带状区域无人机影像自检校光束法平差方法

针对带状序列无人机影像自检校空中三角测量时存在相机参数误差累积过大的问题,提出一种分类自检校(CSC)方法.该方法首先根据影像的GPS位置信息建立KD树,并利用K-Means进行自分类;然后对每类影像分别进行自检校光束法平差,将自检校得到的多组相机参数进行加权平均;最后进行全局自检校光束法平差.多组实验表明,CSC方法与室内检校场检校参数的像点畸变不符值均方根误差为0.5像素,检查点点位均方根误差为10.1 cm,且较Smart3D,VisualSFM和COLMAP软件能更精确地表示数据的原始姿态.综上,CSC方法可为带状区域无人机影像自检校空中三角测量提供一种有效的方案,具有较强的实践应用价值.     

竹编织结构的参数化设计与运用

传统手工编织的纹样独特,造型各异,但在制作过程中较费时费力。通过Rhino中的grasshopper插件来进行参数化编织的模拟与设计,运用grasshopper中的参数化运算方法和特定的电池模块来操作,可以按需求调节编织纹样、造型以及各个尺寸数据。分析中设计几类不同纹样的编织花瓶,阐述grasshopper中几款不同的电池模块的使用方式以及制作效果。相比较传统手工编织,参数建模的方式更为快捷和智能,为编织产品提供了一种全新的设计方法以及思路。     

基于深度学习的绝缘子定向识别算法

为了解决绝缘子目标检测中无法精确定位的问题,该文基于深度学习提出一种绝缘子定向识别算法,通过在轴对齐检测框中加入角度信息,可有效解决常规深度学习算法无法精确定位目标的问题。该算法首先将角度旋转参数引入轴对齐矩形检测框中构成定向检测框,然后将该参数偏移量作为第5参数加入到损失函数中进行迭代回归,同时为提高检测精度在训练过程中使用Adam算法替代随机梯度下降(SGD)算法进行损失函数优化,最终可获得绝缘子定向检测模型。实验分析表明,加入旋转角度的定向检测框可有效对绝缘子目标进行精确定位。