高速弹丸运动参数是衡量武器及弹药性能的重要指标,一直是武器系统测试的重点和难点。目前用于高速弹丸运动参数的测试测量系统多采用被动式激光光源作为照明系统,不仅对光源能量的利用率低,而且对光源能量要求高。此外,因对周边环境因素比较敏感,传统的图像处理算法对目标弹丸的识别具有极大的局限性。为了解决这些问题,本文研制了一套组合式主动激光光源照明系统,开发了一套基于深度卷积神经网络的目标弹丸智能识别算法,并搭建了激光阴影照相测试系统试验验证平台。主要研究内容如下:(1)阐述了激光阴影照相测试系统的测量原理,详细介绍了该系统的各个模块,重点研制了组合式主动激光光源照明系统,并计算了激光器激光脉冲宽度和激光器能量等主要参数。(2)建立了高速弹丸运动参数求解模型,利用相机标定技术、相机成像原理和最小二乘法,计算了相机内参和坐标系转换矩阵等模型参数,并利用均值误差对模型参数进行了评估,验证了模型参数的准确性。(3)考虑到采用传统图像处理算法的局限性,将深度卷积神经网络算法应用到目标弹丸的识别中,开发了一套目标弹丸智能识别算法,经过网络训练和测试,该算法对目标弹丸的识别精度达到99%,对一幅图像的识别时间大约为2s,充分说明了该算法的有效性和实时性。(4)根据以上研究结果结合高速弹丸运动参数求解算法,搭建了激光阴影照相测试系统试验验证平台,并进行了20次对比试验,从对测量数据的结果可以看出,在X轴方向的均值误差为4.44mm,在Z轴方向的均值误差为1.94mm。测量误差在可接受的范围内,证明了该系统能够满足测试测量要求。