【摘 要】
：
为了提高建筑物内部和森林搜寻救援效率,提出通过在飞行中进行变体来提高飞行器穿越狭小空间的灵活性,设计一种可在飞行中变体的多旋翼无人机构型,完成该变体构型的建模和运动仿真,对构型进行优化和仿真验证。结果表明:优化前的变体无人机构型变体后横向尺寸最大减少率为39.0%,面积最大减少率为58.53%,优化后的变体无人机构型变体后横向尺寸最大减少率为41.5%,面积最大减少率64.3%,最大气动遮挡面积比优化前减少24.7%。这表明优化后的变体构型设计合理、有效,同时也说明通过飞行器变体来提高其在建筑物内部和森林
【基金项目】
：
中国民用航空飞行学院,飞行仿真研究中心(No.JG2019-03)。
论文部分内容阅读
为了提高建筑物内部和森林搜寻救援效率,提出通过在飞行中进行变体来提高飞行器穿越狭小空间的灵活性,设计一种可在飞行中变体的多旋翼无人机构型,完成该变体构型的建模和运动仿真,对构型进行优化和仿真验证。结果表明:优化前的变体无人机构型变体后横向尺寸最大减少率为39.0%,面积最大减少率为58.53%,优化后的变体无人机构型变体后横向尺寸最大减少率为41.5%,面积最大减少率64.3%,最大气动遮挡面积比优化前减少24.7%。这表明优化后的变体构型设计合理、有效,同时也说明通过飞行器变体来提高其在建筑物内部和森林
其他文献
针对行人目标检测,现有的一些检测手段无法在嵌入式设备上同时达到实时且高精度的要求,因此提出一种基于YOLOv3改进的实时视频下行人检测的算法。该算法模型首先对网络输入的尺寸进行改进,根据输入尺寸较大的特点增加网络层,同时对YOLOv3的特征提取网络DarkNet-53的结构进行精简,压缩网络的宽度和宽度,并且对损失函数加以改进,减少网络参数量,最后在本文设计的数据集上将该算法与YOLOv3在嵌入式
近年来,人体行为识别已成为计算机视觉领域的重要研究方向之一。为避免传统RGB图像受光照干扰的不足,提出一种基于深度图像的人体行为识别改进算法。首先,将深度图像投影到三个正交的笛卡尔平面坐标系上获得深度运动图;然后,在深度运动图上训练三个方向的卷积神经网络模型;最后,把测试集深度运动图的识别概率进行平均值输出。所提算法在MSR Action3D数据库进行实验,实验结果表明该算法有着较高的识别率,验证
本文主要对于酒瓶包装瓶盖文字检测问题,针对于目标检测领域传统算法的鲁棒性和检测速度提出一种基于DBNet网络,通过改进其网络结构的文字目标检测方法。基于实际生产要求,采用嵌入式开发板作为算法使用平台。本文在原有的DBNet网络的基础上对算法做出适应场景的改进,实验结果表明,本文所提算法相比于传统模型在识别速度上提高90%左右,在识别效果下降不明显的前提下识别速度更快,具有极大的工程应用价值。
图形布局设计广泛应用在平面设计中,它决定了一个页面的层次结构和信息、功能分区。良好的图形布局能让信息更有效传达,且让界面整体更加美观。但图形布局设计是一个耗时且需要大量设计经验的过程。先进有许多自动生成图形布局的研究,本文对传统方法和深度学习方法进行概述,并分析当前研究存在的问题,以便为后续研究者提供研究方向和技术参考。
传统的正畸诊疗主要依靠正畸医生对牙齿锥形束计算机断层扫描(CBCT)图像和铸造的牙齿石膏模型进行分析、诊断和治疗,这个过程非常繁琐且工作量大,对医生的专业要求也非常高。因此,近年来越来越多研究人员关注利用计算机自动分割CBCT图像中的单颗牙齿,以辅助开展正畸治疗。然而,由于牙齿和牙槽骨的强度相近,咬合状态下CBCT图像中上下牙交界处结构复杂,牙髓腔较小且包含在牙齿内部,很难对单个牙齿进行自动分割。
光学相干断层扫描(OCT)是用于监视和诊断眼部疾病的强大技术。然而,斑点噪声对OCT图像质量产生有害影响,这阻碍OCT辅助诊断的发展。受到深度学习快速发展的启发,本文将图像去噪问题视为图像的生成问题,并提出一种基于条件生成对抗网络(cGAN)的方法,通过学习有噪图像到无噪图像的映射来实现去噪过程。实验结果表明,本文提出的方法在视觉效果和指标上优于其他模型。
近年来法医个体识别的实践工作中,主流方法仍然是指纹、DNA、齿科对比等,但是在一些极端情况,例如焚烧、腐败、白骨化等情况时,常规方法却难以奏效。基于此,提出基于蝶窦的三维点云深度学习身份认定方法,进行训练和测试,效果证明该思路的可行性。
本文提出一种基于深度学习方法的起航算法。以航迹起始中的相关信息作为特征,对真实航迹起始进行分类。本文研究分为两个阶段。第一阶段为离线训练阶段,将一次雷达接收到的点迹和航迹数据作为历史量测数据进行预处理,提取航迹起始阶段每一扫描周期的速度,加速度和角度这几个特征并对其进行分析,构建深度学习分类模型。第二阶段为在线起始阶段,首先将新的一次雷达数据进行预处理得到测试样本,然后分别使用修正的Hough变换方法和本文训练完成的深度学习分类模型进行实验,最后比较两种方法的准确率。本文提出的方法在低空监视雷达多杂波的背
为了提高手术器械语义分割识别算法的分割准确率和分割速率,使其更适应实际应用,本文对DeepLab V3+网络进行优化改进,在ASPP模块将3×3空洞卷积分解成3×1和1×3的空洞卷积,减少冗余参数,在解码端使用深度可分离卷积替代普通卷积,减少信息丢失,保留更多边缘特征。实验结果表明,改进后的网络能实现对手术器械的准确分割,且满足实时性要求,可以应用于手术器械管理系统。
针对基于传统图像处理的水尺刻度检测算法受天气、光照等诸多环境因素影响较大,提出一种语义分割和目标检测结合的检测方法。首先在语义分割模型SegNet中嵌入注意力机制提高水域图像分割精度,然后将水尺区域图像送入改进的YOLOv3网络进行特殊字符的识别,并结合水岸线位置推算不完整字符长度,得到完整水尺刻度。实验结果表明:该水尺检测算法能准确定位水尺且水尺刻度提取准确度达到95%以上。