排序方式: 共有46条查询结果,搜索用时 988 毫秒
1.
AEKF在星敏感器低频误差补偿中的应用 总被引:1,自引:0,他引:1
高分辨率对地观测卫星需要精确的姿态信息来满足后续对地定位等工作,因此姿态确定精度十分重要。星敏感器的低频误差是影响卫星姿态确定精度的重要因素之一,主要是由空间周期性的热环境变化引起的。为进一步提高卫星姿态确定精度,对星敏感器的低频误差产生机理即星敏感器主光轴做周期性扰动进行了分析,设计了星敏感器低频误差补偿方案,建立了考虑星敏感器低频误差在内的组合定姿模型,利用拓维卡尔曼滤波(AEKF)对低频误差进行补偿,并引入RTS平滑滤波进一步提高姿态确定精度。仿真实验表明,设计的星敏感器低频误差补偿方案能有效对其进行补偿,提高卫星姿态确定精度。 相似文献
2.
从冗余数据中选择一个或者多个最为显著的立体像对,在最少“伪信息”的影响下,获取最佳影像匹配效果,降低其它质量较差影像的负面平均效应,是提高多视影像匹配性能的关键。基于准确匹配的特征点,通过匹配测度的鲁棒性分析,提出一种多视影像的匹配质量分析方法;在此基础上,提出了一种基于特征点引导的多视影像择优匹配方法及基本思想、计算基础和择优匹配步骤。利用ADS40多度重叠影像数据进行了择优匹配实验。结果表明,该方法能够有效选取匹配质量较优的影像,获取更加准确的多视匹配结果,在一定程度上,比传统的多视匹配方法更加有效。 相似文献
3.
本文论述了在宋陵石刻近景摄影测量中的几个技术问题,并进行了精度估算,实际应用证明这种方法是有效的。 相似文献
4.
5.
6.
准确地估测植被覆盖度对于生态环境、自然资源评估有着重要的意义.本文通过无人机获取多光谱影像结合DEM,对拍摄区域植被面积进行估测;利用无人机遥感平台搭载的Sequoia多光谱相机获取影像数据,研究了常见的4种植被指数(归一化差值植被指数(NDVI)、比值植被指数(RVI)、土壤调节植被指数(SAVI)、绿度归一化植被指数(GNDVI))在植被面积估测中的适用性.实验结果表明,无人机多光谱影像结合DEM,在植被面积估测中具有可行性.其中,归一化差值植被指数(NDVI)可使植被从土壤、水体、阴影等复杂背景因素中分离出来,能较为准确地统计植被覆盖面积.通过无人机多光谱影像估测绿植覆盖面积,可为精细化作物管理、农业估产提供决策依据. 相似文献
7.
8.
简要介绍了国内外摄影测量并行处理技术发展的情况。在分析SIFT(尺度不变特征变换)算法和集群并行算法特点的基础上,设计了一种无人机影像匹配并行处理的方法;兼顾计算局部化和负载均衡提出了分层列划分的数据划分策略;并通过重叠通信和计算来减少通信开销,借助时间分布图对算法进行了量化分析。实验证明该方法可扩展性较好,适合在集群平台上进行影像匹配高效处理。 相似文献
9.
提出了一种小波域自适应盲水印算法,并采用(7,4)汉明码技术进行纠错编码.以伪随机二值序列作为水印,采用中值系数抖动的方法将水印嵌入到小波变换后的低频分量,并且根据小波域系数间隔的大小自适应地确定水印量化步长,水印检测过程不需要原始图像的参与.实验结果表明,算法的自适应性强,具有较好的不可见性,且可以有效地抵抗JPEG压缩、锐化、加噪、模糊和缩放等攻击. 相似文献
10.
针对高分辨率遥感影像场景复杂,现有的目标识别算法检测率较低且速度较慢的问题,提出了一种改进的RFB Net模型。算法在RFB Net模型的基础上构建特征金字塔网络,融合高层语义信息和低层特征信息,提高了网络识别能力。为验证该算法性能,以遥感影像中飞机目标为例进行了实验验证。以油罐和立交桥目标为例,对该算法的推广性进行了实验验证。结果表明,改进的RFB Net模型在遥感影像目标识别中精度较高、速度较快,且具有较好的推广性。 相似文献