排序方式： 共有5条查询结果，搜索用时 15 毫秒
1
1.
2.
单像空间后方交会可描述为非线性最小二乘问题，不可导、法方程系数矩阵病态以及陷入局部极值是造成其数值过程不收敛的主要原因。不同地区的控制点空间分布不具相似性，若把同一地区同一组控制点之下数张已知外方位元素的像片看作一个样本集，则在给定每个外方位元素初值的前提下，可通过监督学习方法求取外方位元素的整体下降方向；而对于单像空间后方交会中因前述原因不收敛的情况，则可采用整体下降方向近似解算。以此为出发点，提出一种单像空间后方交会求解的监督学习方法，主要过程是:①训练阶段，利用监督学习过程，对同一测区内不同姿态像片所组成的样本集进行整体外方位元素的求解，得到该测区外方位元素的整体下降方向集合；②测试阶段，对该测区的任意像片，给定外方位元素的初值，直接采用训练阶段得到的整体下降方向集合进行外方位元素的迭代求解。对比试验表明，该方法在数值过程收敛性与初值依赖性上均表现出较强的优势，并能克服欧拉角法因法方程系数矩阵病态而无法收敛的情况。 相似文献
3.
针对三维坐标求解精度受非线性误差影响的问题,提出了一种多像前方交会与单隐层BP神经网络相结合的方法。基本过程为:①在样本点真实世界坐标已知的条件下,构建关于世界坐标的拉格朗日方程,对相机外参进行优化,以得到更高精度的三维坐标初值。②利用计算得到的三维坐标和真实三维坐标分别作为输入和输出参数对单隐层BP神经网络进行训练。③将三维坐标初值带入网络模型对其进行改正。试验结果表明:①相较于前方交会、稀疏光束法平差及典型神经网络方法,在试验装置环境视场内,本文方法解算精度较高,最大偏差为0.492 7 mm。②相较于典型神经网络方法,本文网络结构为3-6-3,结构简单且计算效率高。 相似文献
4.
在运动控制应用场景中,由于疲劳等原因会导致设备微小形变,因此需要更加密集的观测手段与恢复方法.考虑到待检设备的摄影测量属性及高帧频相机高信息量特性,利用240帧/s的高帧频电荷耦合元件(charge coupled device,CCD)相机结合摄影测量方法实现对运动控制轴形变信息的精确量测,具体步骤如下:(1)固定标... 相似文献
5.
针对相机大视场感兴趣目标分辨率不足的问题,提出短基线同轴约束模型并设计主从相机原型, 大视场相机用于监视整个视场,主动相机用于对目标区域进行指向性高清观测。基本过程为:（1）利用短基线同轴约束模型简化相机外参矩阵, 并构建大视场相机与主动相机间的映射关系,通过三角函数计算主动相机初始控制参数;（2）在近距离场景下,对主动相机控制参数进行补偿。实验结果表明,相机只需一次离线标定即可适应各种场景。观测目标与大视场相机距离3~10 m的近距离场景下,目标在主动相机图像中的实际位置与理论位置误差在30像素以内;远距离场景的有效距离内,误差在6像素左右。计算单一目标点对应主动相机控制参数的时间不超过0.2 ms。原型对目标场景、目标深度无依赖性,且用于较远目标观测时相对于其他方法在精度与时效性方面具有较高优势。 相似文献
1