基于三线结构光的相机平面标定方法研究

相机标定技术是结构光三维视觉测量的关键技术之一,结构光测量系统的相机标定的精度对三维测量的精度有很大影响;首先对三线结构光系统图的相机标定方法进行了分析,简单介绍了工业相机成像的几何模型及标定的原理;其次利用Harris角点检测方法提取特征点坐标,并选用了BP神经网络来校正工业相机的畸变模型,以提高标定算法的优化速度和标定精度;最后采用张正友的平面标定法对校正后的摄像机模型进行标定实验,由实验结果知,该方法具有一定的准确性和有效性,在一定误差范围内,基于神经网络畸变校正的张正友相机标定能够有效提高视觉检测的精度。     

安置元素测图对POS外方位元素的精度需求

基于POS辅助航空摄影测量直接对地目标定位理论,根据误差传播定律建立了物方坐标精度与影像外方位元素精度的关系模型,并从理论上分析了各种基本比例尺地形测图对影像外方位元素的精度需求。通过对摄自不同地区、多种摄影比例尺航摄影像的实验表明,由POS系统获取的影像外方位元素进行安置元素测图完全可以满足各种比例尺、不同地形图测绘的精度要求,但为了满足地物点的高程精度,对影像外方位元素的精度需求较用于平面测图时的至少要高出一倍以上。     

基于双目视觉的物体尺寸测量系统

提出了一种基于双目视觉的物体尺寸测量系统,用于非接触式测量物体尺寸。该系统采用张正友棋盘标定法进行双目相机标定,并利用标定参数对采集的图像进行校正。通过采用图像分割技术和角点检测算法获取待测物体的特征点。通过立体匹配算法对校正图像进行处理,得到视差图。根据三角形相似性原理计算特征点的三维坐标,计算出物体尺寸的信息。实验结果表明,该系统具备较高的测量精度,具有一定的实用性和应用前景。     

A 型GPS􀀁OEM 板定位精度综合测试

通过进行两种型号的GPS接收机在静态和动态条件下的对比测试，分析得到了A型GPS-OEM接收机的数据采集时间、距基站距离对定位精度的影响规律，并测定了该型接收机的面积测量精度。因此得出，该型接收机能够满足1 ：1万底图的土地变更调查的界址点和面积量算的精度要求。     

电磁流量计中的抗工频干扰问题

对消除电磁流量计信号中的工频干扰问题进行了分析和探讨。在理论上分析了不同的励磁频率，采样点及宽度对测量精度的影响。经实际证明，利用理论分析的结果可以提高测量精度与加宽测量范围。     

高效的图模型点模式匹配算法

点模式匹配的概率图模型具有很好的匹配精度,但是计算复杂度较高,当隔离子中包含异常点（outlier）时匹配精度会受到较大的影响。为了提高匹配的速度和精度,提出了一种由粗到精的图模型点模式匹配算法。利用包含特征点的窗口,用标准化互相关方法对特征点进行粗匹配,以减少异常点的数量,提高后续匹配方法的速度和精度。提出了一种新的点模式匹配的概率图模型,这种图模型能综合利用特征点的位置信息和包含特征点的邻域的灰度信息。利用提出的概率图匹配方法对粗匹配所得到的点对进行分段匹配,得到精确的匹配结果。对光学图像和遥感图像的匹配实验显示该方法能显著减少点模式匹配时间,提高匹配的精度。     

序贯实验设计法在吸附平衡实验中的应用

采用序贯实验设计法对正葵烷在5A分子筛上的吸附等温线实验进行了实验设计。根据Box和Lucas所提出的使待估参数联合置信域的容积趋于最小的参数估算的序贯实验设计准则，推导得出了正葵烷吸附等温线实验观测点的安排原则，发现对于一元线性模型，实验观测点应安排在可操作区的两端。对序贯设计实验和未经设计实验做了比较，经过序贯设计的实验所得到的模型参数的联合置信域比未经设计实验的小得多，表明序贯实验设计可提高模型参数估算的精度，减少实验工作量。     

动态环境下激光雷达地图构建

针对动态噪声大室外应用场景中存在里程计与建图精度较低、鲁棒性不足的问题,提出基于激光里程计与建图方法。利用惯性测量单元对每一帧点云数据进行运动补偿,进行地面分割。采用欧几里得聚类方法在非地面区域检测动态物体并去除动态物体的点云数据,在可靠区域内获取关键特征点后进行点云配准和分步骤求解位姿。构建全局静态地图,通过回环检测减少累积误差。利用KITTI数据集和校园环境数据对方法进行验证,实验结果表明,提出方法在满足实时性的要求下激光里程计与建图精度优于目前主流算法LOAM、Lego-LOAM,具有良好的鲁棒性和环境适应性。     

基于改进ORB算法的双目视觉定位测量方法

针对基于传统特征点检测的双目视觉测量中匹配时间长、误匹配率高和测量精度低的问题,提出了基于改进ORB算法的双目视觉定位测量方法。首先对特征点邻域内的像素点灰度值进行加权,再采用灰度质心法提取特征点的主方向,最后以字符串描述子代替传统二进制描述子对特征点进行描述,在测量中采用二维二次函数精确拟合特征点的亚像素坐标,实验结果表明,该改进方法在特征点匹配正确率和测量精度上都有很大的提升,特征点匹配正确率提升了31.8%,测量最低误差达到0.42%,满足双目视觉测量的精度要求。     

基于最优投影平面的立体视觉空间圆位姿高精度测量方法

现有基于双目立体视觉的测量方法的测量精度依赖于标定精度,在受遮挡时测量精度不高.文中首先分析并证明在双目立体视觉系统外部参数误差存在时,投影曲线上点的立体匹配误差对点的重建精度的影响.然后基于此误差分析结论,设计立体视觉空间圆位姿测量方法,通过轮廓点筛选算法筛选投影曲线上的点,得到匹配误差较小的点并进行重建.利用重建点在深度方向上对非线性优化得到最优投影平面的投影,对空间圆进行拟合,得到空间圆的位置姿态.文中方法有效减小三维点重建误差对空间圆拟合精度的影响,提高圆形特征在受遮挡情况下的测量精度.最后通过实验验证方法的有效性.     

位置灵敏探测器的数据采集系统设计与实现

介绍位置灵敏探测器数据采集系统的设计与实现。该系统由两片或三片微通道板、位置读出阳极以及数字化处理系统模块构成,具有较高的数据获取速度和灵活性。在微型计算机的支持下,系统的每个数据获取通道相当于一个微机多道分析器,可以根据实验需要的通道数很方便地组合数据获取通道,特别适用于一维或二维的位置探测。通过对系统性能进行测试,得到了很好的结果。目前,该数据获取系统已经成功地应用于（ｅ,２ｅ）实验。     

菜单点击绩效模型的建立与验证

为使研究人员能快速对交互系统的菜单设计进行评估,基于Fitts’定律和操纵定律,提出一个预测菜单点击绩效的模型,并用实验验证该模型的有效性。实验分为2个阶段,第1阶段计算模型中的系数值,第2阶段利用该系数值进行实验数据分析。实验结果表明,该模型预测得到的绩效数据与实验测试得到的绩效数据非常接近,两者相关性为0.959,可见其是有效的。     

基于反射光谱数据的茶树叶片SPAD值估算模型研究

实验中将茶树的叶片分为3个部位进行研究,每个部位各采集50个叶片,30组数据作为预测样本,20组数据作为试验模拟样本。设计绿峰位置、绿峰最大反射率、红谷位置、红谷最小反射率、红边位置、红边对应的最大一阶导数反射率、绿峰对应的最大反射率和红谷对应的最小反射率的比值指数以及它们的归一化指数等8个反射光谱参数。首先对茶树叶片的反射光谱参数和茶树叶片的SPAD值进行相关分析;其次以8个反射光谱参数作为自变量,茶树叶片的SPAD值为因变量,进行逐步回归分析,确定茶树不同部位叶片的回归方程.茶树A部位嫩叶片的SPAD值预测模型以λr、Rg/Ro为自变量,其模拟的调整决定系数为0.461;茶树B部位的成熟叶子的SPAD值预测模型以Rg、Rg/Ro、Rg-Ro/Rg+Ro为自变量,其模拟的调整决定系数为0.882;茶树C部位的老叶子的SPAD值预测模型以λr、Dr为自变量,其模拟的调整决定系数为0.407。结果表明,利用反射高光谱参数预测茶树不同部位叶片的SPAD模型是成功的。     

星基数据采集系统多普勒定位反演模型研究

针对星基Argo数据收集系统（data collection system, DCS）浮漂多普勒位置反演的应用需求，通过对地球表面约束、数字高程约束两种模型在实际应用中的收敛性能分析，给出面向海洋特色应用的缺省高度约束的位置反演算法，并建立了算法精度分析评估模型。基于此模型实现了对观测样本特征、星上时标精度等浮标采集位置反演影响因子的有效分析，从而为星基Argo数据采集系统下行数据位置反演算法优化、星上载荷设计优化及大星基信息采集系统建设提供理论参考。     

基于小样本学习的图像分类技术综述

图像分类的应用场景非常广泛, 很多场景下难以收集到足够多的数据来训练模型, 利用小样本学习进行图像分类可解决训练数据量小的问题. 本文对近年来的小样本图像分类算法进行了详细综述, 根据不同的建模方式, 将现有算法分为卷积神经网络模型和图神经网络模型两大类, 其中基于卷积神经网络模型的算法包括四种学习范式: 迁移学习、元学习、对偶学习和贝叶斯学习; 基于图神经网络模型的算法原本适用于非欧几里得结构数据, 但有部分学者将其应用于解决小样本下欧几里得数据的图像分类任务, 有关的研究成果目前相对较少. 此外, 本文汇总了现有文献中出现的数据集并通过实验结果对现有算法的性能进行了比较. 最后, 讨论了小样本图像分类技术的难点及未来研究趋势.     

基于统计方法的中文姓名识别

本文介绍一个中文姓名的自动识别系统,该系统使用从姓名样本库和真实文本语料库中得到的大量统计数据,以提高系统识别性能。我们从1994年人民日报中随机抽取100篇文章作为测试样本,实验结果表明,准确率和召回率可同时达到90%以上。     

基于数据密度分布的欠采样方法研究*

针对传统欠采样方法对不平衡数据集重采样时,容易丢失多数类样本信息的问题,本文提出一种基于数据密度分布的欠采样方法US-DD,该方法引入数据密度的概念,并以此概念为依据将数据划分为高密度数据簇和低密度数据簇,高密度数据簇数据高度集中,低密度数据簇数据稀疏松散,两种不同数据簇对分类的意义也不同,因此可以针对不同密度的数据簇,执行不同的重采样策略,以达到改善数据平衡度的目的。实验通过选取6组UCI数据集,采用C4.5决策树、支持向量机作为分类器,将US-DD与随机欠采样、KNN-NearMiss等方法进行比较,实验结果表明,该方法对不平衡数据分类有较好的效果,能有效提升分类器对少数类的识别性能。     

Improvement of neural network classifier using floating centroids

This paper presents a novel technique—Floating Centroids Method (FCM) designed to improve the performance of a conventional neural network classifier. Partition space is a space that is used to categorize data sample after sample is mapped by neural network. In the partition space, the centroid is a point, which denotes the center of a class. In a conventional neural network classifier, position of centroids and the relationship between centroids and classes are set manually. In addition, number of centroids is fixed with reference to the number of classes. The proposed approach introduces many floating centroids, which are spread throughout the partition space and obtained by using K-Means algorithm. Moreover, different classes labels are attached to these centroids automatically. A sample is predicted as a certain class if the closest centroid of its corresponding mapped point is labeled by this class. Experimental results illustrate that the proposed method has favorable performance especially with respect to the training accuracy, generalization accuracy, and average F-measures.     

Onboard target detection in hyperspectral image based on deep learning with FPGA implementation

Onboard target detection of Hyperspectral Imagery (HSI) is widely adopted in the field of remote sensing. It requires high detection accuracy and low computational complexity for processing a large volume of HSI data. In this study, a Locally Preserving Discriminative Broad Learning (LPDBL) was introduced for target detection due to its simple, excellent generalization ability, and its competitive performance. The detection was done through spatial-spectral information, band selection, and estimation of the covariance matrix. The fisher discriminant method was used to reduce the dimension of HSI data. Weights was adjusted through manifold regularization in order to enhance the detection ability of the proposed method. To study the performance of the proposed LPDBL, experiment was conducted on two different datasets of HSI. The results revealed that the proposed method performed better and suitable for target detection. The LPDBL was implemented on Virtex-7 Field Programmable Gate Array (FPGA) board. Furthermore, the LPDBL technique was practically validated by two different techniques such as a broad learning system (BLS) and Automatic Target Detection in HSI (ATD-HSI). The result obtained from the FPGA was very close to the actual target position.     

一种基于位置信息的无线移动数据传输模式研究

该文针对目前移动节点在下载数据时仅仅充当数据消费者的角色,无法为其他节点提供数据的问题,提出一种利用位置信息使移动节点能够利用其自身的能力为附近节点提供数据下载的模式,实验结果表明该下载模式能够降低网络的负载同时提高网络的性能。