基于改进ORB算法的VSLAM特征匹配算法研究

针对传统特征匹配算法耗时较长、匹配率不高的问题,提出一种改进ORB的图像特征匹配算法。首先对FAST特征检测算法进行改进,构建非线性尺度空间,采用非线性扩散滤波方法,对金字塔进行构建,通过快速显示扩散形式(FED)进行求解,得到尺度空间上的图像,并采用灰度质心法方法,对特征的角点方向进行计算。然后对FREAK算法采样模式进行优化,采用改进的描述子构建特征向量。最后采用GMS匹配算法剔除伪匹配点对,有效降低误匹配概率。实验证明,相比SIFT、SURF、FREAK、BRISK和ORB算法,本文改进的算法在耗时和匹配率方面均有明显效果,并在旋转、尺度、光照等变换条件下,具有较强的鲁棒性,适用于VSLAM系统。     

全双工小蜂窝中基于最大流算法的用户匹配策略

在全双工基站使能的新型小蜂窝中,考虑用户间同频干扰对服务质量的影响,提出了一种最大化满意用户对数的上下行用户匹配策略,用于服务质量敏感的各类新型通信业务.首先依据用户的速率需求和其可达的实际传输速率,构造包含所有潜在满意上下行用户对的匹配可行图;再将可行图转化为单位容量网络,并证明单位容量网络的最大流数目即为最大满意用户对数目,最终由最大流路径推导出最优匹配策略.仿真结果表明,所提策略可获得超出最大和速率策略两倍的满意用户对数,且仅具有多项式级的复杂度.     

一种频变传输线系统电磁脉冲响应的数值算法

在传输线系统电磁脉冲（EMP）响应的精确计算中,通常必须将端接负载的频变效应考虑在内,为此提出了一种端接频变负载传输线系统电磁脉冲响应的数值算法.首先,应用矢量网络分析仪或阻抗分析仪测试或计算得到端接频变负载电路的幅频特性和相频特性;然后,应用矢量匹配（VF）法对幅频特性和相频特性进行拟合,得到一系列极点、留数和常数项;最后,结合拟合得到的数据,应用时域有限差分（FDTD）法建立端接频变负载传输线系统的数值模型,并应用到分段线性递归卷积技术以提高卷积计算效率.所提算法具有较高的计算效率和精度,可应用于多种端接频变负载传输线系统电磁脉冲响应计算.     

开放式机械虚拟仿真实验平台建设与实践

通过在服务器上构建开放式机械虚拟仿真实验平台,用数字化的方式将实验过程和实验结果在计算机上实现,学生可在校园网内任一终端上重复进行预习和实验操作,并观察实验结果。虚拟仿真实验平台突破了实验场地和实验课程安排的限制,是实际实验很好的辅助和补充。实践表明,利用此平台开展"虚""实"结合的综合实验教学模式,学生动手能力得到强化,实验效果好。     

一种改进的无人机序列影像快速拼接方法研究

为了实现无人机序列影像无缝拼接,根据无人机序列影像的航带排布特性,提出用分块阈值自适应调节法改进了SURF算法。探讨了应用改进SURF算法对无人机序列影像进行快速拼接的步骤,并通过实验对该拼接方法进行验证。     

江汉油田应急指挥中心平台功能的改进构想

基于江汉油田应急指挥中心平台对油气生产信息、工程施工信息、地面工程建设信息等方面的需求,江汉油田分公司将从实现重点数据预警穿透分析,重点视频监控,重要工作进展展示,新增移动应用,实现"三级一体化"的信息展示和高效应急联动等方面进一步完善平台功能。     

基于空间动力学优化的机床结构件质量匹配设计

提出基于整机空间动力学预测模型、以移动结构件质量为设计变量的多目标匹配设计方法. 基于机床移动件的工作行程构建整机工作空间,运用正交试验法进行空间位姿试验设计,建立整机空间固有频率预测模型;在工作空间内对机床进行动力学性能的灵敏度分析,识别动力学的最优位姿和最差位姿;以最差位姿机床固有频率为优化目标,采用多目标质量匹配法对移动部件的质量进行最佳分布设计;重新计算优化后机床的固有频率,通过频率响应分析,比较优化前、后机床在最差和最优位姿下的动力学性能. 结果表明,经过多目标质量匹配优化后,机床的固有频率得到了提高,刀尖节点的最大频响振幅明显降低,机床的整机动力学性能有了较大程度的改善.     

基于深度学习的语音门禁系统设计

基于深度可分离卷积神经网络(Depthwise Separable Convolutional Neural Network,DS-CNN)设计一个嵌入式离线语音门禁系统.系统首先利用深度学习库TensorFlow搭建DS-CNN声学模型并完成模型训练,然后将训练好的模型移植到嵌入式平台实现离线式语音识别,最后根据识别结果控制继电器执行相应动作.为避免人工设计的滤波器在特征提取时造成信息损失,系统采用语音信号的语谱图作为声学模型输入,通过多层卷积单元自动提取说话人语音特征进行分类判断,并引入语音唤醒机制,保证系统的安全性和低能耗.系统测试结果表明,该门禁系统1次识别成功率达95%以上,平均响应时间满足设计要求,具有较好的实用性.     

基于改进YOLOv3的复杂场景车辆分类与跟踪

针对天气条件和车辆间相互遮挡对车辆分类与跟踪准确性和稳定性的影响,提出一种基于改进YOLOv3与匹配跟踪的混合模型。改进的YOLOv3网络参照密集连接卷积网络的设计思想,将网络中的残差层替换为密集卷积块并改变网络的设计结构,利用Softmax分类器将密集卷积块与卷积层中融合的特征进行分类。根据单帧图像的检测结果,设计目标匹配函数解决视频序列中车辆的跟踪问题。在KITTI数据集的测试中,改进算法的平均准确率为93.01%,帧率达到48.98帧/s,在自建的数据集中平均识别率为95.79%。试验结果表明,本研究方法在复杂场景中能够有效的区分车辆种类且准确性更高,车辆跟踪的算法具有较高准确性和鲁棒性。