多相机实时拼接视频影像技术

单一相机分辨率有限,不利于大范围场景的监视。本文基于不变特征拼接算法,提出多相机实时拼接视频影像技术。该技术首先利用SIFT进行特征提取,获得的各相机图像间的投影矩阵,然后通过不同相机帧间信息投影及拼接,获得实时的成像结果。该技术已投入使用,实践验证取得了良好的成像效果,视频帧率可达24fps。本文网络版地址：http：//www. eepw.com.cn/article/276356.htm     

基于FPGA的机械振动台自动定中系统

为了在火药填充过程中使机械台在静态和振动状态均能自动保持中间位置．文中给出了一套基于FPGA的机械振动台自动定中系统的设计方法。实际带裁测试表明,此设计方案具有较高的灵活性、可靠性及稳定性,且价格低廉。     

用于智能门禁系统的人脸识别技术

研究了用于智能门禁系统的人脸识别技术.在人脸检测部分使用测量相关度算法,使匹配位置快速到达最佳匹配点.在人脸识别部分提出一种基于属性关系的快速算法,具有较好的识别率.讨论了门限的合理选择.通过实验验证了所提方案的有效性.     

一种基于机器视觉的铝管缺陷检测系统

针对铝管生产过程中对准确、可量化的自动缺陷检测系统的迫切需要,本文引入一种由图像采集、缺陷检测、缺陷处理等模块组成的铝管缺陷检测系统。平板探测器获取由X光高压电源产生,穿过铝管的X射线并把所形成的数字图像通过USB端口发送至检测服务器。检测服务器使用机器视觉算法检测图像中的缺陷。当服务器检测到缺陷时,会向PCI板上指定位输出信号,报警装置接到信号后报警提醒工作人员。实验表明该系统能够自动、准确的标记出铝管中存在的缺陷,达到了系统的设计目标。     

Excel VBA在PCB设计辅助信息查询中的应用

针对传统手工查找PCB设计辅助信息效率低、工作强度大的问题,文章运用Excel VBA二次开发功能,实现了PCB设计辅助信息的自动查询。与传统方法相比,本方法能显著提高工作效率,减少工作量,有效保证数据准确性,达到事半功倍的效果。     

一种新型光纤带及其在接入网中的应用

本文介绍了一种新型可卷光纤带,从不同角度分析了该光纤带的易弯曲和熔接特性,简要说明了该新型光纤带光缆在接入网中的应用优势。     

炮弹引信动态信号自动检定系统设计

提出了一套引信动态信号自动检定系统的设计方法,该方法可使瞬态信号检测更加简单准确且易扩展。实际引信测试证明,该检定系统可靠性较高,而且抗干扰能力较强。     

钛宝石激光器中飞秒和皮秒脉冲被动同步的研究

在双波长钛宝石激光器中通过交叉相位调制实现了飞秒和皮秒脉冲的交叉锁模,得到了被动同步的飞秒和皮秒脉冲.自相关和交叉相关曲线表明飞秒和皮秒脉冲具有很高的同步性,脉冲之间的抖动为51 fs.在飞秒和皮秒激光腔分别独立自锁模的情况下,群速弥散和自相位调制决定了自锁模激光脉冲的频谱和时间宽度.在飞秒和皮秒激光腔交叉锁模的情况下,交叉相位调制和增益竞争是决定脉冲频谱和时间宽度变化的主要因素.此外,讨论了被动同步的机制、激光的调谐范围以及锁模的稳定性.     

北斗、GPS与GLONASS组合定位算法

针对静止观测点的一次定位、多次定位及离散型运动观测点定位,提出"北斗"、GPS与GLONASS卫星导航系统权重系数组合定位算法.针对连续型运动观测点定位,与多目标规划组合定位算法,将该多目标规划转换为可直接求解的单目标二次规划.提出的权重系数组合定位算法与多目标规划组合定位算法均具备可调节性,既可借助GPS与GLONASS得到较为精确的定位坐标,又不依赖于GPS或GLONASS,在军事应用中具备一定的的实用性与保密性.     

SOSNet:一种非对称编码器-解码器结构的非小细胞肺癌CT图像分割模型

非小细胞肺癌严重损害人类健康,早期非小细胞肺癌CT(Computed Tomography)图像中的肿瘤结节体积小,不易发现,极易造成漏诊和误诊.为了精确分割非小细胞肺癌CT图像中的小体积肿瘤结节,本文提出SOSNet(Small Object Segmentation Networks)自动分割模型,利用ResNet(Residual Network)基础层和空洞卷积构造非对称编码器-解码器结构作为分割主网络,利用轴向取反注意力模块ARA(Axial Reverse Attention)逐步擦除背景中对分割有影响的结构,再使用结构细化模块SR(Structure Refinement)对主网络输出的粗略特征图进行结构细化,从而实现非小细胞肺癌肿瘤结节分割.在非小细胞肺癌公开数据集的实验测试表明,本文提出的小目标自动分割模型SOSNet可以有效分割出非小细胞肺癌CT图像中的小体积肿瘤结节,其mDice(mean-Dice)、mIoU(mean Intersection over Union)、Sen-sitivity、F1、Specificity、平均绝对误差MAE(Mean Absolute Error)均优于当前最先进的小目标分割模型CaraNet(Context Axial Reverse Attention Network).