南 长沙 410073
视觉目标跟踪是无人机对地面瞬时和时敏目标执行侦察、定位和打击任务的关键，面临着成像平台运动、严重遮挡、目标从视场中消失等困难。针对该问题，提出一种基于运动模型的无人机对地视觉目标跟踪方法。首先，采用基于稠密逆向搜索的快速光流算法计算相邻两帧之间的单应变换，将目标位置从历史帧映射到当前参考帧，以解耦成像平台运动。然后，在参考帧上采用线性运动模型对目标运动建模，当遮挡发生时利用运动模型预测目标位置。最后，采用短时和长时跟踪器结合的方法解决部分遮挡目标样本误更新跟踪器导致的跟踪漂移问题。以相关滤波跟踪器为基准，在收集的无人机视频上开展实验，结果表明所提方法能够显著提高对成像平台运动和严重遮挡的适应性，并且能够方便集成到其他目标跟踪方法中。
目标跟踪 运动模型 相关滤波 光流 无人机 激光与光电子学进展
2022, 59(14): 1415022
机器视觉是研究如何让机器看见和理解目标场景，并快速作出决定的一种科学与技术。一个典型的机器视觉系统一般包含图像获取、数据传输、处理分析、决策及执行4个部分，具有“感-传-知-用”的系统特征。在成像技术、处理算法、算力平台和行业应用4个核心要素的驱动下，机器视觉目前已广泛应用于工业视觉、图像解释、物体识别、虚拟现实、生命科学、智能安防、自动驾驶、人机交互等领域。例如在智能制造领域，机器视觉可以实现对产品的轮廓几何参数三维测量和表面缺陷检测；对字符、条码等的读取，对产品的分类和分组；对机械手的视觉引导与伺服控制，使其准确地执行抓取、焊接、装配、码垛和拆垛等。给机器装上慧眼，实现机器智能化，用机器换人是智能制造领域的必然发展趋势。
激光与光电子学进展
2022, 59(14): 1400000
