-
题名基于改进SURF的飞行训练科目自动识别
- 1
-
-
作者
张娅岚
刘芳
刘伟杰
魏永超
-
机构
中国民用航空飞行学院计算机学院
-
出处
《电讯技术》
北大核心
2025年第10期1579-1586,共8页
-
基金
中央高校基本科研业务费专项资金资助(24CAFUC03039)
西藏自治区科技重大专项资金资助(XZ202101ZY0017G)。
-
文摘
现有飞行训练科目识别方法在复杂机动动作识别中存在滞后性,忽视了现代数字技术的应用与最新规章制度的更新,其核心挑战在于如何降低匹配误差率并提升运算速度。针对上述问题,设计并构建了一种混合自动识别框架(SURF-FLANN-RANSAC Hybrid Algorithmic Framework,SFR)。首先,采用改进的加速稳健特征(Speeded Up Robust Features,SURF)算法实现驾驶舱场景内的图像特征提取与匹配。其次,引入近似最近邻快速搜索库(Approximate Nearest Neighbors,FLANN)匹配器以加速特征匹配过程,提升特征匹配效率与精度。然后,基于随机采样一致性(Random Sample Consensus,RANSAC)算法消除误匹配问题,增强算法整体鲁棒性。在大坡度盘旋、懒“8”、急上升转弯3个典型飞行训练场景自建数据集上的实验结果表明,该算法的识别精度分别为94.58%、62.95%、86.72%,与表现次佳的算法相比,分别提升了1%、20%、4%,且处理速度上实现了显著改善,为飞行训练的智能化管理提供了强有力的技术支持。
-
关键词
飞行训练动作识别
图像特征提取
特征点匹配
加速稳健特征(SURF)
-
Keywords
identification of flight training action
image feature extraction
feature point matching
speeded up robust features(SURF)
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
