一种新型遥感影像快速匹配算法

An iterative algorithm to calculate mutual correlation using hierarchical key points and the search space mark principle is proposed. An effective algorithm is designed to improve the matching speed. By hierarchical key point algorithm and mutual correlation coefficients of the matching images, the important points can be iteratively calculated in the images hierarchically, and the correlation coefficient can be obtained with satisfactory precision. Massive spots in the parameter space which are impossible to match can be removed by the search space mark principle. Two approximate continuities in the correlation image matching process, the image gray level distribution continuity and the correlation coefficient value in the parameter space continuity, are considered in the method. The experiments show that the new algorithm can greatly enhance matching speed and achieve accurate matching results.     

Applications of Lodrigues Matrix in 3D Coordinate Transformation

Three transformation models (Bursa-Wolf, Molodensky, and WTUSM) are generally used between two data systems transformation. The linear models are used when the rotation angles are small; however, when the rotation angles get bigger, model errors will be produced. In this paper, we present a method with three main terms: ① the traditional rotation angles θ , φ ,ψ are substituted with a , b, c which are three re-spective values in the anti-symmetrical or Lodrigues matrix; ② directly and accurately calculating the formula of seven parameters in any value of rotation angles; and ③ a corresponding adjustment model is established. This method does not use the triangle function. Instead it uses addition, subtraction, multiplication and division, and the complexity of the equation is reduced, making the calculation easy and quick.     

基于强跟踪性能的QEKF组合导航自适应滤波研究

以低成本陆用航姿参考系统（AHRS）/GPS紧耦合系统为研究对象,建立了基于伪距、伪距率、航向角的组合观测数学模型。引入强跟踪滤波（STF）算法,利用渐消因子的作用,增强滤波器对状态快速变化的跟踪能力。同时,针对微惯性器件漂移过大的缺点,采用二阶EKF（QEKF）方法,通过对Hessian矩阵的求解,补偿系统观测方程线性化的二阶截断误差。仿真表明：STQEKF方法可高速准确地逼近系统非线性模型,实现陆地载体导航控制,在传感器精度有限的情况下,使姿态和位置的控制效果较标准EKF分别提高了约8.9%-38.2%和48.7%-54.4%     

考虑内定向误差的外方位元素精度分析

在对数据质量的要求越来越严格的今天,我们对数据质量的评价也必须越来越系统、可靠。本文就是在系统分析的基础上推导出了求解外方位元素的误差传递模型,并从中分析了内定向误差对外方位元素精度的影响,从而改进和完善了外方位元素精度的评定方法,使得外方位元素精度的评定具有更高的精确性和可靠性。     

GPS动态数据处理中的快速Kalman滤波算法

根据GPS数据处理中的Kalman滤波状态转移矩阵和设计矩阵大量存在零元素的特点,将其构造成特定稀疏矩阵。再利用稀疏矩阵乘法,同时结合矩阵对称性、矩阵求逆降维等方法,可大大减少Kalman滤波的乘法次数。在非差C/A伪距情况下,该算法乘法总次数不到传统算法的1/3;在双差伪距P1,P2 双差载波情况下,该算法乘法总次数甚至不到1/6;其耗时也只有传统算法的1/3左右,因而大大提高了Kalman滤波的计算效率。     

捷联惯导系统四元数转换误差分析

捷联惯性导航系统中,根据四元数与直余弦矩阵的关系可以得到3种转换矩阵。充分分析了这3种转换方案所产生的误差。并在恒定角速率下对3种不同转换矩阵中漂移误差、不对称误差和刻度误差进行评估,最后通过仿真验证了分析结果。     

基于极化合成理论的SAR目标最优极化研究

基于Stokes矩阵以及极化合成原理推导出一种解算目标最优接收功率的新算法。该算法充分利用了Stokes矩阵及范数原理,在计算目标最优接收功率上的精度优于传统算法,计算过程比传统算法简单、直接,且易于实现,不仅适用于完全极化波,而且适用于部分极化波和完全非极化波。实验证明,该算法可得到理想的结果。     

选主元矩阵原位替换解算方法

矩阵行列式、矩阵方程未知数和矩阵逆阵元素,可采用矩阵原位替换解算方法,利用矩阵元素约化值进行解算,但矩阵元素约化值计算过程中要求矩阵主元约化值不能等于零,在没有确认矩阵是否满秩的情况下,其值等于零有可能由矩阵元素排列结构引起,也有可能由矩阵秩亏引起,如何判别矩阵主元约化值为零的成因,在排除矩阵秩亏的情况下,如何利用选主元矩阵原位替换解算方法继续完成相应矩阵解算,是本文研究的内容。该研究可使矩阵原位替换解算方法得到更加广泛的应用。     

TIN DEM线性内插不确定性的随机过程模型

基于随机过程模型导出了TIN DEM线性内插的随机过程模型,给出了不规则随机空间三角形的不确定性描述,讨论了TIN节点误差在线性内插中的传播问题。通过理论推导和实际算例,得到了TIN DEM线性内插点的点位方差和误差椭球半轴的解析表达式、线性内插精度最高点坐标的解析表达式,该结论与三角形的形状无关;对DEM线性外推导致精度急剧下降的必然性结论进行了理论证明;得到TIN线性内插的平均点位方差解析式,从理论上说明了本文结论的有效性。     

融合罗德里格矩阵和整体最小二乘的双目机器人手眼标定算法

针对传统双目式机器人手眼标定方法中未知量多、计算复杂的特点,研究并提出了一种基于罗德里格矩阵和整体最小二乘相融合的改进算法。其中罗德里格矩阵实现了对未知量的降维;整体最小二乘顾及了系数矩阵的误差。通过大量数据分析表明,改进后的手眼标定算法较传统方法在稳定性和精度上均有大幅提高,满足了机器人视觉系统在工业检测和制造领域中的高精度需求。