空中预警机三维图像物体检测模型仿真

在当前的空中预警机三维视觉检测中,在进行高空深层视觉检测中,自然环境中会出现大量的检测物,对需要进行三维视觉建模检测的物体形成阴影遮挡干扰.提出了一种新的空中预警机三维图像物体检测方法.把检测过程中遮挡干扰当成一种噪声因素,根据因式分解的相关理论,建立空中预警机三维视觉模型.根据不同遮挡干扰特征点在空中预警机三维视觉建模过程中所占的比率不同,根据非线性滤波原理,设置空中预警机三维视觉对象图像的像素,构建非线性滤波窗口构成的序列,对该空中预警机三维视觉模型进行滤波处理,去除遮挡干扰.实验结果表明,该算法进行空中预警机三维视觉检测,精度达到要求,有一定的实际应用价值.     

长视距空战中可疑目标的快速识别模型仿真

研究长视距空战中可疑目标的快速识别问题,由于在长视距空战中,可疑目标与空中识别设备之间存在较长的距离,采集目标比较弱小,特征模糊.目标一旦过于接近,会形成堆积盲区,传统的识别方法在遇到远距离可疑目标时,由于距离太远,会出现目标堆积盲区,导致对目标分割出现错误,无法准确识别目标.为解决上述问题,提出采用主成分聚类算法的长视距空战中可疑目标的快速识别方法.针对可疑目标采集大量的计算机视觉图像,提取计算机视觉图像中可疑目标的特征,将上述特征作为可疑目标识别的依据.针对所有的可疑目标识别特征,进行可疑目标的快速识别,并对识别到的可疑目标进行累加运算,实现可疑目标的智能识别.实验结果表明,利用改进算法进行长视距空战中可疑目标的快速识别,能够极大的提高识别的准确性.     

精密金属焊接坏点的视觉识别方法研究与仿真

研究高精密金属焊接坏点准确视觉识别的问题.由于高精密金属焊接坏点的颜色特征与金属本身特征相似,而在坏点很小并且与外部环境过于类似的干扰下,传统的基于像素差异的识别结果不精确,一旦焊接坏点分布的过于集中,干扰将更大,导致焊接坏点识别准确性降低.为解决上述问题,提出一种新的计算机视觉的高精密金属焊接坏点识别方法.采集高精密金属焊接坏点计算机视觉图像,针对金属图像进行特征提取,并对提取的特征进行离散小波变换处理,获取增强处理后的视觉图像.根据增强处理后的视觉图像特征值,获取高精密金属焊接坏点的分布密度,计算焊接坏点的空间位置,实现高精密金属焊接坏点识别.实验结果表明,利用改进算法进行高精密金属焊接坏点识别,能够提高识别的准确率,并且获取焊接坏点在高精密金属制品中的分布位置,为高精密金属制品的生产质量提供保障.     

奠定终身学习基础 培养拔尖创新人才

以往的研究更多地认为实践是培养创新能力的途径,但持续的创新离不开终身学习能力。探索了加强数理基础、开阔国际视野和培养探究精神的拔尖创新人才培养模式。实践结果表明,学生的创新能力显著增强。     

洗手液市场透视

随着人们生活水平的提高及消费观念的转变，洗手液已逐渐成为传统洁手用品的替代品，市场前景十分广阔。目前国内的洗手液市场仍处于启蒙认知阶段，产品的生命周期长，因而进入市场的机会更多。从洗手液的产品特性和市场前景来看，它是一个蕴藏着丰富市场潜力的产品。对目前洗手液市场的领先品牌进行了分析。     

建筑生成过程中的“时间”研究

寻找建筑失落的"灵魂",正视特定情境中的社会文化对建筑生成的意义,并将其从理论认识落实到具体行动,解决当代多元文化与建筑形式风格趋同现象之间的现实矛盾,是当今建筑发展严峻和急迫的课题。论文从城市建筑的形式、风格趋同现象出发,对传统建筑生成方式提出质疑,通过回归建筑本体和意义的存在价值分析,认识到建筑师必须积极主动地以社会、文化等广泛背景为切入点进行设计,以"时间"这一全然不同的研究角度探索新思路,将社会文化"时间"作为建筑学拓展的新视野,研究建筑如何在"当代"特定社会背景和文化多元的时间维度中,营造具有不同"时间"文化意蕴的情境建筑。希望所谓的"时代精神"对建筑的影响主要表现在建筑生成的过程中,为开启我国建筑创作的新思路抛砖引玉。     

面向部件分割的PointNet注意力加权特征聚合网络

为解决PointNet最大池化损失次要特征导致部件分割精度降低的问题,提出一种面向部件分割的PointNet注意力加权特征聚合网络,能够充分利用点云的不同特征进行部件分割。首先利用多层感知机提取点云的空间几何特征,将特征乘以共享权重矩阵,以获取每个点的每一个特征的注意力分数;接着把归一化的分数作为权重乘以对应的全局特征并求和,得到聚合的全局特征;最后使用多层感知机将聚合的特征映射到部件分割结果。实验结果表明,相比于传统PointNet方法,该方法提升了部件分割的总平均交并比,同时在网络鲁棒性和计算复杂度方面具有显著优势。该方法有效优化了PointNet。     

自适应B样条小波函数模糊距离测量方法

目的 双目测距和单目测距是目前常用的两种基于光学传感器的测距方法,双目测距需要相机标定和图像配准,计算量大且测量范围有限,而单目测距减少了对设备和场地的要求,加快了计算时间。为了解决现有的单目测距方法存在精度低、鲁棒性差等缺点,本文提出了一种基于单模糊图像和B样条小波变换的自适应距离测量方法。方法 引入拉普拉斯算子量化评估图像模糊程度,并根据模糊程度值自动定位阶跃边缘;利用B样条小波变换代替高斯滤波器主动模糊化目标图像,并通过分析图像模糊程度、模糊次数以及测量误差之间的关系模型,自适应地计算不同景物图像的最优模糊次数;根据最优模糊图像中阶跃边缘两侧模糊程度变化求解目标边缘和相机之间的相对距离。结果 本文方法与基于高斯模糊图像的距离测量方法相比精度更高,平均相对误差降低5%。使用不同模糊次数对同样的图像进行距离测量时,本文算法能够自适应选取最优模糊次数,保证所测量距离的精度更高。结论 本文提出的单视觉测距方法,综合了传统的方法和B样条小波的优点,测距结果更准确,自适应性和鲁棒性更高。     

单幅图像刚体目标姿态估计方法综述

刚体目标姿态作为计算机视觉技术的重点研究方向之一,旨在确定场景中3维目标的位置平移和方位旋转等多个自由度,越来越多地应用在工业机械臂操控、空间在轨服务、自动驾驶和现实增强等领域。本文对基于单幅图像的刚体目标姿态过程、方法分类及其现存问题进行了整体综述。通过利用单幅刚体目标图像实现多自由度姿态估计的各类方法进行总结、分类及比较,重点论述了姿态估计的一般过程、估计方法的演进和划分、常用数据集及评估准则、研究现状与展望。目前,多自由度刚体目标姿态估计方法主要针对单一特定应用场景具有较好的效果,还没有通用于复合场景的方法,且现有方法在面对多种光照条件、杂乱遮挡场景、旋转对称和类间相似性目标时,估计精度和效率下降显著。结合现存问题及当前深度学习技术的助推影响,从场景级多目标推理、自监督学习方法、前端检测网络、轻量高效的网络设计、多信息融合姿态估计框架和图像数据表征空间等6个方面对该领域的发展趋势进行预测和展望。