摘要:提出了一种基于奇异值分解(Singular Value Decomposition, SVD)的湍流速度结构函数构造方法,将该方法构造的速度结构函数与湍流模型拟合,可以实现激光雷达的湍流识别。首先对激光雷达扫描的空间数据进行距离门扇区划分,在每个子扇区内对湍流风场做奇异值分解,得到特征速度基准值和每个距离门的湍流脉动速度,构建出速度结构函数。选取标准von Kármán湍流模型函数作为拟合约束,得出涡流耗散率的立方根来判断湍流的强度。最后,利用兰州机场的实测数据,对比分析了在不同湍流强度下SVD方法的速度结构函数与局部平均方法的性能。通过与机组报告的湍流数据进行对比分析,SVD方法进行湍流预警的预警率可以达到85.2%。该方法对提高机场湍流探测和识别有重要意义。
摘要:针对旋转不变性二进制描述算法(Oriented Fast and Rotated Brief, ORB)的尺度旋转性配准误差大,配准率较低及随机采样一致性(Random Sample Consensus, RANSAC)算法随机性强且不稳定的问题,提出一种ORB与RANSAC结合的快速特征匹配算法。首先,对特征点提取方式进行优化选择,消除特征边缘影响。之后构建简化的金字塔式尺度空间模型,改进分层图像的尺度空间结构,减少生成图像层数和数目;然后采用梯度方向改进传统ORB算法中的主方向提取模式,提高特征角点主方向的准确性。最后,通过构建分块随机取样检测的方式改进RANSAC算法,提高RANSAC算法的稳定性和图像配准的准确性。实验结果表明改进后的ORB和RANSAC融合算法在尺度和旋转配准方面性能有很大提高,并且配准的精度较传统ORB算法高,尺度配准精度提高55.41%,旋转配准精度提高26.66%。满足复杂图像快速精确配准拼接的精度和实时性要求。
摘要:针对旋转不变性二进制描述算法(Oriented Fast and Rotated Brief, ORB)的尺度旋转性配准误差大,配准率较低及随机采样一致性(Random Sample Consensus, RANSAC)算法随机性强且不稳定的问题,提出一种ORB与RANSAC结合的快速特征匹配算法。首先,对特征点提取方式进行优化选择,消除特征边缘影响。之后构建简化的金字塔式尺度空间模型,改进分层图像的尺度空间结构,减少生成图像层数和数目;然后采用梯度方向改进传统ORB算法中的主方向提取模式,提高特征角点主方向的准确性。最后,通过构建分块随机取样检测的方式改进RANSAC算法,提高RANSAC算法的稳定性和图像配准的准确性。实验结果表明改进后的ORB和RANSAC融合算法在尺度和旋转配准方面性能有很大提高,并且配准的精度较传统ORB算法高,尺度配准精度提高55.41%,旋转配准精度提高26.66%。满足复杂图像快速精确配准拼接的精度和实时性要求。