简介:针对传统尺度不变特征变换(ScaleInvariantFeatureTransformation,SIFT)和加速鲁棒特征(Speed-UpRobustFeature,SURF)算法在视觉同步定位与建图(SimultaneousLocalizationAndMapping,SLAM)系统中耗时严重的问题,基于ORB(ORientedBRIEF(BinaryRobustIndependentElementaryFeatures))算法提出了一种改进的图像匹配算法。针对FAST(FeaturesfromAcceleratedSegmentTest)特征检测算子易受图像模糊和距离变化影响的缺点,建立了多尺度空间金字塔;针对BRIEF特征描述算子效率不高的问题,采用精简后的快速视网膜特征描述算子构建了特征向量;通过最邻近的交叉匹配对特征向量进行了提纯,采用顺序采样一致性算法剔除了错误匹配对。最后,通过与SIFT、SURF和ORB算法进行对比验证了改进算法的有效性。
简介:为提高无人车行驶过程中前方车辆检测的准确性和实时性,提出了基于激光雷达(LIghtDetectionAndRanging,LIDAR)深度信息和视觉方向梯度直方图(HistogramsofOrientedGradients,HOG)特征的车辆识别和跟踪方法。目标首次进入视野时,聚类处理激光雷达深度信息并确定假设目标的候选区域,采用车辆尾部的HOG特征对假设目标进行验证。在HOG特征验证前,基于最小二乘支持向量机(LeastSquaresSupportVectorMachine,LS-SVM)算法对样本集HOG特征进行训练学习,生成车辆分类器模型。对于验证后的目标车辆,采用激光雷达获取的深度信息对目标车辆进行持续跟踪。构建了2种车辆模型,结合最小二乘直线拟合方法提取出车辆特征,生成目标模型。同时,提出了基于多特征马氏距离的目标关联代价方程,实现了多目标的关联;完成了基于卡尔曼滤波的车辆状态滤波和位置估计,更新了跟踪器模型。通过有效的管理策略,实现了目标跟踪的3个状态:1)初始化模型的生成;2)跟踪过程中跟踪器的更新与预测;3)目标驶离视野时跟踪器的删除。最后,通过试验验证了跟踪算法的有效性。
简介:针对坦克动力性燃油经济性参数实验研究成本高、传统计算方法效果差的实际问题,综合大气条件、柴油机转速、变速箱排挡、路面条件和弯转半径等因素的影响,将基于GT—POWER的柴油机工作模型和基于GT—DRIVE的坦克行驶模型相结合,建立了坦克稳态行驶动力性燃油经济性参数计算模型,然后迭代计算出保证坦克稳态行驶的柴油机单缸循环供油量,并经所调研的发动机台架试验数据验证了该模型精度,最后利用该模型计算分析了柴油机转速、变速箱排挡、路面条件和弯转半径对坦克稳态行驶时动力性燃油经济性参数的影响。结果表明:所建立的模型精度较高,能够实现柴油机工作和坦克行驶的自动耦合计算,并可方便地计算坦克的动力性燃油经济性参数。
简介:基于软件维护性尽早、全过程迭代验证的思想,提出了贯穿软件生命周期的维护性迭代验证策略及过程,建立了基于功能块平均维护时间的维护性迭代验证模型。通过阶段性地开展软件维护性验证,可及时发现软件维护性设计缺陷并及早更改,避免造成严重的维护性质量问题,大大降低软件使用阶段的维护费用,提高软件系统的完好率。通过制定规范的软件维护性验证策略和方案,规范了软件维护性验证实施过程,为软件维护性验证人员提供了可行的操作指南,也为软件维护性验证平台开发人员明确平台需要提供参考。实例验证结果表明:所提出的软件维护性迭代验证方法是有效、可行的,可为软件研制人员提供理论指导,也为软件使用和维护人员制订软件维护计划、配置软件维护资源提供决策依据。