为提高远程大口径舰炮对岸目标精确打击中的定位精度, 开展了基于机载激光雷达系统的目标定位误差特性分析研究。首先给出了基于机载激光雷达的目标定位流程, 建立了目标定位模型; 然后分析了影响目标定位精度的各种误差源, 建立了基于蒙特卡罗方法的误差特性分析模型; 最后通过数值仿真定量分析了误差源对目标定位精度的影响, 并提出了提高目标定位精度的措施, 为远程大口径舰炮对岸目标精确打击定位精度的提升提供了参考和依据。

无人直升机担负着越来越重要的作战使命, 而甲板运动是影响其着舰安全的重要因素, 对着舰甲板运动进行精确预估与补偿是亟待解决的难题。为此, 基于自适应AR模型与最优预见控制方法, 提出了一种甲板运动预估与补偿方法。基于AR模型设计甲板运动预估器时, 引入时变因子设计了自适应模型参数更新律优化模型性能, 强调数据的实时性, 仿真结果表明, 该方法在一定程度上提高了甲板运动预估的准确性, 且计算相对简单; 将甲板运动预估器产生的预估信号作为可预见的未来信息引入预见控制器, 并基于最优控制理论对着舰甲板运动进行补偿, 较好地改善了甲板运动补偿系统相位延迟问题, 并在一定程度上提高了甲板运动跟踪精度, 进而提高无人直升机着舰成功率。

语义分割是计算机视觉领域的核心技术,通过对图像中的每个像素点进行分类,将图像分割成若干个具有特定语义类别的区域。近年来,卷积神经网络(CNN)不断取得突破性进展,利用深度学习方法处理语义分割问题展示出具大的潜力。首先从语义分割的定义出发,探讨了目前语义分割领域存在的挑战。在介绍CNN相关原理的基础上,详细对比了几种用于语义分割算法评测的数据集,并重点对近年来语义分割领域基于解码器、信息融合和循环神经网络的深度学习方法进行综述。最后进行总结和展望,阐述了未来语义分割领域在进一步丰富数据库场景、提高算法实时性和开展三维点云语义分割三方面的发展趋势。

密集杂波环境下，传统的点迹融合方法进行点迹数据关联处理时，运算量大、错误关联明显。针对这一问题，提出一种基于点迹态势图像处理的数据关联方法。首先根据传感器探测性能与目标速度范围估计实现点迹量测的图像化，生成点迹态势图像;然后对图像进行邻域连通性判别等形态学处理，实现杂波点迹的剔除。结合像素点对应点迹含有的时间信息进行连通域标记，得到不同目标点迹的归类划分，进而实现点迹数据的关联处理。仿真验证表明，该方法从原理上避免了组合爆炸，降低了运算量，且能够很好地解决错误关联问题，提高数据关联处理的准确性。