投影残差分类器

针对声音、图像等高维数据的分类问题,提出了一种快速算法。首先通过非线性特征映射,将各个类别的训练样本集转换到特征空间中,构造相应的特征子空间,然后提取它们的主要特征。特征映射能够降低特征子空间的维数,并增强它们之间的两两正交性,提高了分类的准确性。在进行分类时,该方法将测试样本向各个特征子空间投影,并计算投影残差,测试样本即为投影残差最小的特征子空间的样本。与传统的分类方法不同,快速算法能一次区分多个类别,并具有与支持向量机相同的准确率。又使用了流形学习理论对快速算法进行改进,在保持准确率的前提下,极大地降低了特征子空间的维数,验证了流形学习理论的应用价值。     

基于改进的相似度度量的谱聚类图像分割方法

针对传统谱聚类图像分割方法存在分割准确度不够高的缺点,提出一种基于改进的相似度度量的谱聚类图像分割方法。该方法首先使用超像素分割算法将图像预分割为一定数目的超像素集合,并构建以超像素为节点的图;然后融合超像素的协方差描述子、颜色信息、纹理信息、梯度信息以及边缘信息作为超像素的特征来度量超像素间的相似性,进而得到超像素的相似度矩阵;最后使用NJW算法对超像素图进行分割。大量的实验结果验证表明,改进的分割方法在分割精度上优于目前存在的无监督分割方法,并且在交互式分割的模式下,该方法可以准确分割出用户指定的目标。     

脉冲激光探测多平面目标回波特性

针对激光雷达多目标探测回波特性问题,基于传统单点激光回波理论,考虑激光照射区域和目标倾斜角度因素,推导出多目标激光雷达回波方程。数值仿真结果表明：多个目标回波峰值电压随着目标照射区域减小和目标倾斜角度增大而逐渐减小。搭建了多目标回波探测实验平台,采集了不同激光照射区域和目标倾斜角度下的回波波形,对比了峰值电压理论计算结果与实测结果。结果表明：理论波形与实验波形一致,峰值相对误差控制在6.7%以内,验证了理论模型和所推导公式的有效,所得结论可以为脉冲激光雷达全波形分解和反演提供理论参考性。     

基于动态参数的函数空间学习最优核映射

核函数方法可挖掘出高精度快速印刷品图像间的非线性分布规律,而挖掘能力由所选择的核函数及其参数来决定。这两者的学习与选择同样是核函数理论继续发展与实际应用需要迫切解决的问题。针对印刷品智能检测这一特定背景,提出了一种新的基于优化问题的从具有动态参数的函数空间中学习核函数及参数的方法,以此来使核函数方法达到最优性能。与传统的计算方法不同之处在于其核函数空间中的核参数是连续变化的,这使学习的范围得到一个维度上的扩展。实验结果显示,结合理论分析的迭代算法仅需要10次迭代便可得到统计最优的核函数及参数,利用学习到的核函数计算的复原误差是统计最小的。     

一种气动静压软体机器人的驱动力产生机理及控制策略

基于复杂刚性结构的传统机器人在狭小多变的空间中活动时,易对机器人本体产生较大磨损与消耗.针对此类问题,本文提出一种新型气动静压软体机器人,降低了机器人通过狭小空间时的阻力,减少运动损耗.在研究海参静水骨骼结构基础上,设计了软体机器人气囊相变结构,分析了气囊充放气的流体静压力学特性,建立驱动力产生的数学模型,从而设计出单单元与双单元控制策略,并利用时间戳BP(反向传播)神经网络对系统的延时时间进行预测,增强内模反馈系统的稳定性.在越障实验与稳定性分析中,加入延时预测后,机器人能在单单元与双单元控制模式下稳定行进,并顺利越过小沟壑,顺利完成六单元翻转的概率从89%提高到96%.     

Oldroyd-B流体剪切流动的稳定性分析及数值计算

首先给出了Oldroyd-B模型的稳态解,其次将该模型在稳态解处线性化,通过求稳态解处Jacobi矩阵的特征值,给出了系统稳定的条件,最后采用隐式差分格式进行数值模拟,验证了稳定条件的合理性.     

基于动态特征剔除的图像与点云融合的机器人位姿估计方法

针对动态物体影响传感器进行机器人位姿估计的问题,本文提出了一种基于动态特征剔除点云与图像融合的位姿估计方法。首先,YOLOv4和PointRCNN分别被用于识别图像和点云中的潜在运动目标并提取候选框。其次,在视觉定位方面,双目视觉与稀疏光流被用于路标点的构建与追踪,并根据候选框剔除动态特征点,随后构建重投影误差函数,通过基于RANSAC剔除的非线性优化方法求解相机位姿;在激光定位方面,提取前后帧的直线与平面特征点,并根据候选框进行筛选,基于特征点到直线或平面的距离构建误差函数,进而求解激光雷达位姿。为使系统不再局限于单一传感器的使用环境限制,通过自适应加权方法,有效融合了两种位姿结果。最后,通过KITTI数据集和动态场景采集的数据进行定量实验对比,验证了剔除动态特征后的位姿估计的精确性以及融合算法的有效性。     

基于改进Unet的分布式光伏建筑物高精度分割方法

针对屋顶光伏资源评估中难以准确高效地获取建筑物屋顶区域的问题，该文提出一种基于Unet的FPN＿AttentionUnet语义分割网络，用于实现建筑物屋顶的高精度自动提取。该网络融合Soft-Attention注意力机制和双层特征金字塔FPN以提取准确的语义信息，精细化分割结果。Soft-Attention注意力机制用于处理和连接编码部分与解码部分的特征图；双层特征金字塔FPN融合解码部分不同尺度的特征图来获取不同尺度的特征信息。采用无人机获取苏州某区域上空的建筑物数据集和武汉大学WHU公开数据集分别进行训练，训练结果表明：与Unet、AttentionUnet、FPNUnet网络相比，该文提出的FPN＿AttentionUnet在建筑物外轮廓提取中具有更高的精度，有效提高边缘提取效果。在自制数据集中类别像素准确率CPA达95.56%，平均交并比MIoU达91.10%，在WHU公开数据集中分割效果同样优于其他对比网络，所提算法能够有效提升建筑物外轮廓边缘的分割精度。最后以河海大学常州校区为例，利用提出的算法从无人机图像中分割建筑物，评估指定区域的光伏发电量与光伏组件安装潜力。