weixin_44991673的博客

原创 【论文阅读】AI 赋能基于模型的系统工程研究现状与展望

本文探讨了人工智能（AI）如何赋能基于模型的系统工程（MBSE）以应对复杂系统设计挑战。文章指出MBSE相较于传统方法更具优势但仍面临建模自动化低、历史模型重用困难等问题。综述了AI在MBSE三大环节的应用：需求管理（智能分析验证）、系统建模（自动生成图表）、验证确认（优化设计方案）。关键技术包括NLP文本处理、大语言模型语义理解、知识图谱信息整合。尽管取得进展，当前研究仍存在生命周期覆盖不足、数据稀缺等瓶颈。未来趋势将聚焦LLM跨领域知识整合、人机协同建模及生成式系统设计，推动MBSE向更高智能化发展。

原创 【会议跟踪】Model-Based Systems Engineering (MBSE) in Practice 2025

摘要：2025年8月21日在美国阿灵顿举行的MBSE会议聚焦基于模型的系统工程(MBSE)在数字化转型中的关键作用。会议涵盖15个核心议题，包括国防采办风险建模、测试验证技术、MBSE与DevSecOps融合、数字工程协同等前沿方向，特别关注国防领域应用场景如DoDAF架构建模、网络安全增强和CPS安全保障。会议将探讨MBSE实施中的组织变革挑战、工具链缺口及可视化技术，为从业者提供从理论到实践的系统化解决方案。

原创 【会议跟踪】ICRA 2021 Workshop:Visual-Inertial Navigation Systems

视觉惯性导航系统研讨会摘要 本次研讨会聚焦视觉惯性导航系统在AR/VR、无人机和自动驾驶领域的应用。会议邀请了多位专家分享最新研究成果，包括Patrick Geneva博士（特拉华大学）关于视觉惯性导航系统的主题演讲。演讲内容涵盖多状态约束卡尔曼滤波器(MSCKF)、批量最小二乘法(BLS)预先积分和增量优化等核心算法。会议还设置了论文投稿环节，旨在促进该领域的技术交流与发展。通过理论讲解和案例展示，会议为参会者提供了深入理解视觉惯性导航系统前沿技术的机会。

原创 【论文阅读】美 MBSE 方法发展分析及启示(2024)

这篇2024年发表的论文系统梳理了美国防部基于模型的系统工程（MBSE）方法发展历程与技术原理，重点分析了《数字工程战略》等三大数字战略文件和采办政策体系对MBSE的顶层部署。研究揭示了美各军种数字化转型中MBSE的应用特点。研究表明，MBSE的推广需要战略引领、模型支撑和质量转型协同推进，为军工企业应用该方法提供了重要参考。

原创 【论文阅读】Ensuring Semantic Consistency in SysML v2 Models Through Metamodel-Driven Validation

论文提出了一种基于元模型驱动的SysML v2模型语义一致性验证方法，解决了SysML v2版本缺乏标准化验证工具的问题。研究通过构建元模型驱动的验证框架，支持语法和语义双重验证，采用ANTLR解析器进行语法树分析，并引入智能建议模块提升纠错能力。实验表明，该方法在25个跨领域模型中达到98.02%的语法错误和95.58%的语义错误检测率。研究填补了SysML v2验证技术空白，为复杂系统建模提供了可靠性保障，未来将扩展验证能力并优化大规模模型处理效率。

原创 【论文阅读】基于元模型的体系知识图谱构建

文章围绕体系架构与知识图谱构建展开分析。体系架构是复杂系统设计的核心方法，文章列举了DoDAF、TOGAF等国际主流框架。在知识图谱构建方面，重点介绍了Protégé工具的应用流程及七步法、METHONTOLOGY等7种本体构建方法，对比了各方法的优劣势，其中七步法最经典但灵活性不足，METHONTOLOGY适合大型项目。为系统架构设计和知识图谱构建提供了方法论参考。

原创 @【JCIDS】【需求论证】联合能力集成与开发系统知识图谱

美国的JCIDS（联合能力集成与开发系统，Joint Capabilities Integration and Development System）是由美国国防部（DoD）在2003年正式提出的，旨在取代原有的需求生成系统（Requirements Generation System, RGS），以更高效地识别、评估和优先发展军事能力。本文旨在总结相关知识点，加深初学者认识。

翻译 【译文学习】如何选择适用于基于模型的系统工程(MBSE)的SysML建模工具?

摘要： 选择适合MBSE项目的SysML建模工具至关重要，但商业工具厂商的营销策略和功能堆砌常使工程师陷入困惑。工具选型需平衡技术适配性、组织成熟度和可持续性，价格差异可达10倍以上（300美元至1万美元）。建议采用标准化选型流程，包括明确需求、制定评价标准、权重分配、候选清单构建、系统性评估和最终决策，尤其关注工具的可用性与标准符合度而非单纯价格。研究表明，高价工具未必高效，而合理预算分配（如节省采购成本用于培训）可能更利于项目成功。

原创 【论文阅读】 智能用户界面的用户接受度研究——以旋翼机飞行员辅助系统为例（ Miller, C.A. & Hannen, M.D. in 1999）

该论文研究了旋翼机飞行员辅助系统(RPA)中智能用户界面的用户接受度，重点关注其核心组件驾驶舱信息管理器(CIM)的设计与评估。CIM具有机组意图估计、页面选择等六大智能行为特征，通过全任务模拟实验测试，飞行员对CIM的接受度较高(平均评分4.15/5)，尤其肯定其符号选择功能，且CDAS配置显著降低了工作负荷(p<0.05)。研究表明，尽管存在偶发误报，高可预测性和任务协同性设计使飞行员持续使用CIM，验证了智能界面在军事航空中的实用价值。该研究为作战直升机的人机系统优化提供了重要参考。

原创 【论文阅读】人工智能在直升机航空电子系统中的应用

本篇论文主要概述直升机智能航空电子系统以及人工智能在直升机中的应用。美国在之前的测试中表明，使用 RPA 技术可以降低飞机执行任务的错误率，缩短 32% 的任务重新规划时间，为驾驶员提供最大的帮助。文章表明在机器性能相差不大的情况下，驾驶员与人机的双层次OODA 环路周期速率协同是发展的关键，为此，需要加强对驾驶员认知、决策等方面的训练，以减少空战链路上其工作负荷，并通过优化人机协作的方式，确保在对抗过程中减少错误，提高反应的速率。

原创 【听课笔记】航空航天概论(国家精品课程 北京航空航天大学)

了解掌握 航空航天基础理论知识。

原创 颜色码对照表

如何使得内容有色块设置

原创 自动控制原理绪论以及一般概念

整体自动控制理论的绪论上半节内容可以简单的以主要知识点大纲，三到四个现实生活常见系统示例和多个领域的应用来作为引入，使得第一次接触的人有感性认知和现实生活有所联系。注意例子的时间不要过于老旧。然后开始介绍历史发展沿革，相关抽象概念引入，定义引入。（[听课笔记]自动控制原理 西北工业大学 卢京潮）.....................

原创 信息化武器装备(中北大学)学习笔记（１）

军事理论国防教育课程着重记录机器人方面内容：在人类发展史上。宏观战争是政治的延续,今天我们发展成了空间，网络，电磁等多维空间等。武器装备是用于作战和保障作战及其他军事行动的武器、武器系统、电子信息系统和技术设备、器材的统称。主要指武装力量编制内的监听，飞机，导弹，雷达，坦克，火炮，车辆和工程机械，分战斗装备，电子信息装备和保障装备。武器装备系统是指为完成一定的军事任务，由相互配合的武器和技术装备组成并具有一定作战功能的有机整体。......

原创 数字图像处理基础试讲准备

完成一次完整的教学展示过程，要包括老师提问，安排课堂活动，学生合作解决问题等过程的再现。一次好的试讲应该有完整的教学步骤，包括知识点导入，内容讲授，总结与布置作业。时间有限的情况下语言组织能力和应变能力很重要。我们要求教学语言生动富有感染力的同时，做到精练。

原创 【论文摘要】Monocular Object and Plane SLAM in Structured Environments

IEEE ROBOTICS AND AUTOMATION LETTERS 2019Monocular Object and Plane SLAM in Structured EnvironmentsLink：https://arxiv.org/pdf/1809.03415.pdf数据集：ICL NUIM and TUM MonoWe first propose a high order graphical model to jointly infer the 3D object and layout

原创 毕业论文答辩准备工作

各位老师好！我叫XXX，来自XXX，我的论文题目是“xxxxxxx”。在这里，请允许我向XX老师的悉心指导表示深深的谢意，向各位老师不辞劳苦参加我的论文答辩表示衷心的感谢。下面我将从论文的思想内容、结构框架、遣词造句三个方面向各位老师作一大概介绍，恳请各位老师批评指导。Good Morning,ladies and gentlemen,I am xxx,a student majored in master robotics from xxxxxx, before the presentation,I w

原创 pcl点云平面提取检测RANSAC

平面提取检测的方法https://github.com/muratkendir/PlaneDetectionwPCL报错一：找不到头文件include路径更改符号，系统不同注意斜杠方向，解决路径报错问题。对‘pcl::SACSegmentation<pcl::PointXYZ>::segment(pcl::PointIndices&, pcl::ModelCoefficients&)’未定义的引用warning: ‘pcl::SAC_SAMPLE_SIZE’ is d

原创 c++ Eigen库中的矩阵分析为什么使用QR分解

学习QR分解最好的一句话是这样说的：“把质的困难转化为量的复杂，转化前是一个相对复杂的矩阵，转化后矩阵简单但是数量多于一个。”真的是精髓之所在。

原创 图解PVIO边缘化过程

原创 逆深度参数化的相关整理与思考

Inverse Depth Parametrization for Monocular SLAM论文翻译：https://blog.csdn.net/u014709760/article/details/88091720/逆深度：我们经常用一个点的世界坐标x,y,z三个量来描述它，这是一种参数化形式。我们认为x,y,z三个量都是随机的，它们服从三维的高斯分布。然而，在极线搜索中使用了图像坐标u,v和深度值d来描述某个空间点（即稠密建图）。我们认为u,v不动，而d服从（一维的）高斯分布，这是另一种参数化

原创 点云生成bug记录

terminate called after throwing an instance of 'cv::Exception' what(): /home/eminbogen/下载/opencv-3.1.0/modules/calib3d/src/ptsetreg.cpp:178: error: (-215) confidence > 0 && confidence < 1 in function run解决方法：https://blog.csdn.net/unlimi.

原创 c++解决 /usr/include/c++/7/thread:122：对‘pthread_create’未定义的引用

解决/usr/include/c++/7/thread:122：对‘pthread_create’未定义的引用g++ -std=c++11 -o main main.cpp -lpthread

原创 c++如何解决段错误 (核心已转储)

在后端优化中遇到了段错误 (核心已转储)问题，寻求解决方法。首先通过不断的注释部分代码，运行，注释，运行，找到一个大概的范围是错在哪一块。这类问题只能说根本原因是内存的非法操作。建议生成内存段错误转储文件，发生段错误后用gdb分析该文件定位到发生段错误的代码上，这样才能确定导致段错误的直接原因。 -国庆GDB大法好，直接定位到相关的信息上去，使用gdb ggoLearning 进入调试界面gdb ggoLearning GNU gdb (Ubuntu 8.1-0ubuntu3.2) 8.1.0

原创 【论文阅读】PlaneMatch: Patch Coplanarity Prediction for Robust RGB-D Reconstruction

参考文献[1] Yifei Shi, Kai Xu*, Matthias Niessner, Szymon Rusinkiewicz and Thomas Funkhouser, “PlaneMatch: Patch Coplanarity Prediction for Robust RGB-D Reconstruction,” ECCV 2018论文开源代码：https://github.com/yifeishi/PlaneMatch.基于Pytorch. Both Python 2.x and 3

原创 c++解决对‘vtable for g2o::VertexSBAPlaneomg’未定义的引用

CMakeFiles/ceresLearning.dir/ceresLearning.cpp.o：在函数‘g2o::VertexSBAPlaneomg::VertexSBAPlaneomg()’中：/home/user/work/slam-tutorial-gx/partI/include/mylib/g2o_opt_type.h:21：对‘vtable for g2o::VertexSBAPlaneomg’未定义的引用collect2: error: ld returned 1 exit status

原创 c++成功解决static用法报错解决：cannot declare member function to have static linkage [-fpermissive]

静态函数和非静态函数的区别静态函数无需创建对象即可以直接使用类class::func的形式使用。 error: cannot declare member function ‘static Eigen::Vector3d QuatPlane::logQuat(Eigen::Quaterniond)’ to have static linkage [-fpermissive] static Eigen::Vector3d QuatPlane::logQuat(Eigen::Quaterniond q.

原创 深度学习物体检测之环境配置作业二

Anaconda的使用教程第一步：检查自己的环境是否安装成功，终端输入 conda --version(base) warmtree@warmtree-HP-Pavilion-Laptop-15-cc5xx:~$ conda --versionconda 4.6.11第二步：查看自己的现存环境，输入conda env list参考conda操作命令的链接检查是否有nvidia显卡，lspci | grep -i nvidia输入 cat /proc/driver/nvidia/ver

原创 验证如何更新四元数

罗德里格斯公式罗德里格斯公式Rodrigues’Rotation Formulaθ←norm(r)r←r/θR=cos⁡θI+(1−cos⁡θ)rrT+sin⁡θ[r]×\begin{array}{l} \theta \leftarrow norm(r) \\ r \leftarrow r/ \theta \\ R = \cos{\theta} I + (1- \cos{\theta} ) r r^T + \sin{\theta} [r]_{\times} \end{array}θ←norm(r)

原创 数学基础：四元数的计算求导问题

原创 c++ Eigen库常见错误汇总（1）

error: static assertion failed: INVALID_VECTOR_VECTOR_PRODUCT__IF_YOU_WANTED_A_DOT_OR_COEFF_WISE_PRODUCT_YOU_MUST_USE_THE_EXPLICIT_FUNCTIONS #define EIGEN_STATIC_ASSERT(X,MSG) static_assert(X,#MSG);矩阵维度不匹配导致的无法计算问题error: static assertion failed: YO

原创 Python 可视化

三维空间点的绘制：'''Create on 2021/06/09@author: Feishu Luyi'''import numpy as npimport matplotlib.pyplot as pltimport mpl_toolkits.mplot3dimport random'''def createPlanePoints(int nbpts): random.seed(1) random.uniform(1, 10) x = np.random.

原创 原始/etc/profile文件

# /etc/profile: system-wide .profile file for the Bourne shell (sh(1))# and Bourne compatible shells (bash(1), ksh(1), ash(1), ...).if [ "${PS1-}" ]; then if [ "${BASH-}" ] && [ "$BASH" != "/bin/sh" ]; then # The file bash.bashrc already s

原创 @【面特征】【参数化放入g2o】带有更高维特征的图优化SLAM平面表达

We tackle the problem of plugging planes into the g2o optimization framework with two distinct plane representations: one based on a properly stated SE(3) parametrization and one based on a minimal parametrization analogous to quaternions.评价好坏的标准为Absolu.

原创 MyG2O中平面类的学习

原创 @【面特征】【平面约束简化BA】MAV Visual SLAM with Plane Constraint（ETH）(ICRA11)

论文想要简化BA，make use of the plane constraint to reduce the complexity of BA，BA功能：. BA works by minimizing the reprojection errors from an initial estimate of the full camera trajectory and map points using non-linear least square minimization methods such as

原创 normalized与Normalize区别

Vector3.normalized的作特点是当前向量是不改变的并且返回一个新的规范化的向量；Vector3.Normalize的特点是改变当前向量，也就是当前向量长度是1

原创 @【面特征】【平面约束】From Points to Planes -Adding Planar Constraints to Monocular SLAM Factor Graphs（IROS20）

这篇文章加平面约束，但是没有计算面特征的雅可比，而是使用平面内特征点作为节点参与图优化。Our formulation, differently from the state of the art, allows us to incorporate general planes, independently of depth information or CNN segmentation being available (although we could also use them)独立于深度信息和C

原创 @【面特征】【RGBD平面检测】Plane-Based Optimization of Geometry and Texture for RGB-D Reconstruction of Indoor

论文开源代码：https://github.com/chaowang15/RGBDPlaneDetection平面检测使用理论支持：Fast Plane Extraction in Organized Point Clouds Using Agglomerative Hierarchical ClusteringMRF使用:https://vision.middlebury.edu/MRF/code/,这里包含有立体视觉，多视图几何，条件随机场，LATEX引用：@inproceedings{wang

原创 @【面特征】【流形封装】【论文阅读】通用传感器融合算法与状态表达的流形封装

词汇释义topological拓扑的ad-hocfor or concerned with one specific purposeencapsulate封装Unscented Kalman Filterinertial navigation systems（INS）惯性导航系统[1]C. Hertzberg et al.:"Integrating Generic Sensor Fusion Algorithms with Sound St...