一、具有自校准能力的随机采样技术的研究（论文文献综述）
檀彦超,郑小林,魏翔宇,阳及[1]（2022）在《基于度量学习的多空间推荐系统》文中进行了进一步梳理隐式反馈具有数据获取成本小、形式广泛的特点,因此在现代推荐系统中被广泛使用.由于用户的隐式反馈通常是稀疏,不平衡,且含义不明确的.因此,想要准确学习用户和物品之间的复杂交互具有挑战性.传统的基于矩阵分解的推荐方法只能建模用户-物品之间的相似性.同时,矩阵分解使用点积运算作为相似度评估方式,而点积运算不满足三角不等式,即不能将用户-物品相似性传递到用户-用户以及物品-物品的相似性建模.因此,矩阵分解不足以在隐式反馈中充分建模用户和物品的关系.尽管现在有基于隐式反馈使用欧式距离来度量用户-物品相似度的度量学习方法,使得对应的推荐方法能够满足三角不等式.但是,现有的度量方法通常会将每个用户或者物品表示为度量空间中的单个点,进而在单个空间内通过用户-物品之间的距离来表征用户-物品之间的相似性.由于在不同的环境下,用户对于同一种类型的物品的偏好也可能存在差异.基于单个空间的用户、物品嵌入向量有可能无法满足用户具有的多种偏好和物品具有的多种属性,进而限制了推荐系统的性能.为了充分刻画用户和物品,我们尝试从多个侧面对于用户和物品进行表示,并提出了一个基于多空间的度量学习（MML）框架.通过设计整合多个空间相似性的度量方式,我们将用户和物品投影到多个空间中进行细粒度的表示.另外,我们设计了一种经过校准的优化策略,包括经过校准的最大间隔损失函数和经过校准的采样方法.在保持多空间度量学习表示能力的同时,确保框架的有效性.最后,模型通过训练好的用户、物品向量,对于稀疏的用户-物品交互矩阵进行填补.在动态更新空间权重的同时,可以赋予模型新的训练视角,最终实现端到端的训练.通过四个真实世界推荐数据集上进行的大量实验表明,MML可以在Recall和nDCG衡量指标上将目前最优的对比算法提高40%以上.
史博辉[2]（2021）在《面向森林火情的无人机航迹规划算法研究》文中研究说明近年来,伴随着我国科学研究的快速发展,无人机已逐渐应用于森林火灾监测,同时,越来越多的学者也开始研究无人机用于森林火灾扑救的问题。本文针对面向森林火灾监测和面向森林火灾扑救的无人机航迹规划,进行了以下几个方面的研究:（1）针对在森林特殊的任务区域中无人机的巡检航迹规划问题,提出两种不同的全覆盖搜索算法。当任务区域呈明显不规则形状时,提出基于无人机作业航向的巡检策略,并考虑无人机的转弯时刻,该算法可以减小无人机的转弯次数和航迹多余覆盖率。当任务区域中含有障碍物时,提出了基于模拟退火算法的巡检策略,首先使用栅格法对环境进行处理,并为无人机选择合适的航迹点,将巡检任务转化为旅行商求解问题,最后使用模拟退火算法求解该问题。仿真实验结果表明,所提的两种巡检策略均可以为无人机规划出可用于森林火灾监测的巡检航迹。（2）针对森林火灾扑救的航迹规划问题,分别对两种不同情况提出了不同的算法,当森林海拔差异较小时,提出了基于改进双向快速搜索随机树算法（RRT-connect）进行航迹规划算法;当森林海拔差异较大时,提出了基于差分进化的混合蝙蝠算法进行航迹规划。针对平原森林,无人机不需要频繁改变飞行高度,因此,将问题描述为二维环境的无人机航迹规划,使用改进的RRT-connect算法为无人机规划火灾扑救航迹,在该算法中,首先,通过限制最近邻接点的搜索范围提高了算法中搜索树的构建速度,快速得到一条较优航迹;其次,使用Dijkstra算法对航迹进一步优化,找到一条更优的火灾扑救航迹。针对山地森林火灾扑救,如果让无人机在较高位置进行平面飞行,在起飞和降落时能耗较大,因此,将问题描述为三维环境的无人机航迹规划,航迹将跟随山脉起伏,对该情况使用改进的蝙蝠算法进行求解。首先,使用差分进化算法解决了蝙蝠算法“早熟”的问题,其次,考虑障碍物的威胁,设计新的适应度函数。仿真结果表明,本文所提算法可以为无人机规划出符合要求的火灾扑救航迹,为无人机执行实际任务提供了依据。（3）针对所规划的航迹无法直接用于无人机飞行的问题,使用不同的算法对航迹进行平滑。针对二维火灾扑救航迹,使用基于飞行走廊和贝塞尔曲线的minimum snap算法进行平滑。首先,针对完整航迹的安全特性,使用贝塞尔曲线对飞行走廊进行限制,保证了整个飞行航迹的安全;其次,使用minimum snap算法对航迹片段添加约束,保证了无人机从起点到火灾点飞行过程中的位置、速度、加速度连续、能耗小。针对三维火灾扑救航迹,基于三阶B样条曲线的特性进行平滑处理,保证了无人机飞行过程中速度、加速度连续。（4）在室内无人机—QDrone上对面向森林火灾扑救的航迹进行实验验证。分别介绍了无人机的飞行原理、室内定位系统、实验平台通信架构以及QDrone的Simulink仿真模块。在该室内实验环境中,首先在室内半仿真平台上进行验证,之后使用无人机对所规划的航迹进一步验证。
尹鹏宇[3]（2021）在《脑部肿瘤分割监督学习模型的泛化性能研究》文中研究说明语义分割将原始生物医学图像数据转换为有意义的、空间结构化的信息,因此在医学影像分析研究中起着至关重要的作用。尽管最近基于深度学习的分割方法取得了成功,但它们受制于医疗影像数据集样本数量比较少,导致其模型泛化性不够理想。尤其脑部胶质瘤的位置、大小、形状的特异性较强,导致人工标注数据难度大容易产生误判和分歧从而造成标签噪声,并对泛化性提出了更高的挑战。针对这一问题,从数据增强角度,本文提出了一种数据增强方法tumor-mixup,其相较于传统数据增强方法训练更为稳定,并将ET亚区的Dice值由0.723提升到0.768。在不确定性角度,通过辅助网络Calibrate block校准分割模型,使得模型避免生成置信度过高的预测结果,将ET亚区的ECE由0.28降低到0.243。标签噪声角度,提出一种标签去噪方法名为Kickflip,能够令网络生成预测的同时对标签进行降噪处理,将Calibrate block和Kickflip方法结合时,最终可以使ECE进一步降低到0.217。
韩青[4]（2021）在《基于散射介质的光学加密技术研究》文中进行了进一步梳理计算机和互联网技术的飞速发展,使得信息全球化成为当今世界的一个重要特征,信息安全的重要性日益突出。如何对信息快速、有效的加密,也随之成为当今信息处理的研究热点之一。光学加密技术是近年来发展起来的一门新兴的信息加密技术,因其具有能够高速并行处理图像数据、利用多维度（即多自由度）加密信息等优点,获得了广泛关注。由于散射介质的光散射效应,使入射光波原本有序的光波前发生畸变,通过它的光场变得随机且紊乱。入射光波透过散射介质后,在观测面上只能接收到由其散射作用“编码”的散斑图案,难以实现对被散射介质遮挡或隐藏的目标的观测或成像。因此,散射介质在传统成像领域被视为成像的障碍。然而,基于散射介质的光学加密技术巧妙地利用了散射介质的光散射效应,将待加密的明文“编码”为类白噪声的散斑,实现了从明文到密文的加密过程。但是,2014年Ori Katz等人发现,在散射介质记忆效应范围内,物体的自相关函数和散斑的自相关函数近似相等,导致此类基于单随机相位屏的加密技术,易受相位恢复全密文攻击,严重威胁此类加密系统的安全性。针对这一问题,本课题提出利用散射介质的几种相关特性,结合明文随机采样策略,实现加密安全性提升,以有效抵御相位恢复全密文攻击。提出通过人为引入噪声,降低密文信噪比,进一步增强所提出方案对相位恢复全密文攻击的抵御能力。此外,还提出了一种离线加密的方案,以增强系统的灵活性。主要创新如下:（1）提出了一种利用人工动态散射介质的空间或频谱不相关特性结合随机采样的光学加密方法,解决了易受相位恢复全密文攻击的问题;（2）提出了一种利用自然动态散射介质的自身内部结构不相关特性的光学加密方法,进一步提升了加密安全性能;（3）提出了离线实现动态散射介质光学加密的方法,简化了所提出加密方案的实施,使得提出方法实施更简单、灵活且易于实现。本文从以下几个方面展开研究:（1）从理论上分析了光学加密的基本原理,介绍了光学加密的主要方法,对各类光学加密方法的特点进行了分析。针对对系统安全最具威胁的基于相位恢复算法的攻击,首次提出并论证了基于散射介质的不相关特性的光学加密方法,该方法可使得相位恢复全密文攻击几乎完全失效。（2）依据散射介质的空间不相关特性、频谱不相关特性和结构不相关特性,分别提出了三种具体的加密方案,并设计了系统的总体方案,根据总体方案选型器件,设计并搭建了相应的光学加密装置。（3）利用相位恢复算法相较于反卷积算法对噪声更加敏感的特性,提出通过人为添加伪噪声和引入环境宽带噪声降低密文信噪比,以提高抵御相位恢复全密文攻击能力,并进行了加密解密和模拟全密文攻击实验,验证了其有效性;（4）提出了一种离线加密的方案,即在记录不相关点扩散函数密钥后,仅利用点扩散函数与待加密明文卷积,实现对其加密,并从实验上验证了该方案的有效性。研究表明:所提出基于散射介质不相关特性的光学加密方法,可以有效抵御相位恢复全密文攻击,能够对图像安全加密。此外,系统简易灵活,在图像、视频信息的加密方面具有重要的应用潜力和广阔的前景。
戴学成[5]（2021）在《基于摄影法的叶面积指数提取算法研究》文中指出叶面积指数（Leaf Area Index,LAI）是衡量植物生长状况的一个重要参数。它也是农业科学、生态科学、遥感科学中众多数学模型的基本参数。叶面积指数（LAI）控制着水、营养和碳循环中的许多生物和物理过程,被定义为单位地表面积的单侧绿叶面积。针对当前主流的LAI间接测量法具有误差大,精度低,稳定性低等缺点。本课题基于摄影法,将计算机视觉技术应用到LAI测量中,开展从单视角顶视法和多视角精确构建植物三维模型两个方面,进行LAI值提取算法的研究。本文主要从以下几个方面对基于摄影法的叶面积指数提取算法进行研究:（1）基于单视角顶视法的叶面积指数提取算法的研究。对相机光辐射关系、摄影材料的感光特性、数码相机的ISO以及物体相对光辐射测量四个方面进行探索研究。提出了基于顶视法叶面积指数的测量原理:L=Inη。与常用测量仪器LAI-2000测量结果的误差在0.5以内,结果准确度较高。（2）研究了基于多视角的植株三维重建的基本框架,基于Open MVG及Open MVS框架重建出了精度较高的植株三维模型。搭建了多视角三维重建系统,基于图像序列精确的重构出实验室环境下和野外环境下的植株三维结构。（3）针对植株的三维结构效果,进行预处理操作,包括:基于K近邻算法的离群点移除和基于随机采样一致性的平面分割算法进行点云分割。并采用骨架化算法以及随机拦截节点算法进行茎部自动检测并完整的滤除了植株的茎部,便于后续实验研究上分析茎部对测量的影响。（4）基于预处理后的植株三维点云进行叶面积指数的提取。首先进行叶片计数,其次采用SOM神经网络模型进行叶片面积计算。实验得出圆叶椒草和仿真玉米叶片面积与基于LI-3000测量的真实值之间的R2达到了0.97,圆叶椒草平滑处理前后的实验结果R2由0.9657提高至0.9741,仿真玉米的R2由0.8319提升至0.9683。（5）分析比较了多种基于植株三维结构的叶面积指数提取方法的不足,提出一种基于三维重建结构的植株叶片点云面积与植株所占土地面积比值计算LAI的方法。本文所使用的叶面积指数计算方法与LAI真实值对比,准确率高达98.63%以上。并对平滑处理与茎部滤除处理前后的LAI测量值进行对比,实验结果表明平滑处理对于准确率的影响在6%～18%,而茎部部分对叶面积指数的准确率影响在10%～22%。
杨永光[6]（2020）在《基于点云的目标检测方法研究》文中提出随着全球第五代移动无线通信技术的快速部署,自动驾驶中车与车之间的实时通信成为现实,这为自动驾驶的普及应用提供了条件。其中,自动驾驶系统中的环境感知技术是实现自动驾驶的第一个环节,同时也是实现完全自动驾驶技术中的至关重要的环节,而动态目标检测作为环境感知的重要部分,具有较大的研究意义。因为激光雷达可以提供高精度大范围的环境深度信息,且其不受光照影响,故基于激光雷达点云数据的目标检测成为了时下热门的研究课题。现有的点云目标检测方法可以分为基于深度学习的方法和基于传统技术的方法,深度学习的方法极大地促进了目标检测效果的提升。然而,基于传统技术的目标检测方法中,仍存在地面分割不准确,车辆姿态估计鲁棒性不够高等问题,且都难以达到实时的检测的效果。基于深度学习目标检测方法中,点云目标检测精度仍有提升空间。基于以上问题,本文着手研究点云目标检测过程中的难题,提高点云目标检测的性能。首先,为解决传统方法中精确的点云地面估计耗时严重问题,本文提出了基于快速分段直线拟合技术的点云去地模型。根据点云的成像特性,将点云分割为多个扇形子区域,每个扇形子区域包含若干个原型点。对每一个扇形子区域进行快速分段直线拟合,对于提取到的多个不连续直线段,通过剔除部分不合格的直线和连接部分需要连接的直线段对当前扇形子区域进行地面直线拟合。最后通过计算所有点距离直线段的距离将点分为接近直线的地面点,和远离直线的非地面点。该方法在城市环境和郊区不平坦道路环境都取得良好的效果。其次,为解决传统方法中最优外接矩形预测朝向不准确的问题,本文提出了一种基于最优外圈轮廓点的L-shape结合随机采样一致性检测的最优外接矩形拟合方法。该方法使用外圈轮廓点算法提取得到点云目标的轮廓点云,接着使用L-shape提取点云面向传感器的两个主侧面,最后使用最佳主侧面的一定角度范围内的轮廓点得到最优点云目标朝向。该方法在保证实时运行的同时还极大地提升了点云最优外接矩形估计的朝向准确性,它能够在1ms内对100个点云目标进行拟合。最后,为解决三维卷积神经网络进行点云目标检测耗时严重的问题,本文在保证运行效率的前提下提出了一种可以捕捉点云目标空间特征的目标检测方法。该方法构建了一种多视图的语义学习网络来进行目标检测。该方法首先利用多视图生成器模块从点云的多个角度生成多个点云伪图像。然后,通过空间重新校准融合模块对点云伪图像进行重新校准和融合以提取其语义特征。最后,三维区域生成网络利用融合后的语义特征进行最终的点云目标分类和目标最优外接包围框回归。本文的实验数据集主要为公开的KITTI数据集,根据与相应对比方法的比较可以发现,本文中所提出的方法在时间和准确度上大大提升了点云目标检测的性能。
胡国良[7]（2020）在《基于视觉信息的空间非合作目标近距离位姿测量技术研究》文中认为视觉测量技术广泛应用于工业制造和航天领域,本文对空间非合作目标近距离高精度位姿测量技术中的关键算法进行深入研究,主要内容及创新点如下:针对相机标定技术中内外参数优化问题,本文提出了一种基于指数增长更新阻尼系数的非线性优化算法。通过设计多重阈值进行优化判定,解决了传统优化算法迭代次数多的缺点。实验结果证明所提算法用于单、双目相机标定得到的最终结果更加鲁棒且精度更高。针对高精度双目标定技术中结构参数初值求解及非线性优化问题,本文提出了一种基于奇异值分解和非线性优化的双目标定算法。首先基于多阈值随机采样算法计算出高精度基础矩阵和本征矩阵。然后通过在范数格式下优化矩阵迹构造出一个新矩阵,通过对新矩阵进行奇异值分解,得到双目相机之间结构参数初值,并设计更加简单的方法剔除错误解。最后利用基于指数增长更新阻尼系数的非线性优化算法对标定初值进行优化,采用简化残差函数降低雅克比矩阵的计算复杂度。最终结果可在测量误差和对极约束误差之间取得平衡,避免了传统标定算法中存在的过拟合问题。实验证明本文的算法比广泛使用的Hartley、Bouguet算法及传统非线性最小二乘拟合算法得出的标定结果更加鲁棒且精度更高。针对非合作目标双目视觉和激光雷达联合测量需求,本文提出了一种利用立体球型靶标实现激光雷达和双目相机联合标定的算法。把激光雷达假设成一个给定内参的相机,将点云之间的三维配准问题转化为基于奇异值分解和非线性优化的双目标定问题。该算法用于两组测量设备之间点云的融合,可快速得到目标更加稠密的三维信息。与点云配准中的后融合技术相比,本文的算法属于先融合手段,具有计算量小,处理速度快等明显优势。将本文提出的优化算法用于单目标定,得到的重投影误差小于0.13像素,并实现对道路裂缝宽度高精度测量,平均测量误差小于1.5毫米。相比莱文伯格-马夸特非线性优化算法（L-M）,该算法迭代次数减少了33%;相比传统非线性最小二乘拟合算法,该算法用于单目标定精度提升了1.96%。本文采用基于特征匹配和像素匹配相结合的方法,实现非合作目标的远距离位姿估计和近距离高精度位姿测量及稠密三维重建。针对航空航天的实际应用需求,设计了一种椭圆标志中心亚像素坐标提取方法。测量实验验证了算法的高精度和可行性。通过和高精度旋转台数据对比,本文算法可实现1米处目标长度测量误差小于1毫米;角度测量误差小于0.3度。将本文提出的激光雷达和双目相机标定算法用于两组测量设备之间点云的融合,实验结果表明该算法可实现1米处点云融合平均误差小于1厘米,20米处点云融合平均误差小于4.5厘米。
邵兴坤[8]（2021）在《基于三维点云的遮挡工件识别方法研究》文中研究指明自动化生产线具有操作简单,生产效率高等优点,使得企业能够提高市场竞争能力,是工业生产加工的必然发展趋势。在工业自动化装配过程中,机械手臂需要从工作台上抓取特定类型的工件完成装配工作。传统的机械抓取过程是将工件固定在某一确定位置,通过人工引导的方法使机械臂能够准确抓取工件,但这种方法有较大的局限性,如果工件位姿发生变化则需要人工重新引导示教。对于采用普通2D相机获取工件图像,由于2D视觉不能获取对象的空间坐标信息,因此不支持形状相关的测量,如目标物体平坦度、表面角度、体积或区分相同颜色的物体,也就使之后的抓取工作变得更加困难。同时,通过二维视觉算法识别工件类型,对光照、噪声、工件反光程度等因素有较高的要求,且各个工件之间不能存在遮挡、覆盖情况。针对这一实际应用场景中出现的问题,本文结合三维点云研究了在复杂场景下的工件识别与位姿估计,主要完成了以下工作:1.构建图像采集系统与点云数据的获取。构建图像采集系统模块,根据不同坐标系之间的关系对Kinect传感器进行标定,求解出相机内外参数。通过深度求解获取工件深度数据,并将工件深度数据通过三维映射转化为工件点云文件。2.对点云数据进行预处理。在获取到的原始点云数据中,不仅包含了工件的点云数据,同时也有大量噪声和无关点云存在,所以需要对数据进行预处理操作,消除点云数据中的噪声。通过使用直通滤波、半径滤波、体素滤波相结合的方式对点云数据进行去噪,达到消除无关点云与噪声点云的目的。对场景点云进行遮挡判定,提出一种基于深度阈值判定是否存在遮挡情况方法,然后对点云数据进行分割处理,使用随机采样的平面模型算法将工作台平面与工件分割开,并根据不同场景选择使用欧式聚类分割算法或最小割算法进行不同种类工件之间的分割,得到单个工件点云数据。3.特征提取与三维模型处理。对工件CAD模型进行点云化操作,提取工件CAD模型点云与场景分割出的单个工件模型快速点特征直方图（FPFH）描述子,通过比较工件模型点云的欧式距离均值与工件场景点云欧式距离均值输出识别结果及相似度。4.工件位姿估计。使用采样一致性初始配准（SAC-IA）与最近迭代（ICP）精配准算法结合的方式对工件进行位姿估计,输出工件的旋转平移矩阵,得到相对于工件模型的空间位置变化信息,为机械臂后续的抓取工作做准备。实验结果表明该系统能够较好的对复杂场景下的工件进行分割,并实现工件的识别与位姿估计功能。
张开颜[9]（2020）在《一种三维点云混合校准法及其应用研究》文中认为工件位置和姿态的测定技术在工业生产中占有非常重要的地位,特别是随着智能制造技术的迅猛发展,精准、快速的目标位姿估计已经成为许多应用场合中首要解决的问题。机器视觉技术的出现虽然较大改善了传统依赖工装夹具定位方式存在的灵活度低、适应性差的缺陷,但常规的机器视觉技术对产品的针对性较强,而且受照明条件的约束较多,仍难以满足日趋迫切的生产智能化的要求。随着三维点云采集和处理硬件成本的降低,利用三维点云进行工件位姿的在线测定技术的研究已经在悄然发展。点云是三维机器视觉技术的重要数据源,三维点云处理技术也是机器视觉技术的一个重要发展方向。点云校准是点云处理技术的重要环节,可以通过对分别处于标准位姿和当前位姿的工件经扫描得到的点云进行匹配校准,实现对工件当前位姿估计。然而,点云的密度对校准精度和数据处理速度的影响存在一定的冲突。为了更加高效、精确地测定工件点云位姿,提出了一种点云混合校准方法。主要研究内容如下:（1）对点云校准技术的国内外研究现状进行了调查和分析,并对点云三维信息提取和空间变换的基本理论进行了概述。结合图像处理技术,提出了一种分步混合点云校准方法,得到两组点云间的空间映射关系,从而实现对工件当前位姿的估计。（2）针对具有平面等规则几何特征工件的点云,通过采用聚类分析的统计学方法提取空间法向量等几何特征,实现对工件在两个维度内的倾角信息估计,并在此基础上实现点云的第一步校正。然后将点云转换成为点云灰度图,利用图像处理技术,提取工件在两个维度内的平移量和一个维度内的偏转量信息,以实现第二步校正。另外,由于工件通常需要台面支撑或工具夹持而受到至少一个维度的约束。因此可以最终确定工件在空间内的位置和姿态。（3）在高压输电线塔座自动焊接应用场合,针对不同规格的产品,需要将待焊接工件的位置和姿态信息提供给焊接机器人。利用所提出的混合点云校准方法,设计了一套可为焊接机器人运动轨迹规划提供目标位姿信息的方法。实验结果表明所提出方法能够满足对塔座位姿估计的精度和速度要求,相对于随机采样一致性法,测量误差降低了90%,耗时缩短约76.32%。（4）在动力锂电池顶盖的局部平面度在线检测场合,需要对流水线上产品的某些局部进行平面度测量。由于产品到达检测工位时的位置和姿态在一定范围内具有不确定性,因此首先利用所提出的方法对产品的位置和姿态进行测定,然后在感兴趣区域内提取点云数据,进行平面度估计。并设计了基于其它点云校准方法和利用三坐标测量机的传统方法进行平面度估计的对照实验。实验结果显示,三者测得的平面度估计结果总体一致,但所提出混合校准法在耗时上至少减少了62%。
王大轶,侯博文,王炯琦,葛东明,李茂登,徐超,周海银[10]（2021）在《航天器自主导航状态估计方法研究综述》文中研究指明自主导航是航天器自主运行的核心关键技术。状态估计是实现航天器自主导航的核心手段,是指实时确定航天器在轨位置、速度和姿态等导航参数,是航天器自主导航技术的重点发展方向之一。首先,针对航天器自主导航的实际需求,阐述了研究航天器自主导航状态估计方法的必要性,具体从导航系统可观测性分析、导航滤波算法、导航系统误差补偿3个方面介绍了航天器自主导航状态估计方法的研究现状;然后,分析并总结状态估计方法在航天器自主导航系统中的实际应用;最后,结合理论研究和实际应用,给出了状态估计方法目前存在的主要问题并对其后续发展进行了展望。
二、具有自校准能力的随机采样技术的研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、具有自校准能力的随机采样技术的研究（论文提纲范文）
（1）基于度量学习的多空间推荐系统（论文提纲范文）
| 1 引 言 |
| 2 相关工作 |
| 3 问题与挑战 |
| 3.1 问题定义 |
| 3.2 挑战与动机 |
| 4 模 型 |
| 4.1 跨空间相似度测量 |
| 4.2 多空间权重 |
| 4.3 经过校准的优化策略 |
| 4.3.1 经过校准的最大间隔损失函数 |
| 4.3.2 经过校准的采样方法 |
| 5 实 验 |
| 5.1 实验准备 |
| 5.1.1 数据集 |
| 5.1.2 评估协议 |
| 5.1.3 对比算法 |
| 5.1.4 实验细节 |
| 5.2 总体效果比较(问题1) |
| 5.3 模型消融研究(问题2) |
| 5.4 超参数研究(问题3) |
| 5.5 多空间可视化(问题4) |
| 6 总 结 |
| Background |
（2）面向森林火情的无人机航迹规划算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 研究现状 |
| 1.2.1 面向森林火灾的无人机研究现状 |
| 1.2.2 航迹规划算法研究现状 |
| 1.3 本文研究内容和组织结构 |
| 2 无人机森林任务区域巡检 |
| 2.1 基于无人机作业航向的巡检策略 |
| 2.1.1 算法原理介绍 |
| 2.1.2 仿真实验 |
| 2.2 基于模拟退火算法的巡检策略 |
| 2.2.1 环境模型构建 |
| 2.2.2 森林巡检问题描述 |
| 2.2.3 模拟退火算法原理 |
| 2.2.4 仿真实验与分析 |
| 2.3 本章小结 |
| 3 无人机森林火灾扑救的航迹规划 |
| 3.1 基于改进采样算法的二维航迹规划 |
| 3.1.1 基于采样的规划方法基础 |
| 3.1.2 快速搜索随机树算法原理 |
| 3.1.3 RRT-connect算法 |
| 3.1.4 改进的RRT-connect算法航迹规划 |
| 3.1.5 仿真实验与分析 |
| 3.2 基于混合蝙蝠算法的三维航迹规划 |
| 3.2.1 蝙蝠算法 |
| 3.2.2 蝙蝠算法的改进策略 |
| 3.2.3 差分进化算法原理介绍 |
| 3.2.4 基于差分进化的混合蝙蝠算法的航迹规划 |
| 3.2.5 仿真实验与分析 |
| 3.3 本章小结 |
| 4 无人机森林火灾扑救航迹的平滑策略 |
| 4.1 二维航迹平滑策略 |
| 4.1.1 飞行走廊 |
| 4.1.2 贝塞尔曲线 |
| 4.1.3 Minimum snap轨迹平滑算法 |
| 4.1.4 基于飞行走廊和贝塞尔曲线的minimum snap算法的二维航迹平滑 |
| 4.2 三维航迹平滑策略 |
| 4.2.1 B样条曲线 |
| 4.2.2 三阶B样条曲线 |
| 4.2.3 基于三阶B样条曲线的航迹平滑 |
| 4.3 本章小结 |
| 5 室内无人机实验平台 |
| 5.1 无人机飞行原理 |
| 5.2 室内无人工具系统 |
| 5.1.1 QDrone无人机介绍 |
| 5.1.2 室内定位系统 |
| 5.1.3 实验平台通信架构 |
| 5.1.4 QDrone的 Simulink仿真模块 |
| 5.3 无人机飞行实验 |
| 5.4 本文相关算法的无人机实体验证 |
| 5.5 本章小结 |
| 6 总结和展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间主要研究成果 |
（3）脑部肿瘤分割监督学习模型的泛化性能研究（论文提纲范文）
| 摘要 |
| 英文摘要 |
| 第一章 绪论 |
| 1.1 课题研究背景 |
| 1.1.1 脑肿瘤影像诊断 |
| 1.1.2 MRI胶质瘤分割 |
| 1.2 相关研究进展及挑战 |
| 1.3 研究内容及意义 |
| 1.3.1 数据增强 |
| 1.3.2 不确定性及其校准 |
| 1.3.3 标签噪声的滤除 |
| 1.4 论文结构安排 |
| 第二章 提升医疗图像分割泛化性相关理论研究 |
| 2.1 深度学习 |
| 2.2 医学影像分割 |
| 2.2.1 图像分割 |
| 2.2.2 医学影像分割 |
| 2.3 数据增强 |
| 2.4 不确定性 |
| 2.5 标注噪声的种类和影响 |
| 2.5.1 标注噪声的种类 |
| 2.5.2 标注噪声对训练的影响 |
| 2.5.3 标注噪声清洗 |
| 2.6 本章小节 |
| 第三章 数据增强提升模型泛化性 |
| 3.1 数据集介绍 |
| 3.2 数据预处理 |
| 3.3 肿瘤混合(tumor-mixup)数据增强方法 |
| 3.3.1 tumor-mixup |
| 3.3.2 网络结构 |
| 3.4 实验结果与分析 |
| 3.5 本章小节 |
| 第四章 医疗影像数据标注中的噪声滤除技术 |
| 4.1 翻转矩阵噪声滤除网络 |
| 4.1.1 不确定度校准 |
| 4.1.2 标签去噪 |
| 4.2 实验结果与分析 |
| 4.3 本章小节 |
| 第五章 总结与展望 |
| 5.1 论文总结 |
| 5.2 工作展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（4）基于散射介质的光学加密技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 课题主要研究内容及结构安排 |
| 第2章 光学加密技术原理 |
| 2.1 双随机相位编码技术 |
| 2.2 基于散射介质的光学图像加密方法 |
| 2.2.1 基于光学记忆效应的透过散射介质的成像原理 |
| 2.2.2 基于散射介质的光学加密方法原理 |
| 2.3 散射介质的不相关特性 |
| 2.3.1 散射介质的空间不相关特性 |
| 2.3.2 散射介质的频谱不相关特性 |
| 2.3.3 散射介质的结构不相关特性 |
| 2.4 随机采样 |
| 2.5 本章小结 |
| 第3章 基于散射介质不相关特性的光学加密系统设计 |
| 3.1 系统设计方案 |
| 3.2 实验方案设计 |
| 3.2.1 基于散射介质的空间不相关特性的光学加密实验方案 |
| 3.2.2 基于散射介质的频谱不相关特性的光学加密实验方案 |
| 3.2.3 基于散射介质的结构不相关特性的光学加密实验方案 |
| 3.3 系统器件选型 |
| 3.4 本章小结 |
| 第4章 基于人工动态散射介质的不相关特性的光学加密 |
| 4.1 基于人工动态散射介质的空间不相关特性的光学加密 |
| 4.1.1 简单图像加密 |
| 4.1.2 复杂图像加密 |
| 4.2 基于人工动态散射介质的频谱不相关特性的光学加密 |
| 4.3 本章小结 |
| 第5章 基于自然动态散射介质的不相关特性的光学加密 |
| 5.1 基于自然动态散射介质的光学加密有效性验证 |
| 5.2 基于自然动态散射介质的结构不相关特性的光学加密实验 |
| 5.3 基于自然动态散射介质的加密系统安全性能提升 |
| 5.3.1 降低密文信噪比提升安全性能 |
| 5.3.2 结合随机采样提升安全性能 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
（5）基于摄影法的叶面积指数提取算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.2 国内外研究历史与现状 |
| 1.2.1 LAI测量技术现状 |
| 1.2.2 植株三维重建技术现状 |
| 1.3 本文的主要贡献和创新 |
| 1.3.1 技术路线 |
| 1.3.2 主要工作贡献 |
| 1.4 论文结构 |
| 第二章 基于单视角顶视法的叶面积指数提取 |
| 2.1 亮度测量原理 |
| 2.1.1 相机光辐射关系 |
| 2.1.2 摄影材料的感光特性 |
| 2.1.3 数码相机的感光度 |
| 2.1.4 物体相对光辐射的测量 |
| 2.2 顶视法叶面积指数测量原理 |
| 2.3 数字图像的获取 |
| 2.4 数字图像的处理 |
| 2.4.1 前期处理 |
| 2.4.2 计算叶面积指数 |
| 2.5 暗电流影响因子的测量 |
| 2.6 不同背景反射率系数的获取 |
| 2.7 叶面积指数的测量 |
| 2.8 本章小结 |
| 第三章 基于多视角的植物三维重建 |
| 3.1 计算机视觉三维重建的几何基础 |
| 3.1.1 影像坐标系 |
| 3.1.2 相机坐标系 |
| 3.1.3 世界坐标系 |
| 3.2 OpenMVG框架 |
| 3.2.1 特征提取与匹配 |
| 3.2.2 增量式重建 |
| 3.2.3 全局优化 |
| 3.3 OpenMVS框架 |
| 3.4 多视角三维重建实验 |
| 3.4.1 多视角三维重建系统的搭建 |
| 3.4.2 OpenMVG获取三维稀疏点云数据 |
| 3.4.3 OpenMVS获取三维稠密点云数据 |
| 3.5 基于OpenMVG及OpenMVS的三维重建结果 |
| 3.5.1 基于OpenMVG的三维重建结果 |
| 3.5.2 基于OpenMVS的三维重建结果 |
| 3.6 本章小结 |
| 第四章 基于植物三维点云数据的预处理算法 |
| 4.1 点云离群点移除算法 |
| 4.1.1 基于K近邻算法的离群点移除 |
| 4.1.2 离群点移除结果 |
| 4.2 点云分割算法 |
| 4.2.1 随机样本共识 |
| 4.2.2 基于随机采样一致性的平面分割算法 |
| 4.2.3 点云分割结果与分析 |
| 4.3 植物茎部自动滤除处理算法 |
| 4.3.1 茎部影响原理 |
| 4.3.2 茎部自动滤除方法 |
| 4.3.3 茎部处理结果 |
| 4.4 本章小结 |
| 第五章 基于植物三维点云的叶面积指数提取 |
| 5.1 叶片计数 |
| 5.2 叶片面积计算 |
| 5.2.1 SOM神经网络模型 |
| 5.2.2 叶片平滑处理 |
| 5.2.3 基于SOM网络的叶片面积处理结果分析与验证 |
| 5.3 基于植物三维模型的叶面积指数提取方法 |
| 5.3.1 多种叶面积指数计算方法比较 |
| 5.3.2 基于叶片面积与植株所占土地面积之比的叶面积指数计算方法 |
| 5.4 叶面积指数提取结果与分析 |
| 5.4.1 基于植物三维模型的叶面积指数提取结果 |
| 5.4.2 基于LI-3000的叶面积指数真实值提取 |
| 5.4.3 茎部滤除前后叶面积指数对比分析 |
| 5.4.4 基于叶面积指数提取结果的对比分析与验证 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（6）基于点云的目标检测方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 自动驾驶的定义 |
| 1.1.2 自动驾驶中车辆感知系统 |
| 1.2 三维点云目标检测的研究现状 |
| 1.2.1 传统三维目标检测方法 |
| 1.2.2 深度学习目标检测方法 |
| 1.3 本文主要研究工作概述 |
| 1.4 本文的组织结构安排 |
| 第二章 相关背景知识介绍 |
| 2.1 概述 |
| 2.2 三维激光雷达的数据获取 |
| 2.2.1 三维激光雷达模型传感器的工作原理 |
| 2.2.2 三维激光雷达扫描仪:Velodyne HDL-64 |
| 2.2.3 数据结构:三维点云 |
| 2.3 点云地面去除 |
| 2.3.1 基于网格的点云地面去除方法 |
| 2.3.2 基于对象的点云地面去除方法 |
| 2.4 车辆姿态估计 |
| 2.4.1 基于模型的车辆姿态估计 |
| 2.4.2 基于特征的车辆姿态估计 |
| 2.5 基于深度学习的目标检测 |
| 2.6 本章小结 |
| 第三章 基于快速分段直线拟合技术的点云去地方法 |
| 3.1 动机以及思路 |
| 3.2 FSLF-GR方法介绍 |
| 3.2.1 FSLF-GR点云二维映射过程介绍 |
| 3.2.2 FSLF-GR方法地面线拟合过程介绍 |
| 3.3 实验与分析 |
| 3.3.1 数据集介绍 |
| 3.3.2 实验环境搭建 |
| 3.3.3 实验结果及分析 |
| 3.4 本章小结 |
| 第四章 基于L-shape的点云Bounding Box拟合方法 |
| 4.1 动机与思路 |
| 4.2 基于L-shape的3D点云Bounding Box拟合方法 |
| 4.2.1 基于雷达的L-shape Bounding box拟合方法介绍 |
| 4.2.2 基于最优轮廓点的L-shape Bounding Box拟合方法 |
| 4.3 实验与分析 |
| 4.4 本章小结 |
| 第五章 多视角点云目标检测 |
| 5.1 动机与思路 |
| 5.2 多视图语义学习网络(MVSLN) |
| 5.2.1 点云的多视图表示 |
| 5.2.2 多视图表示的重新校正 |
| 5.2.3 三维区域生成网络 |
| 5.2.4 损失函数 |
| 5.3 实验与分析 |
| 5.3.1 数据集及参数介绍 |
| 5.3.2 实验结果及分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 未来研究展望 |
| 参考文献 |
| 附录1 攻读硕士学位期间撰写的论文 |
| 附录2 攻读硕士学位期间申请的专利 |
（7）基于视觉信息的空间非合作目标近距离位姿测量技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 缩写列表 |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.1.1 主动式测量 |
| 1.1.2 被动式测量 |
| 1.1.3 基于深度学习的三维重建 |
| 1.1.4 激光雷达与双目视觉融合 |
| 1.2 双目视觉国内外研究动态 |
| 1.3 双目立体视觉技术关键技术发展现状 |
| 1.3.1 双目视觉技术原理分析 |
| 1.3.2 单目标定技术发展现状 |
| 1.3.3 双目标定技术发展现状 |
| 1.3.4 特征提取技术发展现状 |
| 1.3.5 立体匹配技术的发展现状 |
| 1.3.6 激光雷达与双目融合发展现状 |
| 1.4 本论文的主要研究内容及安排 |
| 第2章 基于多系数初值求解和非线性优化方法的单目标定 |
| 2.1 引言 |
| 2.2 单目成像与畸变模型 |
| 2.2.1 单目成成像模型 |
| 2.2.2 相机畸变模型 |
| 2.3 张正友初值求解及非线性优化 |
| 2.3.1 单应矩阵的求解 |
| 2.3.2 内外参初值求解 |
| 2.3.3 非线性优化 |
| 2.4 标定板角点检测 |
| 2.4.1 基于模板的角点位置定位 |
| 2.4.2 亚像素角点坐标提取 |
| 2.4.3 非棋盘格角点剔除 |
| 2.5 基于指数增长更新阻尼系数非线性优化算法 |
| 2.5.1 引入倾斜因子和更多畸变系数 |
| 2.5.2 基于指数增长更新阻尼系数 |
| 2.6 对比实验 |
| 2.7 本章小结 |
| 第3章 基于奇异值分解初值求解和非线性优化方法的双目标定 |
| 3.1 引言 |
| 3.2 双目成像模型 |
| 3.3 Bouguet标定算法 |
| 3.4 对极几何 |
| 3.5 Longuet-Higgins的算法 |
| 3.6 Hartley的算法 |
| 3.7 基于奇异值分解和非线性优化双目标定方法 |
| 3.7.1 基于多阈值随机采样算法 |
| 3.7.2 基于奇异值分解求解双目结构参数初值 |
| 3.7.3 结构参数优化 |
| 3.8 双目相机与激光雷达标定 |
| 3.9 双目标定对比实验 |
| 3.10 本章小结 |
| 第4章 非合作目标位姿测量与三维重建 |
| 4.1 引言 |
| 4.2 基于特征点匹配的非合作目标位姿解算 |
| 4.3 基于像素匹配非合作目标三维重建 |
| 4.4 三维重建 |
| 4.4.1 畸变矫正 |
| 4.4.2 极线校正 |
| 4.4.3 三维坐标解算 |
| 4.4.4 欧拉角解算 |
| 4.5 三维重建误差分析 |
| 4.6 基于深度学习的三维重建算法 |
| 4.7 双目位姿测量与三维重建实验 |
| 4.8 本章小结 |
| 第5章 非合作目标测量系统实验 |
| 5.1 引言 |
| 5.2 基于单目标定技术实现道路裂缝测量 |
| 5.2.1 试验概述 |
| 5.2.2 测量原理设计 |
| 5.2.3 相机安装角度分析 |
| 5.2.4 标定试验及结果精度分析 |
| 5.3 激光雷达加可见光多模融合试验 |
| 5.3.1 系统概述与技术指标 |
| 5.3.2 测量原理设计与实验平台 |
| 5.3.3 双目与激光雷达点云融合实验 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 论文总结 |
| 6.2 论文创新点 |
| 6.3 展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（8）基于三维点云的遮挡工件识别方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 三维目标识别现状 |
| 1.2.2 点云配准现状 |
| 1.3 论文研究的主要内容与结构组成 |
| 1.3.1 主要内容 |
| 1.3.2 结构组成 |
| 第二章 系统搭建与Kinect点云采集 |
| 2.1 搭建图像采集系统 |
| 2.1.1 搭建硬件系统环境 |
| 2.1.2 搭建软件设计平台 |
| 2.2 系统校准 |
| 2.2.1 相机标定模型 |
| 2.2.2 图像校准 |
| 2.3 深度求解 |
| 2.4 实验及结果分析 |
| 第三章 工件点云预处理及分割算法研究 |
| 3.1 点云滤波 |
| 3.1.1 直通滤波 |
| 3.1.2 体素滤波 |
| 3.1.3 统计滤波 |
| 3.1.4 半径滤波 |
| 3.2 基于随机采样一致性的分割方法 |
| 3.3 基于欧式聚类的分割方法 |
| 3.4 最小割算法 |
| 3.5 遮挡判定算法 |
| 3.6 实验及结果分析 |
| 第四章 基于三维点云的工件识别研究 |
| 4.1 点云数据特征提取与描述 |
| 4.1.1 点云表面法线特征 |
| 4.1.2 点特征直方图PFH |
| 4.1.3 快速点特征直方图FPFH |
| 4.2 工件3D模型处理及特征提取 |
| 4.2.1 CAD模型点云化 |
| 4.2.2 模型点云下采样 |
| 4.3 隐式形状模型ISM |
| 4.4 实验及结果分析 |
| 第五章 基于三维点云的工件位姿估计 |
| 5.1 点云配准原理 |
| 5.2 点云粗配准 |
| 5.2.1 采样一致性初始配准SAC-IA |
| 5.2.2 基于Super4PCS粗配准 |
| 5.3 ICP精配准 |
| 5.4 实验及结果分析 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 个人简介 |
（9）一种三维点云混合校准法及其应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 3D视觉测量技术分类 |
| 1.2.1 飞行时间成像 |
| 1.2.2 三角测量法 |
| 1.2.3 运动立体恢复 |
| 1.2.4 多目立体视觉 |
| 1.3 点云校准方法研究现状 |
| 1.3.1 基于全局特征参数的校准 |
| 1.3.2 基于局部特征参数的校准 |
| 1.3.3 基于混合模型的点云校准 |
| 1.4 主要内容及章节安排 |
| 第2章 基于两步校正模型的点云校准 |
| 2.1 三维信息获取与坐标系建立 |
| 2.2 坐标系的空间映射 |
| 2.3 混合校准方法设计 |
| 2.3.1 倾斜度较正 |
| 2.3.2 主平面相对位姿校正 |
| 2.4 摄像机标定 |
| 2.5 本章小结 |
| 第3章 主平面法向量提取方法研究 |
| 3.1 主平面法向量提取中面临的问题 |
| 3.2 主平面法向量提取解决方案设计 |
| 3.3 主平面法向量提取算法原理与实现 |
| 3.3.1 K均值聚类提取法 |
| 3.3.2 密度聚类提取法 |
| 3.3.3 密度峰值聚类提取法 |
| 3.3.4 法向量提取结果评估 |
| 3.4 本章小结 |
| 第4章 混合校准法在高压线塔座机器人焊接中的应用 |
| 4.1 高压线塔座板件焊接背景介绍 |
| 4.2 塔座点云特征提取过程优化 |
| 4.3 塔座点云位姿识别对照实验 |
| 4.3.1 利用HAM法测量塔座点云位姿 |
| 4.3.2 利用SAC-IA法测量塔座点云位姿 |
| 4.4 本章小结 |
| 第5章 混合校准法在电池顶盖平面度检测中的应用 |
| 5.1 汽车锂电池顶盖平面度检测背景介绍 |
| 5.1.1 检测需求与实际问题 |
| 5.1.2 电池顶盖平面度检测方案设计 |
| 5.2 电池顶盖点云预处理 |
| 5.2.1 点云滤波 |
| 5.2.2 主平面法向量提取与优化 |
| 5.3 基于点云校准的电池顶盖平面度测量 |
| 5.3.1 HAM校准电池顶盖点云 |
| 5.3.2 ICP校准电池顶盖点云 |
| 5.3.3 平面度测量结果与验证 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 工作总结 |
| 6.2 后续研究内容 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表的学术论文与研究成果 |
（10）航天器自主导航状态估计方法研究综述（论文提纲范文）
| 1 航天器自主导航状态估计方法研究现状 |
| 1.1 可观测性分析研究现状 |
| 1.1.1 系统可观测能力定性分析方法 |
| 1.1.2 系统可观测能力量化方法 |
| 1.2 导航滤波算法研究内容及现状 |
| 1.2.1 非线性滤波 |
| 1.2.2 鲁棒滤波 |
| 1.2.3 融合滤波算法 |
| 1.3 系统误差补偿研究内容及现状 |
| 1.3.1 系统误差建模 |
| 1.3.2 系统误差补偿 |
| 2 航天器自主导航状态估计方法应用现状 |
| 2.1 可观测性分析 |
| 2.1.1 近地航天器自主导航应用 |
| 2.1.2 深空航天器自主导航应用 |
| 2.2 导航滤波算法 |
| 2.2.1 非线性自主导航系统应用 |
| 2.2.2 不确定性影响的自主导航系统应用 |
| 2.2.3 基于多敏感器测量的自主导航系统应用 |
| 2.3 系统误差补偿应用现状 |
| 3 航天器自主导航系统状态估计发展趋势 |
| 3.1 航天器自主导航系统的可观测性评价体系 |
| 3.2 多源信息条件下的快速融合滤波算法 |
| 3.3 基于统一建模的系统误差快速估计与补偿 |
| 4 总结 |
四、具有自校准能力的随机采样技术的研究（论文参考文献）
- [1]基于度量学习的多空间推荐系统[J]. 檀彦超,郑小林,魏翔宇,阳及. 计算机学报, 2022
- [2]面向森林火情的无人机航迹规划算法研究[D]. 史博辉. 西安理工大学, 2021(01)
- [3]脑部肿瘤分割监督学习模型的泛化性能研究[D]. 尹鹏宇. 北京邮电大学, 2021(01)
- [4]基于散射介质的光学加密技术研究[D]. 韩青. 太原理工大学, 2021(01)
- [5]基于摄影法的叶面积指数提取算法研究[D]. 戴学成. 电子科技大学, 2021(01)
- [6]基于点云的目标检测方法研究[D]. 杨永光. 南京邮电大学, 2020(03)
- [7]基于视觉信息的空间非合作目标近距离位姿测量技术研究[D]. 胡国良. 中国科学院大学(中国科学院西安光学精密机械研究所), 2020(06)
- [8]基于三维点云的遮挡工件识别方法研究[D]. 邵兴坤. 北方民族大学, 2021(08)
- [9]一种三维点云混合校准法及其应用研究[D]. 张开颜. 湖北工业大学, 2020(03)
- [10]航天器自主导航状态估计方法研究综述[J]. 王大轶,侯博文,王炯琦,葛东明,李茂登,徐超,周海银. 航空学报, 2021(04)