基于Arduino的自动避障技术实现

应用Arduino控制板及红外传感器实现了小车自动避障。利用红外线接近开关传感器来获得障碍物信息,经过算法处理后,采用差速方法控制电机,从而实现小车自主避障功能。小车采用直流电机驱动的双后轮,前端万向轮的分布方式,核心数据处理模块选取Arduino控制板。对系统进行了软硬件设计,搭建起了自动避障小车实验平台,并取得了良好的实验效果。     

基于深度学习的SAR图像舰船目标检测综述

近年来,合成孔径雷达成像技术因具备全天时和全天候的目标感测能力,在海洋实时监测和管控等领域发挥着重要作用,特别是高分率SAR图像中的舰船目标检测成为当前的研究热点之一。首先分析基于深度学习的SAR图像舰船目标检测流程,并对样本训练数据集的构建、目标特征的提取和目标框选的设计等关键步骤进行归纳总结。然后对检测流程中的各部分对SAR图像舰船目标检测精度和速度的影响进行对比分析。最后根据当前研究现状,深入分析深度学习算法在舰船检测应用中存在的问题,探讨基于深度学习的SAR图像舰船目标检测的进一步研究方向。     

基于像素分类的多尺度无人机航拍目标旋转跟踪算法

针对无人机（UAV）跟踪过程中垂直跟踪框在处理尺度变化、相似物体和纵横比变化时限制了跟踪精度提升的问题,提出一种基于像素分类的多尺度UAV航拍目标旋转跟踪算法。首先,设计MS-ResNet以提取目标多尺度特征;然后,在具有正交特性的多通道响应图上设计像素二分类模块,从而进一步精确细化分类和回归分支的结果;同时,为了提高像素分类精度,使用并行通道空间注意力（scSE）模块在空间域和通道域上筛选目标特征;最后,在像素分类基础上生成贴合目标实际大小的旋转跟踪框,从而避免正样本受到污染。实验结果表明：所提算法在无人机跟踪数据集UAV123上的成功率和准确率分别为60.7%和79.5%、与孪生区域建议跟踪网络（SiamRPN）相比,成功率与准确率分别提升了5个百分点、2.7个百分点,同时速度为67.5 FPS,满足实时要求。所提算法具有良好的尺度适应能力、辨别能力和鲁棒性,能有效应对UAV跟踪任务。     

一种两阶段的视频图像关键帧提取方法

根据对航拍视频进行实时全景图拼接的实际需求,提出一种两阶段的关键帧提取方法。第一阶段利用飞行时间与重叠率的线性关系,以较高重叠率提取准关键帧,第二阶段对准关键帧进行逐帧检测,进一步降低冗余,最后确定关键帧,为全景图拼接做好准备。经实验检验．该方法能够提取出有效关键帧,具有可实用性。     

基于GA理论的Volterra核辨识的多音激励设计

为了克服以往在Volterra核辨识的多音激励信号设计过程中,由于不恰当的选择多音激励信号相位而导致出现信号出现的强波峰,提出了一种新的基于遗传算法(genetic algorithm,GA)的多音激励信号设计方法.分析了多音激励下Volterra核的输出性质,提出了Volterra核辨识多音激励信号设计应满足的条件；以最小化波峰因子(Crest factor,CF)作为目标函数,将多音激励信号的相位选择问题看成一个多元优化问题,便于采用遗传算法来求解该问题；根据实际问题确定变量的取值范围,编码方式及遗传算法的控制参数等.理论分析及实验结果表明,该方法在不改变功率谱的情况下,可显著降低信号的CF,避免了强波峰的产生,是一种实用的方法.     

基于Windows CE的GPS串行通信的实现

简单介绍了Windows CE下实现GPS串行通信的过程和一般方法.通过比较互斥对象和事件对象两种线程同步方法,结合GPS串行通信的实际需求,设计了一种基于事件对象的解决Windows CE下读/写操作冲突的方法.实验表明该方法有效,并为Windows CE下其他设备串行通信的实现提供了参考.     

对无人机地面站软件设计的两种常用方法的比较

Visual C＋＋和GIS方法是无人机地面站软件设计中的两种常用的方法．通过介绍和评述两种方法的设计理念,对地面站系统软件中的飞行监控功能、串口通信、遥测遥控、数据的接收与发送、地图导航功能、航线规划与航迹操作功能进行不同方法的实现．对两种方法在各个功能领域设计中存在的优缺点进行比较。     

摄像机标定中总体最小二乘法抗噪性的研究

为了降低摄像机标定中图形加性噪声给标定精度带来的不良影响,提出了基于总体最小二乘法的摄像机标定方法。由于总体最小二乘法具有消除或降低噪声的功能,本文将其用于求解单应性矩阵,既提高了单应性矩阵的精度,又为摄像机内外参数和畸变系数的精确测量提供了理论依据。在此基础上借助OpenCV函数库获取图形中角点高精度坐标的功能,在Visual C＋＋环境下实现了对摄像机的标定。数值实验和实际标定实验均表明,提出的标定方法具有更高的精度和抗噪声能力。     

基于自适应和最优特征的合成孔径雷达舰船检测方法

针对合成孔径雷达（SAR）目标舰船检测中对小目标检测效果不佳的问题,提出一种自适应锚框单阶段舰船检测方法。首先,在单阶段无锚框特征选择（FSAF）算法的基础上利用神经架构搜索（NAS）得到最优特征融合方式,以充分利用图像特征信息;然后提出新的损失函数,在解决正负样本不均衡的同时使网络能够更加精确地对位置进行回归;最后结合更适用于舰船检测的Soft-NMS过滤检测框得到最后的检测结果。在公开的SAR舰船检测数据集上进行了多组对比实验,结果表明,相比基础目标检测算法,所提出的方法对小目标的漏检和误报明显减少,且对靠岸舰船检测性能有一定提升。