提出了一种快速鲁棒性非线性尺度不变的特征匹配算子(speeded up robust nonlinear scale invariant feature,SURNSIF),通过检测子非线性尺度空间的快速求解去除了噪声,同时保证了图像边缘细节,并将自适应选取尺度空间组数、adaptive and generic corner detection based on the accelerated segment test(AGAST)与框状拉普拉斯滤波器去除边缘响应相结合,兼顾了检测的准确性与实时性;描述子交叠带的构建、规范微分响应与非线性尺度空间约束的引入增强了描绘准确性。通过与scale invariant feature transform(SIFT)、speeded up robust features(SURF)、KAZE、binary robust invariant scalable keypoints(BRISK)、AGAST以及快速海森(fast-Hessian)的实验对比,SURNSIF的5种变换鲁棒性均较强,同时速度也更快,综合性能较KAZE提高约10.87%,速度提高约47%。
针对传统的自行火炮供电系统的故障检测和试验方法效率低且测试周期长,不便于现场检测的问题,提出了一种车载供电系统的不解体自动检测方案。该方案采用测试集成的设计思想,以 PC 机和数据采集系统为基础,配置相应的传感器模块对供电系统的电压、电流及转速进行检测,并由检测系统软件完成数据处理。通过对检测结果分析,判断供电系统的故障和剩余寿命。
