李宁宁
　　“大鹏一日同风起，扶摇直上九万里。”在航空工业试飞中心，有这么一个靠得住、依得着的团队——智能视觉测试技术攻关团队。他们没有豪言壮语，却用实际行动证明了：只要努力，没有什么是不可能的。
　　视觉测量本是试飞中心光电室的老本行，在飞行试验过程中广泛应用于空中加油、武器投放、自然结冰、机翼变形等试飞科目，为试验鉴定提供了有效的技术保障。但在科学技术日新月异、飞速发展的当下，试飞任务对数据要求趋于高效性、高质量，因此作为飞行试验必不可少的测试手段，视觉测量必须寻求改进。前进的道路是坎坷的，每一步都充满了挑战。
　　尽管目前商用的视觉测量技术已经成熟，但能够满足试飞工程的实用技术少之又少。在光电室党支部书记惠广裕的带领下，刘晓磊、高帅华、张建花、晏晖等技术骨干开始了漫漫的调研之路。他们查资料、拟订方案、试验验证，只为了寻求一种快速有效的方法提高动态目标识别与定位精度。由于每个人白天的工作时间都在完成各项型号任务以及其他工作，只有晚上或者周末才有时间专心的进行团队研究。无数个静谧的夜晚，在被黑夜笼罩的实验楼里，他们时而激烈地进行讨论，时而静悄悄地操作着实验台上的验证系统，完全沉浸在自己的学术世界里。
　　4月的一天，高帅华、张建花满脸笑容地说：“成功了，这次试验将近100米拍摄距离测量精度控制在厘米范围以内，精度又提高了！这在行业内也算是领先了。”他们相视而笑，几个月来的付出总算有了回报。
　　短暂的开心之后，他们又开始返回到自己的岗位。他们深知自己的目标是“测量精度再提高，突破最后三厘米，而且必须完成智能识别与定位测量，将关键技术牢牢掌握在测试人手中。”任务紧迫，距离他们目标的实现还有一大步，留给他们的时间仅仅只有1个月。他们从标定、识别、解算模型三个方面进行研究，最终采用四角共线极线约束标定方法实现了标定误差缩小8%；采用置信度判断模型对目标进行置信度约束，利用双目极线约束修正像点，重构修正后的锥套空间位置，减少空间点跳跃带来的精度损失；基于深度学习网络构建和卷积神经网络训练实现目标的自主识别。在试验验证阶段，应用机载影像测量手段，通过对机载自压缩高清相机同步采集、夜间近红外成像设计与光学优化等技术的创新研究，构建了机载视觉测量系统，实现了动态目标的自主识别与实时定位测量。
　　经过近半年时间的不断验证，他们成功将此项技术应用于某科研试飞科目，为该试飞任务提供了安全监控画面和实时高精度测量数据，成功保障了试飞科目的全程影像测试任务，为型号试飞的顺利进行做出了突出贡献。