【摘 要】
：
轻量化无人机的机载计算机通常计算性能较弱，很难满足无人机实现精准降落的需要。针对这一问题，提出了一种基于地标的轻量化精准降落算法，通过识别对比颜色和指定形状实现快速实时地检测着陆标识，图像处理流程简单快速且准确，然后通过相对位置计算在二维层面得到无人机对于降落地标的相对位置和方向，引导无人机精准降落，算法执行过程不需要考虑相机焦距。实际测试结果表明，在一些特定如无人机自主充电的应用场景，此算法过程
论文部分内容阅读
轻量化无人机的机载计算机通常计算性能较弱，很难满足无人机实现精准降落的需要。针对这一问题，提出了一种基于地标的轻量化精准降落算法，通过识别对比颜色和指定形状实现快速实时地检测着陆标识，图像处理流程简单快速且准确，然后通过相对位置计算在二维层面得到无人机对于降落地标的相对位置和方向，引导无人机精准降落，算法执行过程不需要考虑相机焦距。实际测试结果表明，在一些特定如无人机自主充电的应用场景，此算法过程简单，稳定性和降落精度相较于传统方法较高。
其他文献
西沙海域位于南海西北部陆坡区，受陆缘张裂和走滑的双重控制，经历了断陷和拗陷2个构造演化阶段，受越东、红河、海南岛和西沙等4个物源区的共同影响，充填了陆相—过渡相—海相地层，发育火山、气烟囱、块体搬运和水道等多种地质体，孕育了多种类型的海底地貌。基于丰富的二维和三维地震资料，应用三维可视化等技术，完整直观地展示了西沙海域海底地貌。将位于大陆坡的研究区海底地貌细分为海底平原、海底斜坡和海槽等3个三级海
空间同位模式挖掘旨在发现空间数据库中频繁发生在邻近位置的地理事件。由于空间异质性，地理事件在不同区域邻近出现的频繁程度亦存在差异，进而形成局部同位模式。现有局部同位模式挖掘方法多基于欧氏空间的平面假设，难以客观揭示网络空间（如城市道路）内地理事件间的局部同位规律。为此，本文基于空间扫描统计思想，提出了一种网络约束下的局部同位模式挖掘方法。首先，发展了网络约束下的路径扩展方法，识别可能存在局部网络空
空间分布模式是否保持一致性是土地利用数据综合质量评价的一项重要内容。针对当前的研究缺少量化分析和位置表达的现状，提出一种新的空间数据特有的自相关性评价方法。首先利用语义距离建立空间权重矩阵，随后通过MoranI指数计算数据处理前后全局和局部自相关度，最后利用Moran散点图和LISA集聚图相结合方法对综合前后的土地利用分布模式进行可视化对比。相较传统评价方法，本方法顾及数据语义关系，计算可量化聚集
作战仿真实验范围通常依靠专家确定，耗费代价较大。为将作战仿真实验的历史数据中关于实验范围选择的知识迁移至新的作战仿真实验案例，提出一种基于妥协策略的案例推理方法。首先，根据案例的数据特点，提出作战仿真实验案例的表示方法；其次，根据案例的结构和属性特点，提出主客观综合赋权的混合相似度计算方法；再次，针对案例检索时出现检索失败和检索结果包含信息量较少的问题，提出基于妥协策略的案例检索方法；而后，根据检
轨迹子段匹配是轨迹数据挖掘的重要手段，针对其计算复杂度较高、受噪声影响大的问题，本文提出一种融合了自适应希尔伯特地理网格编码的多层级轨迹编码树结构，在可接受的建树代价下，形成了从轨迹整段到最小片段的层次化组织形式和子段从属关系表达结构，并在轨迹片段编码树的基础上设计了相似子段匹配算法，将复杂的空间计算转化为空间编码的字符串前缀匹配操作，极大地降低轨迹子段匹配的计算复杂度。实际轨迹数据上的实验表明，
随着车联网技术的逐渐成熟，车载应用对带宽和时延有了更加苛刻的需求，移动边缘计算通过将计算任务卸载到边缘设备上，运用虚拟化、软件定义网络技术，使用户能够灵活的获取计算资源等服务。将移动边缘计算应用到车联网架构中能够有效的解决诸多问题。为了能够在接近用户端利用边缘设备的计算资源为人们提供高质量的服务，本文针对基于移动边缘计算的车联网架构设计了一种联合资源分配和任务卸载机制。在该机制中，将原问题分解为资
为研究不同坡度川东山地马尾松林枯落物层和土壤层持水特性，选取马尾松-小叶青冈-香樟针阔混交林、马尾松-杉木针叶混交林、马尾松针叶纯林，按20°-30°、30°-40°和40°-50° 3个坡度范围测定林下枯落物和土壤的持水能力，探讨3个坡度水源涵养能力最佳的林分类型。结果表明：（1）同一坡度不同林分枯落物总蓄积量差异显著（P < 0.05），在20°-30°坡针叶纯林总蓄积量最大，为8.33 t/
针对硬币表面缺陷较小，形状多变且易与背景混淆不易检出的问题，改进YOLOv3算法提出基于可变形卷积和自适应空间特征融合的硬币表面缺陷检测算法DCA-YOLO。首先，由于缺陷形状多变设计了3种在主干网络中不同位置添加可变形卷积模块的网络结构，通过卷积学习偏移量和调节参数来提高缺陷的提取能力。然后，使用自适应空间特征融合网络学习权重参数来调整不同尺度特征图中各像素点的贡献度以更好地适应不同尺度目标。最
在钢管生产过程中，需要对钢管的壁厚进行实时测量，以检验所生产的钢管是否符合规格。针对人工测量钢管壁厚中所出现的测量效率低、易产生疲劳且无法实时测量等问题，本文基于机器视觉测量技术，提出一种钢管壁厚在线检测方法。该方法首先采集钢管断面图像，然后对采集到的钢管图像进行预处理，使用Canny边缘检测算子检测钢管断面内外圈边缘特征，最后使用改进后的随机霍夫圆检测算法检测断面轮廓，根据设计的钢管壁厚测量方案
针对传统容量限制的工厂选址问题存在的缺少对工厂生产能力和需求点需求量实际考虑等问题，建立根据需求选择工厂生产规模的选址模型，采用免疫遗传算法进行优化。通过对工厂的生产能力和需求进行分析，得到建设成本和运输费用，以此构建选址优化模型。对免疫遗传算法中记忆库容量改进为对个体评价动态设置记忆库容量以及采取Metropolis准则以改进遗传选择机制，避免陷入局部最优解。最后通过实验表明改进的模型和算法有效