基于多核DSP激光成像雷达数据处理系统

采用多核DSP设计了一个用于地面目标检测的激光雷达实时图像处理系统。在详细分析算法各模块资源消耗量的基础上,完成了硬件电路设计,实现了以主辅拓扑结构为框架的软件并行处理系统开发。在系统实现时,先将图像进行分区,并合理地将分区后的图像分配到四个DSP核中进行处理。最后,将并行系统进一步扩展到双核和六核,并与单核系统进行性能比较。对算法运算时间的测试结果表明,系统处理一帧图像仅需50 ms达到了实时性要求。结果表明,对于固定负载的处理系统,单纯地通过增加并行的核数来提高加速比的幅度是有限的。当增加并行的核数已不能明显地提高计算效率时,在系统设计中应着重减少每个核串行运算的负载量。     

基于一维距离像的抗箔条干扰算法研究

对箔条进行有效识别是对抗雷达箔条干扰特别是冲淡式干扰的关键。阐述了箔条干扰的原理,分析了舰船和箔条一维距离像的波形稳定性、距离像分布及相邻距离像相关性等差异,提取了距离像峰值点位置熵、距离像分散性以及相邻距离像相关系数三个目标特征,构造了BP神经网络识别器并完成了相应的参数设计以实现目标识别。利用真实数据进行了舰船和箔条的目标识别实验,结果表明该算法识别率高,收敛速度快,便于工程实现,具有较强的应用价值。     

USB2．0在DSP调试系统中的应用设计

为了实现DSP调试系统中数据和指令在DSP和主机之间的传输,利用EZ-USB FX2芯片,设计了一个满足DSP调试系统应用需求的数据传输系统。重点介绍了FX2芯片结构和Slave FIFO,并进一步给出了硬件电路、USB固件程序、驱动程序以及主机应用程序的设计方法。实践结果表明,该系统运行稳定可靠,具有较高的应用价值。     

采用投影轮廓特征的激光雷达快速目标识别

激光雷达可以获得目标的三维形状信息,已成为目标识别领域新的研究热点。针对传统匹配识别算法计算量大的问题,提出了一种快速的激光雷达目标识别方法。采用由粗到精的策略,提出了一种新的点云正交投影轮廓特征(PCF)实现模型的快速预选,在此基础上利用迭代最近点(ICP)算法将目标与模型点云精确匹配,并综合利用特征匹配和点云匹配信息构建相似性度量实现目标识别。采用25类地面装甲目标在96个不同视角下的点云数据进行实验,结果表明该算法的运算效率远优于逐一匹配法,且对目标姿态估计误差和目标遮挡具有很强的稳健性,具有较好的综合性能和应用推广价值。     

一种新的点云拼接算法

迭代最近点(ICP)算法广泛运用于三维点云数据的多视拼接,其精度和迭代收敛性严重依赖于待拼接数据的初始拼接位置,这就决定ICP只能是一个性能优越的精确拼接算法。粗拼接算法旨在为ICP提供一个良好的初始拼接位置。基于信息论中熵的概念,分析了点云的空间分布规律与所处位置的关系,在此基础上提出了一种新的粗拼接算法—迭代最小空间分布熵法。实验表明,该算法有效可行,可以提供很好的初始拼接位置,在误差允许范围内,该算法可以直接实现点云拼接。     

基于投影分布熵的多视点三维点云场景拼接方法

多视点三维点云场景拼接是解决激光三维主动成像目标自遮挡或被遮挡情况下目标数据不完全问题的一种有效方法,它将直接影响到后续的目标检测与识别处理。通过点云投影分布熵对场景独立坐标系进行估计,由此计算待拼接场景之间的空间变换参数,最后通过退火最近点迭代(ICP)方法,实现多视点场景的精确拼接。仿真实验结果表明,此方法是一种有效可行的方法。     

基于点云-模型匹配的激光雷达目标识别

为实现激光雷达自动目标识别,本文给出了一种基于点云模型匹配的方法。将点云进行三视投影,对投影点云进行二值化处理得到二值图像,采用Sobel算子和Hough变换提取点云轮廓边界及获得边界直线参数,然后以投影点云轮廓信息为约束提取包围矩形,完成目标姿态估计和几何特征提取。在此基础上以点云到CAD模型面元的欧氏距离最小为优化目标,采用单位四元数法计算点云与模型之间的刚体变换,通过迭代实现点云和候选目标CAD模型的匹配,并以归一化平均欧氏距离作为相似性度量完成目标识别。采用五种地面装甲目标在不同激光雷达视角下的点云进行目标识别实验,统计结果表明目标类别的正确识别率为100%,目标型号的正确识别率大于91%,因而本文方法具有较好的识别性能和较高的应用价值。     

基于Link口和USB的数据传输设计

为了满足多DSP软件调试系统中DSP和上位机之间的数据传输需求,以FPGA作为时序控制,采用Link口和USB2．0接口完成了数据传输设计。多个DSP之间以及DSP和FPGA之间采用Link连接,FPGA和上位机之间采用USB2．0连接。重点介绍了系统组成,完成了芯片选型、Link口和FX2芯片时序设计,并给出了固件程序、驱动程序和应用程序的设计方法。该系统工作稳定可靠,使用方便灵活,能很好地完成ADSP-TS101与上位机之间的数据通信。     

嵌入Transformer结构的多尺度点云补全

目的 当前点云补全的深度学习算法多采用自编码器结构,然而编码器端常用的多层感知器（multilayer perceptron,MLP）网络往往只聚焦于点云整体形状,很难对物体的细节特征进行有效提取,使点云残缺结构的补全效果不佳。因此需要一种准确的点云局部特征提取算法,用于点云补全任务。方法 为解决该问题,本文提出了嵌入注意力模块的多尺度点云补全算法。网络整体采用编码器—解码器结构,通过编码器端的特征嵌入层和Transformer层提取并融合3种不同分辨率的残缺点云特征信息,将其输入到全连接网络的解码器中,输出逐级补全的缺失点云。最后在解码器端添加注意力鉴别器,借鉴生成对抗网络（generative adversarial networks,GAN）的思想,优化网络补全性能。结果 采用倒角距离（Chamfer distance,CD）作为评价标准,本文算法在2个数据集上与相关的4种方法进行了实验比较,在ShapeNet数据集上,相比于性能第2的PF-Net （point fractal network）模型,本文算法的类别平均CD值降低了3.73%;在ModelNet10数据集上,相比于PF-Net模型,本文算法的类别平均CD值降低了12.75%。不同算法的可视化补全效果图,验证了本文算法具有更精准的细节结构补全能力和面对类别中特殊样本的强泛化能力。结论 本文所提出的基于Transformer结构的多尺度点云补全算法,更好地提取了残缺点云的局部特征信息,使得点云补全的结果更加准确。     

《中国图象图形学报》三维视觉与智能图形专刊简介

在无人驾驶、虚拟/增强现实、智能机器人和人机交互等新兴应用的牵引下,在三维成像传感器、人工智能算法和高性能计算等能力升级的保障下,三维视觉与智能图形技术发展迅速,相互交融,在学术界和产业界均引起极大的关注。目前,在三维数据获取、三维场景建模、三维语义理解和高真实感绘制等方面依然存在诸多挑战。紧密结合人工智能与大数据技术的最新进展,推动三维视觉与智能图形理论与方法的进一步发展,促进相关技术的应用落地,都将对未来的学术、产业和社会带来重要影响。 为了促进我国三维视觉与智能图形相关技术、方法与应用研究的深入开展,及时反映我国学者在相关领域的最新研究进展,《中国图象图形学报》邀请业内专家共同策划推出“三维视觉与智能图形”专刊,主要收录国内学者在相关理论方法、关键技术、数据平台和典型应用等方面具有创新性、突破性的研究成果。 经过严格的评审,“三维视觉与智能图形”专刊共收录学术论文24篇,包括5篇“综述”、1篇“数据集”论文、6篇“深度估计与三维重建”论文、4篇“三维形状分析”论文、3篇“三维点云分割”论文、5篇“图像视频分析”论文。 5篇“综述”主要针对单目深度估计、三维点云配准、多源融合SLAM进行了系统性的总结与探讨,并对未来的研究方向和发展趋势进行了展望。 1)《基于深度学习的单目深度估计技术综述》对2014—2021年间深度学习用于单目深度估计的经典方法以及最新进展进行了全面综述,回顾了基于监督学习和无监督学习方法的发展历程。并对当前研究的现状、面临的问题及可能的解决方案进行了讨论。 2)《深度学习刚性点云配准前沿进展》聚焦于深度学习点云配准,重点阐述领域最新方法和发展趋势;对不同算法进行了详细阐述与归纳比较;介绍了多种度量指标以及在不同基准下的对比数据;最后讨论了当前深度点云配准面临的挑战,并对未来研究方向进行展望。 3)《三维点云配准方法研究进展》分别就非学习和基于学习的点云配准方法进行综述与对比分析,从应用场景、配准性能、应用条件、算法通用性方面指出了点云配准技术面临的挑战,并展望了未来的发展趋势。 4)《多源融合SLAM的现状与挑战》从多传感器融合(相机、激光雷达、惯性测量单元等两种或多种传感器的组合使用)、多特征基元融合(特征法与直接法,线、面等多维几何特征相结合)和多维度信息融合(几何信息、语义信息、物理信息、学习方法等相融合)3个层面对当前多源融合SLAM研究的状态、面临的挑战及未来方向进行综述。 5)《深度学习单目深度估计研究进展》分别论述了单图像训练模型、多图像训练模型和辅助信息优化训练的单目深度估计模型,系统分析了单目深度估计的最新研究现状和各类方法的优缺点,总结归纳了单目深度估计的未来研究趋势。 “数据集”论文《面向本征图像分解的高质量渲染数据集与非局部卷积网络》建立了新的高质量本征图像数据集,并提出一种基于图卷积的神经网络。由于显式地结合了非局部先验,该网络得到了更优的本征分解结果,并通过一系列应用任务得到了进一步的验证。 “深度估计与三维重建”栏目6篇论文分别：提出一种快速、鲁棒的结构化重建算法以自动生成轻量的多边形网格;提出一种基于多阶段指导网络的稠密深度图构建方法;为实现高精度的双目视差估计,提出采用单、双边多尺度相似性迭代查找的方法;提出一种显微光学系统成像模糊程度与景物深度关系曲线的获取方法;对多视图立体三维重建中的特征提取模块和代价体正则化模块进行研究,提出一种基于注意力机制的端到端深度学习架构;提出一种基于场景几何的方法在自动驾驶领域实现真实尺度恢复。 “三维形状分析”栏目4篇论文分别：提出了一种基于显著性图的点云替换对抗攻击方法;利用网格简化的边收缩操作建立网格层次结构,提出了一种新的网格池化操作;提出一种新颖的无翻转体映射计算方法,其核心是一种新的变形方法;为更好地提取残缺点云的局部特征信息,使得点云补全的结果更加准确,提出了嵌入注意力模块的多尺度点云补全算法。 “三维点云分割”栏目3篇论文分别：为建立三维模型语义部件之间的对应关系并实现模型自动分割,提出一种利用隐式解码器的无监督三维模型簇协同分割网络;为更好地在从无序的点云中挖掘形状特征,提出一种能够端到端且鲁棒地处理点云数据的多维度多层级神经网络MM-Net;提出了一种基于多特征融合几何卷积神经网络(MFFGCNN)的机载激光雷达点云地物分类方法。 “图像视频分析”栏目5篇论文分别：提出了聚合细粒度特征的深度注意力自动裁图方法DAIC-Net;针对从单幅人脸图像中恢复面部纹理图时获得的信息不完整、纹理细节不够真实等问题,提出一种基于生成对抗网络的人脸全景纹理图生成方法;针对因视差过大和视差突变造成视觉不舒适度这一问题,提出了一种基于时空联合视差优化的立体视频重定向方法,将视频视差范围控制在舒适区间;提出一种多尺度可视化形状表示方法;提出一种基于热力图的6D物体姿态估计算法。 我们期待广大读者和科技人员通过本期“三维视觉与智能图形”专刊,能够更深入、更全面地了解该领域的最新方法和应用,吸引更多学者从事相关研究并产生具有国际影响力的优秀成果,为本领域的发展做出新的贡献。