基于注意力机制的毫米波雷达和视觉融合目标检测算法

传统目标检测大多基于摄像头采集图像进行,虽然近些年出现了许多优秀的检测网络,但在复杂场景下,仍存在大量漏检、误检等问题。针对这些问题,提出了一种基于注意力机制的毫米波雷达和视觉融合目标检测算法。首先将毫米波雷达数据进行扇形点云柱编码（Fan-shaped Cloud Pillar Code,FCPC）,将其转换为前景伪图像;然后,再将其通过坐标关系映射到像素平面,使用卷积注意力模块（Convolutional Block Attention Module,CBAM）对两者特征数据进行融合;采用Yolov4-tiny对融合特征进行检测,并引入Focal Loss对原损失函数进行改进以解决正负样本不均的问题。在Nuscenes数据集上进行模型验证与对比,结果表明,该算法在复杂场景下相比其他单传感器检测算法如Yolov3、Efficientent以及Faster-RCNN等,无论平均检测精度(mean Average Precision,mAP) 还是每秒检测帧数(Frames Per Second,FPS)都有明显的提升。     

交流杂散电流干扰对埋地管道阴极保护电位的影响

设计室内干扰试验,模拟现实中各类因素下交流杂散电流干扰对管道阴极保护电位的影响。通过数据采集系统对电位信号的采集,滤波系统对交、直流信号的分离,分析得到交流干扰下管道真实阴极保护电位的变化。结果表明:在交流干扰下的管道阴极保护电位会产生较大的IR降,使得管道真实的阴极保护电位偏离地表参比法测得的电位值;同时,在交流杂散电流干扰的瞬间,将会有一个较强的电位信号产生,可能会对恒电位仪及管道防腐蚀层产生不利影响。     

传统装车臂存在问题及改进措施

为了提高装车臂的装车效率，降低劳动强度，分析了LNG装车臂的组成、工作流程、使用过程中存在的问题及原因并提出了改进措施。将各种改进措施与传统LNG装车臂技术进行有机融合，设计并生产制造了一款新型的气动助力装车臂。通过在内臂与框架之间增加一根气缸，用于推动内臂绕第一旋转接头旋转；将6台手动阀门均改为气动阀门，并将控制信号通过防爆接线箱接到批量控制器内；在延伸臂与第5旋转接头入口法兰之间增加一根弹簧平衡缸，使延伸臂在包络线范围内能够保持水平；采用快接装置代替松套法兰与槽车对接以提高连臂效率。在LNG装车站对新型的气动助力装车臂进行试运行验证，结果表明改进后的新型装车臂进行装车提高了自动化水平，使用其代替传统装车臂可以减少操作人员1名，在降低剩余操作人员劳动强度的同时将工作效率提高18%左右。     

基于ICEEMDAN的雷达生命信号检测方法

线性调频连续波（FMCW）雷达能够通过非接触的方式采集人体的呼吸和心跳信号,为了去除和减少生命信号中的杂波干扰,本文提出了基于改进的自适应集合经验模态分解（ICEEMDAN）和长数据序列截取的生命信号分解方法,通过延长观察时间,然后截取时间序列,得到既定观察时间的最终固有模态函数（IMF）分量,通过模糊熵对所有IMF信号进行分析来识别含噪信号,并对含有噪声的IMF信号进行去噪处理,综合分析相关性和能量阈值的结果,挑选出合适的IMF 分量重构生命信号。通过仿真和实测表明,所提出的方法能够大幅减少噪声,优于现有的去噪技术,有利于提高提取的呼吸和心跳信号的精准度和真实性。     

结合边缘模糊的景深显著性在图像缩放中的研究

针对内容敏感图像缩放技术调整图像尺寸时会出现重要信息丢失、物体边缘扭曲、非显著区域结构信息不完整等问题,提出基于边缘模糊的景深显著性算法.根据心理学原理,引入非显著区域结构信息保持的概念.采用边缘模糊特性进行景深估算,通过学习得到模糊字典提出模糊景深描述子,并以模糊景深描述子辅助进行显著性计算;为了达到在图像缩放时保持结构均衡,通过改进传统的区域型显著计算,提出显著性边缘分布特征,能够在保持显著信息、边缘完整的同时,有效减少结构信息的丢失或损坏,使缩放后的图像更符合人们的视觉体验.通过与经典算法和最新算法的对比实验,验证了文中算法的有效性.     

多图谱与联合标签融合策略相结合的主动脉CT图像分割

主动脉图像自动分割技术在主动脉疾病的早期诊断、风险评估及手术治疗中发挥重要作用。本文采用了基于多图谱的医学图像分割技术,并将之与联合标签融合（Joint label fusion,JLF）策略相结合应用于3D主动脉CT图像的自动分割问题中。联合标签融合策略考虑了各个图谱之间的相互关系,能够有效抑制图谱间冗余信息的干扰,进而提高标签融合精度。本文提出了一种图谱更新算法以应对图谱数量不足的问题,在提高分割精度的同时,保持了较低的计算复杂度。在15例主动脉CT图像数据上的分割结果表明,本文方法能有效地对3D主动脉图像进行分割,与3种基于传统融合方式的图谱分割法相比,本文方法具有更高的分割精度。     

暂态稳定约束下风电基地出力优化研究

风场出力优化已成为规划设计风电场时迫切需要解决的问题。本文提出了计及暂态稳定约束的风场出力优化问题的数学模型,并明确了数学模型中目标函数及各约束条件的物理意义。分析了风场出力暂态稳定裕度灵敏度的计算方法,并基于风场出力暂态稳定裕度灵敏度这一指标提出了风场出力配置的优化算法,最后利用PSASP仿真论证了本文算法的有效性。     

基于单摄像头双目成像系统在计算机视觉中的应用研究

利用单个摄像头和一平面镜的舍体实现了双目成像系统的三维视觉功能,并理论证明了平面镜相对于摄像头按一定条件放置时,利用合体可以得到适于三维立体视觉的图像。在已知舍体内外部参数的情况下,由舍体所得图像进行点的三维立体恢复的理论推导。对合体的标定、内外部参数的确定也进行了理论推导。最终证明,由合体进行三维立体恢复,其实质相当于双目成像。通过实验对合体和一双目成像系统分别进行了标定,利用标定的结果进行了对点的三维立体恢复。结果表明两者精度相当。     

基于时空注意的毫米波雷达人体活动识别网络

为了解决传统方式利用摄像头进行人体活动识别抗干扰性差以及侵犯用户隐私的问题,提出一种基于时空注意的毫米波雷达3D点云数据的人体活动识别网络,以实现智能应用上下文的准确感知。该网络首先使用二级滑动时间窗口分别累积和分离人体活动产生的点云数据作为分类器的输入,利用PointLSTM单元根据点云坐标关系聚合点特征和状态以提取人体活动的时间序列特征;然后拼接时空特征,通过采样分组模块降低整体网络计算量以及提升网络对局部特征的聚合能力;最后使用堆叠的注意力模块深度融合动态点云数据时空上的全局和局部特征以完成对人体活动任务的准确分类。利用毫米波雷达采集了多种人体活动点云数据集,实验结果表明,提出的时空注意网络平均准确度可达98.64%,能够有效识别复杂且差异小的人体活动类型,完成人体活动识别系统的要求。     

基于海马纹理特征的阿尔茨海默病早期识别

阿尔茨海默病(AD)是一种神经退行性疾病。随着脑医学影像的发展,对AD诊断的精确度也在进一步提高,但对AD的诊断,客观上仍缺少好的生物标记。为寻找到AD的更稳定的生物标记,利用海马的影像组学特征对海马的信号强度、形状、灰度阶梯分布等特征进行刻画,通过方差分析(ANOVA)和事后检验,在统计学上寻找出正常对照(NC)、AD、轻度认知损害(MCI)之间存在差异的特征;通过与被试的简易智能状况检查(MMSE)评分进行相关性分析,找寻与MMSE评分相关性较高的特征;利用支持向量机(SVM)构建一个对AD和NC分类的模型,交叉验证得到的正确率为86%。结果表明,海马的影像组学特征是一个很好的生物标记,能对AD进行有效的早期识别。