基于点云深度学习的3D目标检测

针对目前利用点云进行3D目标检测的研究较少和检测精度不高的问题,利用Frustum-Pointnets模型实现基于点云的3D目标检测,并在该模型的基础上进行改进,选用不同的激活函数和参数初始化方法进行组合对比,进一步提高模型的精度。实验表明:在选用Swish激活函数和He参数初始化方法时汽车平均检测精度提高了0.31 %,行人平均检测精度提高了0.41 %,骑车人平均检测精度提高了5.5 %。因此改进后的模型能有效提高检测的精度,使得模型能够应用在复杂的场景中。     

基于改进PointRCNN的3D点云目标检测

针对PointRCNN(3D Object Proposal Generation and Detection from Point Cloud)在面对不规则点云时很难提取出有区别特征的问题,提出了一种Point-ANN(3D Object Proposal Generation and Aggregation Neu...     

基于最小剩余法的FY-3B/IRAS资料云检测研究

由于红外探测器的观测易受云的影响及快速辐射传输模式对云亮温的模拟不精确,在同化风云三号B星(Feng Yun-3B)红外分光计(Infrared Atmospheric Sounder, IRAS)的亮温资料时,首先需要进行云检测,以获得晴空视场点或晴空通道信息。基于最小剩余法(Minimum Residual Method, MRM)对IRAS资料进行了云检测研究,该方法不仅能判识视场点是否有云,还能得到视场点的云参数(有效云量)。同时,采用FY-2E卫星云图对云检测效果进行了验证。结果表明,将该方法用于IRAS资料云检测是可行的。     

FY-3B红外分光计亮温资料的云检测算法研究

结合风云三号B星(FY-3B)载红外分光计(InfraRed Atmospheric Sounder,IRAS)资料的通道特性,分析了云在不同波段的光谱特性。与通道亮温偏差阈值法不同,利用通道多光谱信息以及基于平滑梯度和通道信噪比的方法对FY-3B/IRAS资料进行云检测方法研究,更有效地识别出了有云视场点。对2013年1月9日00时至1月14日00时共5天的IRAS资料数据进行了偏差订正,然后采用以上方法进行了IRAS资料云检测。结果表明,经过云检测后的通道亮温偏差服从高斯分布,满足后期变分同化IRAS通道亮温的要求。     

基于FY-3D/MERSI-II远红外数据的火情监测研究

风云三号D极轨气象卫星中分辨率成像光谱仪(FY-3D/MERSI-Ⅱ)具有250 m分辨率的10. 8μm和12μm波长的远红外通道,为气象卫星遥感火情应用提供更为丰富的数据源。文章研究了FY-3D/MERSI-Ⅱ的10. 8μm远红外通道监测火情的特点,10. 8μm远红外通道虽在光谱方面对高温热源探测灵敏度不如FY-3D/MERSI-Ⅱ的3. 8μm中红外通道,但由于空间分辨率较1 km分辨率的中红外通道高4倍,因而对较大的火点有明显反映,火点探测能力较1 km分辨率远红外通道有明显提高。利用混合像元线性波谱分离方法计算,对于平均温度为750 K,面积400 m^2的明火区,在1 km分辨率远红外通道像元引起的亮温增量约0. 47 K,而在250 m分辨率远红外通道像元引起的亮温增量约为7. 30 K,可与周边背景像元亮温形成较明显差异。利用1 km分辨率的中红外通道判识火点范围,利用250 m分辨率的远红外通道进一步确定明火区位置,可将火点定位精度从公里级提高到百米级。利用该方法开展了森林草原火灾应用实例分析,基于250 m分辨率远红外通道确定的火点位置与实地考察信息吻合较好,说明了提出方法的有效性。多个应用实例表明,在反映大范围火场中较强火势区域位置和草原火灾明火线分布等方面,FY-3D/MERSI-Ⅱ远红外通道较中红外通道具有明显优势,可以更加精细化和准确的反映火情的空间分布,在火情监测方面具有实际应用价值。     

红外高光谱资料云检测方法研究

从红外高光谱资料的特点和应用现状出发,通过用晴空时观测光谱和背景光谱偏差矢量最小原理研究了特定云状下不同云量、云高和云水含量对观测光谱的影响,提出了一种新的红外高光谱资料云检测方法。从云污染视场中检测出不受云影响的通道,并用通过辐射传输模式(Radiative Transfer for (A)TOVS, RTTOV)模拟的大气红外探测器(Atmospheric Infrared Sounder, AIRS)资料和实测数据进行了方法可行性和有效性验证。结果表明,该方法能有效地提高云污染区域红外高光谱资料的利用率,可为有云覆盖情况下的大气参数反演提供有效途径。     

红外高光谱资料云检测方法研究

从红外高光谱资料的特点和应用现状出发,通过用晴空时观测光谱和背景光谱偏差矢量最小原理研究了特定云状下不同云量、云高和云水含量对观测光谱的影响,提出了一种新的红外高光谱资料云检测方法。从云污染视场中检测出不受云影响的通道,并用通过辐射传输模式(Radiative Transfer for(A)TOVS,RTTOV)模拟的大气红外探测器(Atmospheric Infrared Sounder,AIRS)资料和实测数据进行了方法可行性和有效性验证。结果表明,该方法能有效地提高云污染区域红外高光谱资料的利用率,可为有云覆盖情况下的大气参数反演提供有效途径。     

基于FY-3C/MWHTS资料的海洋晴空大气温湿廓线反演方法研究

针对搭载于风云三号C星(FY-3C)上的微波湿温探测仪(Microwave Humidity and Temperature Sounder, MWHTS), 建立了海洋晴空大气条件下温湿廓线同时反演的一维变分反演系统.通过对影响反演精度的各个因素进行分析, 确立了该系统的输入参数.对于FY-3C/MWHTS观测亮温与快速辐射传输(Radiative Transfer Model for TOVS, RTTOV)模型的模拟亮温之间的偏差和角度依赖性, 采用逐像元统计回归校正方法进行校正.选择西北太平洋海域晴空条件下的校正亮温数据进行温湿廓线的反演, 并利用欧洲中期天气预报中心再分析数据集对反演结果进行验证, 结果表明:反演的温度廓线和相对湿度廓线的最大平均偏差分别为1.09 K和5.4%, 最大均方根误差分别为1.48 K和22.69%, 与未校正亮温的反演结果相比, 温度廓线的均方根误差最大可减小1.56 K, 湿度廓线的均方根误差最大可减小14.71%.反演温湿廓线与背景廓线的精度对比表明:反演的温度廓线在10~70 hPa、300~350 hPa和700~850 hPa内的精度高于背景廓线的精度, 而反演湿度廓线的精度除了825~875 hPa, 其他范围均高于背景廓线的精度, 因此FY-3C/MWHTS观测亮温的反演结果可进一步提高预报廓线精度.     

基于激光扫描点云的3D地形模拟实验设计

当前3D地形模拟方法未考虑点云数据去噪问题,导致模拟时间较长,准确性较低.为此提出一种基于激光扫描点云的3D地形模拟方法.将噪声点进行分类,去除离群点,通过最小二乘拟合出K邻域内点的最佳逼近平面,判定邻域各点到平面的距离以及设定阈值的大小,以此为依据去除数据中存在的噪声.提取3D地形的轮廓点作为简化点云需要保留的特征点...     

基于交叉自注意力机制的LiDAR点云三维目标检测

针对基于深度学习的激光雷达(light detection and ranging, LiDAR)点云三维(3D)目标检测对小目标的检测精度较低和噪声干扰问题,提出一种基于交叉自注意力机制的3D点云目标检测方法CSA-RCNN (cross self-attention region convolutional neural network)。利用交叉自注意力(cross self-attention, CSA)同时学习点云的坐标和特征,并设计多尺度融合(multi-scale fusion, MF)模块自适应捕捉各层级多尺度特征。此外,还设计重叠采样策略对感兴趣目标区域选择性地重采样以获得更多前景点,有效降低了噪声采样。在广泛使用的KITTI数据集上进行算法性能测试,结果表明,本文方法对行人等小目标的检测精度有较大提升,平均精度均值相比PointRCNN等4种经典算法均获得提升,显著提高3D点云目标的检测性能。     

基于RANSAC三维点云的平面提取算法

针对三维激光扫描点云的表面特征获取时间长,提取效果与减少运行时间不能兼得的问题,本文基于随机抽样一致算法(RANSAC)提出一种自动快速识别点云平面特征的算法。通过对RANSAC算法进行改进,提出基于迭代采样子集判断优化的方法,能够快速准确地识别并提取物体的平面特征。实验结果表明,本算法能有效准确地找到扫描物的平面。     

基于信息容量的FY-4A/GIIRS红外光谱探测能力 研究

利用LBLRTM逐线积分模式开展不同大气状况条件下各大气参数在FY-4A/GIIRS红外通道的光谱敏感性分析,在此基础上,以信息熵和自由度为判据,对FY-4A/GIIRS高光谱探测资料所包含的温度、水汽、臭氧等大气参数信息容量进行定量化描述,从而评估FY-4A/GIIRS对大气参数的可反演能力.研究结果表明:(1) FY-4A/GIIRS长波波段对温度和水汽的敏感度与大气状况相关,而对臭氧的敏感度在不同大气状况条件下差异不大;(2)初步揭示了FY-4A/GIIRS具备大气温湿和臭氧廓线反演的应用潜力,在相同大气条件下,FY-4A/GIIRS红外光谱所包含的温度信息容量最大,水汽其次;(3)在热带大气条件下,FY-4A/GIIRS所包含的温度和水汽信息容量最丰富.     

3D saliency detection based on background detection

Unlike 2D saliency detection, 3D saliency detection can consider the effects of depth and binocular parallax. In this paper, we propose a 3D saliency detection approach based on background detection via depth information. With the aid of the synergism between a color image and the corresponding depth map, our approach can detect the distant background and surfaces with gradual changes in depth. We then use the detected background to predict the potential characteristics of the background regions that are occluded by foreground objects through polynomial fitting; this step imitates the human imagination/envisioning process. Finally, a saliency map is obtained based on the contrast between the foreground objects and the potential background. We compare our approach with 14 state-of-the-art saliency detection methods on three publicly available databases. The proposed model demonstrates good performance and succeeds in detecting and removing backgrounds and surfaces of gradually varying depth on all tested databases.     

基于X3D／VRML的三维虚拟展馆定制系统的研究

为了满足用户对虚拟会展展馆个性化的需要,提出了如何建立基于X3D/VRML虚拟现实技术的三维虚拟展馆定制系统,详细叙述了交互定制、碰撞检测和数据库处理的关键技术.该系统具有较好的实用性,既为真实展馆的定制提供仿真的平台,又为如何建立虚拟展馆提供了范例.     

基于注意力机制的三维点云目标识别

针对现有基于深度学习方法的三维点云目标识别算法存在多层感知法缺少点间的特征交互、对点云间欧式距离的依赖、未考虑特征通道层面关联性问题,提出一种基于注意力机制的三维点云(PAttenCls)目标识别算法。采用基于点的空间注意力机制,挖掘各点之间的注意力值,实现自适应的云邻域选择;同时采用基于点的通道注意力机制,给特征通道自适应分配权重,实现特征增强。此外,在网络中添加了一个几何均匀化模块,以应对不同局部区域几何结构的不同特征模式。所提算法在ModelNet40数据集上的识别准确率为93.2%,在ScanObjectNN数据集最难子集上的识别准确率为80.9%,并在实测数据上验证了算法的有效性。实验证明了本文所提算法可以更好地提取点云的特征信息,使点云识别结果更加精准。