经纬恒润—自动驾驶算法岗

汇报人：高客
新型共轴无人直升机

自强不息；先天下之忧而忧，后天下之乐而乐 2 http://www.shu.edu.cn/
目录CONTENTS
数学建模

控制算法设计
数学建模
一、力分析

假设：  start1: F  sin   Z 难点①：如何用滚转角和俯仰角表示上电机与
 3

 F  x  y  z
2 2 2 2

 z
 sin  3 
 x  y2  z2
2

 z z
 start 2 : tan 1  y , tan  2  x

 1 1 x2  y2  z 2
a x h b 

 1  
tan 2 1 tan 2  2

z2
y  1 1
 sin  3  
d i c  1
1

1
1 
cos 2 1 cos 2  2


z F 
tan 2 1 tan 2  2 sin 2 1 sin 2  2
 1
 sin  3 
 sin 2 1 sin 2  2  cos 2 1 sin 2  2  cos 2  2 sin 2 1
 2 3 j  sin 2 1 sin 2  2
1 Ob Xb 
e  sin 2 1 sin 2  2
 sin  3 
 sin 2 1 sin 2  2  cos 2 1 sin 2  2  cos 2  2 sin 2 1
g k f 
 sin 2 1 sin 2  2 sin 2 1 sin 2  2
 sin  3  
 sin 2  2  cos 2  2 sin 2 1 sin 2  2  cos 2  2 sin 2 1

 sin 2 1 sin 2  2 sin 2 1 sin 2  2
Yb  sin  3 
1  cos 2  2  cos 2  2 sin 2 1

1  cos 2  2 cos 2 1
Zb 
 sin   sin  sin 
 3 1 2

自强不息；先天下之忧而忧，后天下之乐而乐 5 http://www.shu.edu.cn/
新型共轴无人直升机

自强不息；先天下之忧而忧，后天下之乐而乐 6 http://www.shu.edu.cn/
新型共轴无人直升机

自强不息；先天下之忧而忧，后天下之乐而乐 7 http://www.shu.edu.cn/
新型共轴无人直升机

自强不息；先天下之忧而忧，后天下之乐而乐 8 http://www.shu.edu.cn/
Mallat 算法

核心在于确定一对滤波器，
然后与原信号进行卷积

低通滤波器 ( 有时候也
会用来表示 ) ，他就是
尺度函数系数

高通滤波器 ( 有时候也会
用来表示 ) ，他就是小波
函数系数

自强不息；先天下之忧而忧，后天下之乐而乐 9 http://www.shu.edu.cn/
Mallat 算法

分解滤波器

重构滤波器 逆序

自强不息；先天下之忧而忧，后天下之乐而乐 10 http://www.shu.edu.cn/
实验结果

自强不息；先天下之忧而忧，后天下之乐而乐 11 http://www.shu.edu.cn/
实验结果

自强不息；先天下之忧而忧，后天下之乐而乐 12 http://www.shu.edu.cn/
控制律设计
小波处理问题的核心思想

利用处理后的系数进行重构
对信号进行小波变换，得到分 得到处理后的信号
解系数
4

3
获得一个信号
对分解后的系数进行操作

自强不息；先天下之忧而忧，后天下之乐而乐 14 http://www.shu.edu.cn/
硬阈值去噪法：
在运用硬阈值去噪时，先比较阈值和含噪信号的小波系数，再进行判断和处理。如果小波系数的模小于选定的
阈值，就认定这个图像的小波系数是由图像中的噪声信号引起的，可将小波系数置为零。如果小波系数的模大
于或等于选定的阈值，就将图像的小波系数保留下来，此时小波系数由图像中的有效信号构成。

比较阈值和含噪信号的小波系数的表达式：

 j ,k ,  j ,k  


 j,k 
0,  j ,k  

 j ,k 表示经过处理得到的小波系数
表示小波阈值
 j ,k 表示含噪图像经过小波变换得到的小波系数 由图可知，硬阈值函数在 λ 处发生阶跃，使去噪后图像失去平滑
性，导致边缘部分不连续，进而影响质量。

自强不息；先天下之忧而忧，后天下之乐而乐 15 http://www.shu.edu.cn/
软阈值去噪法：
先将小波系数与选定阈值进行比较，再进行判断处理。当小波系数的模小于选定的阈值时，将小波系数设置为
0，
当小波系数的模大于或等于选定的阈值时，将处理后的系数设置为原始小波系数的模与所选定阈值的差值。

0,  j ,k  


 j,k 
sgn( j ,k )(  j ,k   ),  j ,k  


 j ,k 表示处理后的小波系数
表示小波阈值
sgn( j ,k )(  j ,k   )表示含噪图像经过小波变换得到的小波系数
经过软阈值函数处理后，信号的连续性比硬阈值函数处
理的好，平滑性更接近原始信号。

自强不息；先天下之忧而忧，后天下之乐而乐 16 http://www.shu.edu.cn/
相关性去噪

原理：比较每一层每一个位置的归一化位置的相关系数，从相关性的大小判断是信号还是噪声控制
的点。

具体的步骤：
自强不息；先天下之忧而忧，后天下之乐而乐 17 http://www.shu.edu.cn/
评价指标

 
 2

A
峰值信噪比 PSNR  10log10  M N


越大越好
1
   f (i , j )  g (i , j ) 2

 MN i 1 j 1 

M N
1
均方根误差 MSE    f (i , j )  g (i , j ) 2
越小越好
MN i 1 j 1

M N

 f (i, j ) * g (i, j )
i 1 j 1
归一化相关性 NC  M N M N
约接近 1 越好
 
2 2
f (i, j ) g (i, j )
i 1 j 1 i 1 j 1

自强不息；先天下之忧而忧，后天下之乐而乐 18 http://www.shu.edu.cn/
实验结果

自强不息；先天下之忧而忧，后天下之乐而乐 19 http://www.shu.edu.cn/
图像降噪

p M N time
阈值
相关性

自强不息；先天下之忧而忧，后天下之乐而乐 20 http://www.shu.edu.cn/
谢谢倾听