基于卷积神经网络(CNN)的目标位姿估计模型的损失函数大多采用两点之间的欧氏距离作为评判准则,虽然该损失函数计算简单、运算速度快,但训练规则不够全面、缺乏对目标的全局认识。针对这一问题,提出了一种基于组合型损失函数的ComPoseNet模型,并进行位姿估计。此模型中的损失函数从空间学习的角度出发,同时利用两点欧氏距离、两点直线和两点直线角度等作为训练规则。相比传统损失函数,此算法分别从点、线以及角度方面考虑了目标的空间整体位置,进一步减小了估计位姿与真实位姿之间的误差,位姿估计得以改善。在LineMod数据上进行大量的实验和分析,结果表明,在相同的训练次数情况下,本文算法比传统算法收敛速度快、精度高、误差小,其中平移误差降低了7.407%,角度误差降低了6.968%。

为了研究气压对车载光电系统成像质量的影响，在分析气压变化对光电系统离焦影响的基础上，建立了气压引起光电系统成像模糊的数学模型。通过建立某轮式火炮瞄准镜的光学系统模型，并设置不同的环境气压对系统模型进行仿真分析，最终得到了不同气压下该瞄准镜的成像仿真图像。利用灰度平均梯度法对仿真图像进行评价，并得出结论：环境气压越低，图像越模糊，该瞄准镜的成像质量越差。此研究对新型车载光电系统的环境适应性设计具有重要的参考价值。

为了研究温度对车载瞄准镜成像质量的影响，在分析温度变化对光学系统结构参数影响的基础上，以某火炮瞄准镜为研究对象，建立其光学系统模型，通过设置不同的环境温度对系统模型进行了仿真分析。利用弥散斑的均方根值来表征光学系统的成像质量，得到了不同温度下该瞄准镜成像质量的变化规律。仿真结果表明：该瞄准镜在低温环境下的成像质量总体优于高温环境，并且在－20 ℃左右达到最优。此研究为进一步评估温度对车载光电系统成像性能的影响打下了良好基础，为新型车载瞄准镜的环境适应性设计提供了重要的参考。