多模态深度神经网络的固废对象分割

目的 对城市发展过程中产生的建筑固废进行处理,并将之转换为资源和能源,是极佳的保护环境的经济发展模式。然而人工分拣处理存在效率低、污染严重、对人身危害大等问题。目前工业界在探索一种有效的基于机械臂自动抓取的建筑固废自动分拣系统,其中图像分割技术是非常必要的一个环节。但是工业现场的环境因素造成固废对象的颜色严重退化,会影响最终的固废对象分割。本文针对建筑固废图像分割难度大的现状,提出一种基于多模态深度神经网络的方法来解决固废对象分割问题。方法 首先, 在颜色退化严重的场景下,把RGB图像和深度图一起作为深度卷积神经网络的输入,利用深度卷积神经网络进行高维特征学习,通过softmax分类器获得每个像素的标签分配概率。其次,基于新的能量函数建立全连接条件随机场,通过最小化能量函数寻找全局最优解来分割图像,从而为每一类固废对象产生一个独立的分割块。最后,利用局部轮廓信息计算深度梯度,实现同一类别的不同实例的固废对象精确分割。结果 在固废图像测试集上,该方法取得了90.02%均像素精度和89.03%均交并比（MIOU）。此外,与目前一些优秀的语义分割算法相比,也表现出了优越性。结论 本文方法能够对每一个固废对象同时进行有效的分割和分类,为建筑垃圾自动分拣系统提供准确的固废对象轮廓和类别信息,从而方便实现机械臂的自动抓取。     

Furniture board segmentation based on multiple sensors and integer programming model

In the current furniture production line, the level of automation in the stage of loading and unloading is not high enough. In order to improve its automation, a novel integer programming based method for automatically segmenting board is proposed and a multi-sensor configuration is given. In such a configuration, we include multiple cameras and Lidar sensors. The cameras attached on each board are used to collect quick response (QR) code information, while Lidar sensors can obtain each board''s contours information. We then formulate each board''s segmentation as the integer programming problem. The experimental results show that our method can achieve a very high segmentation accuracy of 95% on average.     

空地正交视角下的多机器人协同定位及融合建图

针对单一机器人在复杂场景下进行同步定位与建图存在的视角局限等问题,本文提出了一种空地正交视角下的空中无人机与地面机器人协同定位与融合建图方法.鉴于无人机的空中视角与地面机器人视角属于正交关系,该方法主要思想是解决空地正交视角的坐标系转换问题.首先,设计了一种空中无人机和地面机器人协同定位与建图的框架,通过无人机提供的全局俯视图像与地面机器人的局部平视图像获得全面丰富的场景信息.在此基础上,通过融合惯性测量单元和图像信息修正偏移并优化轨迹,利用地面机器人上带有尺度信息的视觉标识,获得坐标系转换矩阵以融合地图.最后多组真实场景实验验证了该方法具有有效性,是空地协同多机器人协同定位及融合建图(simultaneous localization and mapping, SLAM)领域中值得参考的方法.     

基于单幅光模板的高分辨率可靠3维形貌重建

如今在计算机视觉领域,基于结构光从2维图像重建物体的3维轮廓已成为研究热点。然而低分辨率、纹理受限、对光照敏感是此项技术实际应用的主要制约。由于结构光视觉的关键技术是编码解码,因此为了进行高分辨率可靠的3维形貌重建,提出了一种新的彩色编码结构光技术,用来对单幅图像进行3维重建。该技术首先设计一个基于De Bruijn序列的等距白色光条间隔的彩色光模板,同时采用K均值聚类的方法来匹配投影仪和摄像机平面之间对应的光条颜色。然后引入聚类的统计特征量,以自适应不同场景、纹理,使之能够在无控光照条件下实现光条边界局部的精确定位、模板正确匹配和解码。另外,针对静态场景,同一光模板相移方法还可以获取高分辨率的3维形貌,可适用于高密度重建任务。实验结果表明,该方法可在日常光照下重建高分辨率可靠3维模型,并可提高3维形貌获取的适用条件。     

ASM中基于不变矩图形畸变主动检测与修正

主动形体模型是可变形模板技术中一种重要的方法,在医学图像分析和机器视觉中得到越来越广泛的应用。但是该方法在图像的匹配过程中,如果目标图像不够清晰或者模型初始位置不理想,会产生畸变的匹配结果。而且该模型没有一个有效的对畸变图形进行检测和修正的策略。提出了一种基于边界矩不变量的主动检测和修正方法,通过引入边界矩不变量,对模型的形体变化进行量化,并根据从训练集中获取的统计信息,对变形过程中的模型形体的变形进行检测和修正。实验结果表明,该方法能够在很大程度上解决匹配过程中的畸变问题,并且相比传统主动形体模型,所消耗的时间增加很少,对算法的效率并不影响。     

混沌粒子群算法-高斯过程回归的SOH估计

提出基于混沌粒子群算法-高斯过程回归（CPSO-GPR）的铅酸蓄电池健康状态估计方法。首先考察了铅酸蓄电池充电过程的电压电流变化曲线,进行了恒流充电特征的分析对比,建立了铅酸蓄电池恒流充电时间与电池容量衰减的高斯过程回归模型。针对传统的智能算法易陷入局部最优解的问题,将混沌过程引入传统粒子群算法中,增强其优化的广度和深度,形成混沌粒子群算法来优化回归模型中的超参数,从而获得更高质量的超参数解,以提高回归模型的预测精度。两种算法相协同,形成了CPSO-GPR算法。实验结果表明,该算法能够实现对铅酸蓄电池健康状态的精准估计和在线监测,对新数据点的估计精度在3%以内。     

金银纳米粒子-稀土氧化物复合薄膜的光吸收特性

在真空中用蒸发沉积的方法制备了埋藏有Ag或Au纳米粒子的稀土氧化物复合薄膜：Ag—La2O3、Ag—Nd2O3、Ag-Sm2O3、Au—La2O3、Au—Nd2O3和Au—Sm2O3。通过光吸收实验研究，发现这些薄膜都在光波长310-1200nm内出现吸收峰，Ag纳米粒子—稀土氧化物薄膜和Au—Sm2O3薄膜的光吸收峰位置随Ag或Au粒子粒径和数量的增加产生红移；而Au—La2O3和Au-Nd2O3薄膜的光吸收随Au量的增大变为金属性光吸收。分析表明，Ag或Au粒子与稀土氧化物之间的相互作用是影响光吸收峰位置的主要原因。     

基于EMAT等效电路模型的耦合分析

电磁超声换能器通过电磁耦合的机理在金属试件上激励、接收超声波。基于EMAT的工作原理,可建立EMAT的等效电路模型,将偏置磁场、激励线圈、金属试样三者间的耦合视为一个等效电路。在这种耦合作用下,等效阻抗会受到金属试样材料属性、线圈提离及偏置磁场等因素的影响。针对不同材质的金属试样及不同提离高度的情况进行实验测试,分析了试样材料参数和提离高度对电磁耦合的影响,给EMAT的优化设计提供帮助。     

GaSb/InGaAsSb量子阱的带间跃迁设计

采用一维方势阱模型对Gash/InxGa1-xAs0.02Sb0.98m量子阱激光器结构的子带跃迁波长与阱宽间的关系进行了计算,并采用能量平衡模型计算了此应变材料体系在生长时的临界厚度.结果表明GaSb/InGaAsSb是制作2～3μm中红外波段量子阱激光器的良好材料体系.在结构设计和材料生长中采用合适的材料组分及阱宽并对应变总量进行控制是十分重要的.     

特高压换流站500 kV站用变压器应用GIL的连接方案

在特高压换流站中,500 kV交流站用变压器采用气体绝缘金属封闭输电线路(gas insulated metal enclosed transmission line, GIL)连接方案可以节省投资、优化交流场布置、提高连接的可靠性、减少维护工作量。提出了应用有源电子式互感器来解决气体绝缘开关设备（gas insulated switchgear, GIS）价格偏高的问题,力求在保证可靠性的前提下降低工程造价,解决特高压换流站站用变压器高压侧小变比电流互感器的饱和问题,为特高压换流站GIS设备应用电子式互感器进行了有益的尝试。