交通流视频检测系统的设计与实现

本文描述了交通流视频检测系统的结构、功能和工作原理。根据系统的功能要求,对软件功能模块进行了设计和说明,并着重对车流量统计、车速计算和车类识别的算法进行了描述和实现;文章最后给出了实现结果并讨论了提高检测系统实时性的具体措施。     

三维破碎物体多尺度拼接技术

在分析三维物体碎片轮廓曲线的特征和表示的基础上,研究多尺度小波轮廓描述符的计算,提出了一种多尺度下轮廓曲线特征提取及基于多尺度分析的三维物体碎片拼接方法.轮廓曲线经多尺度小波变换平滑后,提取曲率和挠率构成特征矢量;在选择了基于小波轮廓描述符的三维曲线匹配起点后,比较2条轮廓曲线的特征矢量以判断轮廓的相似性,并将轮廓匹配的2块相邻物体碎片拼接,实现破碎物体复原.最后通过实验验证了该方法的有效性.     

点云数据在深度学习中表示方法的研究

为了实现在深度学习中能够端到端表示点云模型,提出基于八叉树和K-D树（OctKD）的点云数据表示方法。该方法将无组织的点云转换为体素空间,在体素空间对三维模型进行八叉树剖分,改进了八叉树编码方式;构建节点间的邻接关系,在GPU端并行构建八叉树;为了克服八叉树编码检索效率低的问题,采用三维K-D树索引单个三维空间点。实验结果表明该方法能够真实反映模型本身的细节特征,提高了点云模型的构造时间和检索效率。这种新的数据结构实现将点云转换为卷积神经网络可以接收的数据形式。     

基于连接点的3D多角弧匹配

为了满足实际应用的要求，快速地进行多角弧匹配是必要的，因此，提出了一种快速的3D多角弧表示和匹配的方法。该方法是在分析多角弧几何形状基础上，引入连接点的概念，同时，通过在连接点处建立局部直角坐标系来得到每一连接点处的球面坐标。并用连接点的球面坐标集表示多角弧，因这一表示在旋转和平移变换下是不变的，所以可取该球面坐标集作为多角弧匹配的特征集，用该特征集可保持多角弧的几何属性和拓扑结构。这样3D多角弧匹配就降为1D数值串匹配，从而使使匹配变得简单快速。其测量函数为对应连接点间的均方差。实验结果表明，该匹配算法效果良好，并且对于数值污染具有健壮性。     

分布式大规模交通网络实时模拟系统

大规模交通网络的研究目前已经成为一个热点研究领域,大规模交通网络的实时模拟为交通规划和交通控制提供了一个研究的平台和基础,因此模拟系统的设计与实现具有相当重要的意义。由于网络规模以及汽车数量的原因,使用单台计算机不可能满足模拟整个城市规模交通网络的需求,必须采用分布式模拟系统。文章研究并设计了分布式大规模交通网络模拟系统,具体试验表明完全可以满足实时模拟的需要。     

一种用于三维重建的彩色Sift准稠密匹配算法

针对复杂光照条件下Sift算法对彩色图像匹配能力较差,基于Kubelka-Munk理论,提出了一种适用于未标定图像的准稠密立体匹配算法,有助于更精确地进行三维重建。该算法首先求出彩色图像各个像素的颜色不变量,提取彩色特征点并通过构造彩色Sift特征描述子进行初匹配,采用RANSAC鲁棒算法消除误匹配生成种子点;然后依据视差约束提出一种基于视差梯度均值自适应窗口方法,根据视差梯度均值调整搜索范围;最后采用最优先原则进行区域增长。实验证明,该算法能获得比较满意的匹配效果,是一种有效的用于三维重建的准稠密匹配算法。     

一种多CCD图像拼接的快速算法

描述了一种用于多CCD图像拼接的快速多分辨率算法.该方法在不损害拼接质量的前提下,通过计算局部化减小了拉普拉斯金字塔分解、多尺度样条拟合和图像重构的计算量.实验表明该算法在不降低拼接质量的前提下在算法效率上比传统算法有明显的提高.     

曲率定位的图像区域化SSDA模板匹配方法

提出了一种结合区域化SSDA方法进行模板匹配的方法,基于灰度曲线的微血管定位和检测,并利用定位的特征区域的伪色差灰度图像形成图像模板,用于微血管显微图像的匹配和纠偏。在微血管的显微图像序列配准中进行了应用和测试,实验结果表明该方法可以有效应用于显微血管图像的快速匹配分析。     

针对颅面点云数据的Deluney三角网构建方法

针对颅骨和面皮点云数据,提出一种新的Deluney-三角网构建算法。该算法将点云数据分为两层,将上下两层轮廓线点列合理连接以生成三角面片集合,给出了面片个数及跨距应满足的合理条件;在三角网格构建时,考虑到颅面点云数据对应的不同曲率及孔洞等情形,分为四类（通常情况、孔洞、椎体链接、缝合）,分别进行处理,利用最小对角线方法进行三角化,实验表明该算法保持了比较精确的轮廓。     

小波多尺度下真彩色图像边缘检测

现代图像的边缘检测方法需要在充分利用图像中的色彩信息基础上能够提供多尺度下的边缘信息。提出了小波多尺度下彩色图像边缘提取算法,利用小波多尺度特征模板对R、G、B三个分量滤波磨光输出,并对磨光后的图像进行向量扩展梯度（Vector Expand Gradient,VEG）,提取边缘。实验结果表明：算法能有效地在不同尺度下提取真彩色图像由细到粗的轮廓边缘信息。