摘要：线黏弹性理论是固体力学原理课程的重要内容,目前实验教学一般采用电子万能试验机对线黏弹性材料进行单轴拉伸实验,实验结果不够直观。数字图像相关方法是一种高精度全场应变测量方法,近年来在实验力学领域应用广泛。本文以固体推进剂这种线黏弹性材料为例,采用数字图像相关方法设计了线黏弹性材料单轴拉伸实验,实现了全场变形测量并且实验结果可视化更直观,有助于调动学生积极性。实验发现,数字图像相关方法与国标规定的固体推进剂单向拉伸法测量的材料应变有明显差异,针对该问题设计了实验教学研讨环节,引导学生深入分析,有助于加深对线黏弹性理论的理解。

摘要：介绍一种通过设计相机成像系统来消除大气低频扰动的方法。精密光测工程通常在室外进行,很难避免因大气扰动造成的系统误差。大气扰动可以分为高频扰动和低频扰动两部分,高频扰动部分可以通过滤波消扰等图像处理方法消除。通过搭建相机对视成像系统的约束条件来消除由大气低频扰动引起的光测误差。在高速相机系统成像消扰实验中,利用镜面反射成像完成对视成像系统的标定。对比实验组和对照组的结果发现,测量误差从2.99%缩小至0.35%。结果表明相机成像系统对于大气扰动中的低频扰动消除具有良好的校正效果。

摘要：为了实现复杂环境下已知模型目标姿态的快速跟踪和估计,提出了一种结合三维(3D)粒子滤波跟踪和M-估计优化的位姿跟踪估计算法。基于直线的多级向量表示构造了新颖的模型直线和图像直线相似性度量函数;基于粒子滤波跟踪的姿态设计了模型直线和图像直线快速对应方法;利用M-估计实现了目标姿态的优化估计;利用重要性采样方法将优化姿态有效地融合到了粒子滤波框架。另外根据预测的目标位姿定义了图像动态感兴趣区域(ROI),极大地减少了特征检测和搜索的时间。实验表明,所提方法能够实现复杂环境下自由移动目标的快速跟踪和位姿的高精度解算,相比已有方法,所提方法在跟踪精度,计算效率以及稳健性上均有优势。

摘要：采用活动轮廓对人体目标建模,提出一种新的水平集框架下自适应融合RGB-D图像的颜色和深度信息的人体轮廓跟踪方法.设计了一种基于超像素的局部自适应权重计算方法,自动确定深度信息在水平集演化中的重要性.基于深度信息的活动轮廓驱动外力包括由边缘生成的梯度向量流和由目标/背景深度模型生成的置信图,基于颜色信息的驱动外力由目标/背景颜色模型生成的置信图,这三种外力通过局部自适应权重融合,驱动活动轮廓向目标的边界演化.为了得到更加精确的目标轮廓和防止误差漂移,基于本文观察到的人体表面在深度图像中的两个特性,提出两个简单但有效的算法对水平集方法得到的结果进行精化调整.最后,通过实验验证了本文算法的优越性.

摘要：研究了靶场光学测量图像实时判读的若干关键技术,并据此设计实现了一套实时判读解算系统。目标自动捕获、跟踪和判读特征高精度定位是实时判读的难点问题,分别采用了形状相似度分析、在线区域跟踪学习、迭代轮廓匹配定位多判读点等技术;在此基础上,根据实时处理的时效性要求高、可并行程度强以及流程时序严格等特点,采纳分布式架构融合业务流程管理的软件体系结构设计模式,实现了数据与流程的集中管理、多站图像并行判读、数据驱动的解算方法自动选择与友好的用户界面。以航空靶场空中发射试验任务为例,通过实验验证了系统的可行性和时效性。该系统可扩展应用于各类靶场试验,满足用户实时获取并分析武器试验数据的需求。

摘要：为探索深度学习理论在视频图像帧间运动补偿问题中的应用,提出一种用于视频图像帧间运动补偿的深度卷积神经网络。该网络由卷积模块和反卷积模块构成,可以处理不同分辨率输入图像并具备保持较完整图像细节的能力。利用具有时序一致性的视频图像序列构造训练样本,采用随机梯度下降法对设计的深度卷积神经网络进行训练。视觉效果和数值评估实验表明,训练得到的网络较传统方法能更有效地进行视频图像帧间运动补偿。

摘要：基于机器学习的思想并充分利用外观信息,提出一种在线选择纹理和形状特征的混合随机朴素贝叶斯视觉跟踪器。构造归一化空间金字塔,通过强度二值特征和金字塔梯度方向直方图二值特征,描述全局与局部区域的纹理和形状;并根据特征描述的二值性和多模性,设计并实现了在线混合朴素贝叶斯分类器。分类器预测类别后验概率生成信任图,跟踪器通过分析信任图实现目标跟踪,并利用极大似然估计和交叉验证实现外观学习和特征选择。选用基准测试集比较同类方法,从性能和复杂度两方面评估了跟踪器。实验结果表明跟踪器对光照变化,部分遮挡等情况具有一定的适应能力,且执行速度较快,存储空间较小。

摘要：大范围场景光学非接触式测量在工程中具有广泛的应用需求,常规基于单相机的多视图重建测量方法需要在场景中加入尺度基准,图像采集过程复杂、对图像重合度要求高。为此提出一种利用固连双目相机进行多视图重建的方法,既继承多视图重建中测量范围大的优势,同时又无须尺度基准,图像采集过程更简单易实现,数据优化过程中还额外增加了双相机固连约束条件。具体实现过程中,首先标定获取安装在固定杆上的两相机的内参数及固连关系,然后使用双相机对待测量区域采集图像并双目交会获取每一时刻的空间点云。计算相邻时刻点云所在坐标系的转换关系,通过传递将所有时刻图像对应相机位姿以及交会点云统一在指定坐标系下,由光束法平差优化相机位姿及点云坐标,由重建点云坐标即可计算待测尺寸参数及形变信息。经实验验证,在5 m范围内,其测量误差最大3 mm,均值1 mm。该方法可以满足大尺寸物体、大范围场景的测量需求且稳定可靠。

摘要：已有基于卷积神经网络的目标检测算法倾向于提取目标纹理特征,而非结构特征;因此,已有方法不能实现变纹理目标的可靠检测。针对此问题,提出基于纹理随机化的结构主导目标检测方法,采用仿真纹理随机化方法减弱网络模型对纹理特征的拟合,实现基于结构特征的变纹理目标可靠检测。利用目标的三维模型,借助Blender渲染引擎,完成纹理随机化仿真训练数据集的生成。仿真及真实图像实验测试结果表明:该方法能够实现基于目标结构特征的变纹理目标可靠检测。

摘要：针对船体垂向变形测量的迫切需求,以及现有方法对于垂向变形适用性差的实际情况,提出了一种利用摄像测量原理实现垂向变形测量的新方法,推导了设备垂向变形角与姿态欧拉角变化量之间的转换关系,在此基础上设计了船体垂向变形测量方案。通过在平台上的CCD像机对与垂向设备基座固连的合作标志的实时观测,解算由于变形引起的合作标志姿态变化量,再利用合作标志与设备基座固连关系计算设备的垂向变形角。在实验室条件下进行了半实物仿真实验,实验结果测量值与参考值变化趋势一致,测量误差均在10″以下,说明该方法在垂向变形测量中正确可行。