面向延迟着色的统一反走样算法

近年来,面向延迟着色的后期处理反走样算法成为实时绘制研究和应用的热点,针对该算法往往只能处理单一类型的走样的问题,提出一种统一的后期处理反走样算法.该算法既能通过子像素级别的几何对几何边界进行高质量的反走样重建,又能根据着色信息对颜色纹理的走样进行形态学的反走样处理;由于使用2种屏幕空间反走样算法分类处理屏幕像素会导致2类像素之间过渡不平滑,在屏幕空间滤波的基础上使用重投影的反走样方法,能克服动态场景中可能出现的闪烁问题.实验结果表明,文中算法在延时绘制的框架下能较好地处理几何边界走样、纹理边缘走样和时间域走样等多种类型的走样,高效地获得高质量反走样绘制结果.     

一种延期着色的快速反走样算法

使用延期着色技术,无法应用硬件对图形进行反走样处理。针对该问题,提出一种延期着色的快速反走样算法。利用缓存的位置和法线信息准确高效地在缓存中进行边缘检测,对边缘部分采用加权抖动采样方法进行平滑处理。实验表明,该算法能够快速地获得效果较好的反走样结果。     

基于VAPS虚拟仪表反走样设计仿真实现

针对飞机模拟机虚拟仪表设计仿真时存在刻度线走样、刻度线位置不准确以及会产生锯齿现象等缺陷而进行反走样技术研究,提出区域采样技术和Bresenham反走样算法结合,重点在刻度线、字符的反走样技术上对其进行优化设计与研究,提高虚拟仪表画面的显示质量。通过VAPS软件完成了虚拟仪表设计与仿真。试验表明,该算法能够在虚拟仪表研发中实现反走样设计,达到飞机机载电子显示系统对其性能的高要求和标准。     

一种快速高效的反走样算法*

快速近似反走样是一种后处理式反走样技术,其效果好、效率高,但由于是根据亮度值检测边缘,导致模型纹理贴图上的条纹和高光部分也会被检测出来,从而造成不必要的反走样。针对这一问题,该算法提出了一种改进的反走样方法:根据物理和阴影信息检测出模型与阴影边缘,再以边缘周围状况计算确定混合朝向,最后结合亚像素覆盖率进行反走样运算。实验表明,该算法在保留了原快速近似反走样效率的同时,有效地消除了不必要的反走样。     

实时绘制中的阴影贴图反走样算法研究

阴影是实时绘制中增强场景真实感的有效方法,阴影贴图是目前应用最广泛的动态阴影实时绘制方法,但不可避免地具有基于图像方法的固有走样缺点。分析已有阴影贴图算法中走样的种类与成因,根据走样的影响因素,要想减弱阴影边界走样,就必须提高屏幕对深度纹理的采样率。基于此思路,设计并实现一种基于空间平行分割的新的阴影贴图反走样方法,综合对数分割与平均分割的优点提出新的场景划分方法,并设计外接球的坐标变换方法,最后开发了原型系统对所开发的阴影贴图反走样算法进行实验分析。实验结果表明,在满足实时绘制效率需求的前提下,采用的方法可以有效解决阴影走样问题,改进场景的绘制效果。     

基于未来帧的时间性反走样研究及实践

时间性反走样算法具有效率优势,是近年来被广泛应用的实时反走样算法之一。该算法通过将 采样点平摊至历史多帧及复用历史数据的方式来实现实时反走样。在时域信息采样充分且历史数据可复用的前 提下,该算法能取得和超采样反走样算法类似的效果。然而在实际应用中,时间性反走样算法会有几何边缘锯 齿、重影及子像素细节缺失等问题。本文以时间性反走样算法为研究基础,针对时间性反走样算法存在的问题, 提出了一种基于未来帧的时间性反走样算法。其基本思想是,在使用已有时域信息的基础上,将未经反走样处 理的未来一帧纳入时间性反走样,通过使用未来帧的样本,提升几何反走样效果,实现抗重影以及改善子像素 细节缺失情况。本文算法提出了可复用未来帧数据提取以及未来帧数据复用的解决方案。实验结果表明,与时 间性反走样算法相比,该算法的反走样效果更优。     

彩色基本图元反走样算法

本文基于双像素扫描转换原理,研究了基本图元直线、圆和椭圆的反走样算法,特别是直线的动态反走样算法。针对彩色线条,本文应用了反走样颜色处理技术。通过绘制反走样“卫星图”对所提算法进行了验证。     

基于目标检测的动态鲁棒视觉SLAM

针对传统视觉即时定位与建图(simultaneouslocalizationandmapping,SLAM)算法的环境静态假设在高动态场景下不成立,导致无法实现准确定位的问题,通过在视觉SLAM前端引入语义模块、优化动态特征点剔除策略,构建动态鲁棒的相机自定位系统。引入YOLOv4识别动态和静态目标,根据特征点与动、静态目标框的位置关系及动态点占比将所有特征点划分为动态和静态,将动态点从定位算法中剔除。为准确评估算法有效性,构建复杂城市道路场景数据集,实验结果表明,该方法能有效抑制动态目标给相机自定位带来的不利影响,在多段图像序列中实现更低的定位误差,提升相机的定位精度和运动轨迹准确性。     

室内动态环境下基于网格分割与双地图耦合的RGB-D SLAM算法

为解决室内动态环境下现有RGB-D SLAM（同步定位与地图创建）系统定位精度低、建图效果差的问题,提出一种基于网格分割与双地图耦合的RGB-D SLAM算法。基于单应运动补偿与双向补偿光流法,根据几何连通性与深度图像聚类结果实现网格化运动分割,同时保证算法的快速性。利用静态区域内的特征点最小化重投影误差对相机进行位置估计。结合相机位姿、RGB-D图像、网格化运动分割图像,同时构建场景的稀疏点云地图和静态八叉树地图并进行耦合,在关键帧上使用基于网格分割和八叉树地图光线遍历的方法筛选静态地图点,更新稀疏点云地图,保障定位精度。公开数据集和实际动态场景中的实验结果都表明,本文算法能够有效提升室内动态场景中的相机位姿估计精度,实现场景静态八叉树地图的实时构建和更新。此外,本文算法能够实时运行在标准CPU硬件平台上,无需GPU等额外计算资源。     

基于深度学习和边缘检测的动态场景下鲁棒SLAM

机器人在执行同时定位与地图创建(simultaneous localization and mapping,SLAM)的复杂任务时,容易受到移动物体的干扰,导致定位精度下降、地图可读性较差、系统鲁棒性不足,为此提出一种基于深度学习和边缘检测的SLAM算法。首先,利用YOLOv4目标检测算法获取场景中的语义信息,得到初步的语义动静态区域,同时提取ORB特征点并计算光流场,筛选动态特征点,通过语义关联进一步得到动态物体,利用canny算子计算动态物体的轮廓边缘,利用动态物体以外的静态特征点进行相机位姿估计,筛选关键帧,进行点云叠加,利用剔除动态物体的点云信息构建静态环境地图。本文算法在公开数据集上与ORB_SLAM2进行对比,定位精度提升90%以上,地图可读性明显增强,实验结果表明本文算法可以有效降低移动物体对定位与建图的影响,显著提升算法稳健性。     

基于预测的多特征融合Mean-Shift跟踪算法

视频监控在生活中的应用已经相当广泛,其中视频目标精确跟踪是 计算机视觉中 应用较广、难度较大的一部分。在实际视频场景中目标存在复杂的变化,如外形变化、部分遮挡、光照变化等,这对Mean-Shift跟踪算法产生了较大的影响。为了解决上述变化导致的跟踪不准确的问题,融合颜色和Gabor-LBP纹理特征进行Mean-Shift跟踪,并利用二次多项式预测运动目标的位置,以提高跟踪的准确度。     

使用场景增强的安全帽佩戴检测方法研究

为了解决现有安全帽佩戴数据集样本数量有限导致模型检测精度较低的问题,提出一种基于场景增强的样本扩充算法。该算法将训练集中随机抽取的图像中的检测目标随机缩放后,粘贴到另一随机场景图像上的任意位置,基于现有场景构建出拥有新的检测目标的增强场景,通过场景增强扩充安全帽佩戴训练数据集,增加训练数据集的多样性。为了验证该算法在安全帽佩戴检测中的有效性,使用场景增强算法扩充HelmetWear数据集,并用其训练基于YOLO v4的安全帽佩戴检测模型,通过检测精度评估场景增强算法。在HelmetWear数据集上检测精度达到93.81%,检测精度提升了6.39个百分点。实验结果表明该算法能有效提升安全帽佩戴检测的精度,特别是在样本最为欠缺的小目标上表现更为显著;场景增强算法对解决其他领域目标检测训练数据不足的问题有重要的借鉴意义。     

软阴影算法及实现

提出了一个实时软阴影算法。首先以光源为视点生成包含场景深度信息的“阴影映射图”,然后从观察者视点将场景渲染到一个屏幕纹理缓冲中,进而对此纹理采用percentage closer filtering (PCF)策略进行反走样,最后采用高斯滤波对阴影进行模糊处理。该算法不仅得到了较好的软阴影效果,并且也有较好的实时性,可适应实时动态变化场景的需求。     

针对动态目标的多无人机协同组合差分进化搜索方法

针对多无人机动态目标协同搜索问题,提出一种组合差分进化无人机协同搜索航迹规划方法.建立动态目标协同搜索环境信息图模型及无人机运动模型.基于改进差分蝙蝠算法和自适应差分进化算法,设计基于种群数量自适应分配的组合框架,将差分进化算法中的变异、交叉和选择机制引入蝙蝠算法,构建组合差分进化算法的协同搜索算法,并对无人机动态目标协同搜索的航迹进行优化.针对待搜索目标轨迹随机多变且具有规避侦察特性的现实场景,建立可回访数字信息图和自适应目标搜索增益函数,从而提高无人机对动态目标的捕获能力.最后,通过仿真结果验证所提出的无人机动态目标协同搜索算法的有效性.     

基于拟牛顿法和块稀疏重建的TWR成像算法

多径效应环境中边墙位置的不确定性给穿墙雷达系统的目标定位和高分辨率成像的要求带来很大的挑战。针对上述问题,在对穿墙雷达多径回波信号进行合理建模的基础上,提出一种基于拟牛顿法和块稀疏重建的成像算法。所提成像算法在精确重建边墙位置的基础上具有成像目标定位准确,无虚假目标的优点,数值仿真实验结果验证了所提成像算法的有效性和正确性。     

基于视觉显著性的均值漂移跟踪算法

为解决突变运动下的目标跟踪问题,提出了一种基于视觉显著性的均值漂移跟踪算法,将视觉注意机制运用到均值漂移跟踪框架中,利用时空显著性算法对视频序列进行检测,生成视觉显著图,从视觉显著图对应的显著性区域中建立目标的颜色特征表示模型来实现运动目标跟踪.实验结果表明:该算法在摄像机摇晃等动态场景下可以较准确检测出时空均显著的目标,有效克服了在运动目标发生丢失和遮挡等情况下跟踪不稳定的问题,具有较强的鲁棒性,从而实现复杂场景下目标较准确的跟踪.     

基于灰度直方图的运动目标特征检测算法

为提高运动目标的检测效果和指导性，提出一种基于灰度直方图分析的运动目标特征检测算法。采用视觉成像技术进行运动目标图像采集和视觉特征分析，提取运动目标的动态视觉特征量。根据运动目标边缘差分变换和空间位置关系进行运动图像的特征分离，提取运动目标图像的边缘轮廓特征量。采用统计形状模型进行运动目标图像的二值化分离，构建运动目标图像的灰度直方图。根据灰度直方图中的统计信息进行目标特征检测和动态特征提取，实现运动目标图像的视觉检测和动态识别，有效提取运动目标的关键特征，实现目标特征检测。仿真结果表明，采用该方法进行运动目标图像的特征检测性能较好，对运动目标的动态识别能力较强。     

低分辨雷达目标分类的最小代价拒判算法

为解决低分辨雷达目标自动识别中,干扰目标、虚假目标的存在以及不同类别目标样本集混叠的问题,提出了一种基于最小代价的拒判K近邻识别算法.该算法根据雷达识别系统最小代价的原则,利用Fisher判别函数,确定拒判门限.设计了基于两类拒判域的K近邻识别算法,第一类拒判根据训练样本集特征值的波动范围,对干扰目标和虚假目标进行拒判;第二类拒判根据测试样本与最近邻、次近邻的距离差,实现混叠区域的目标样本拒判.算法先对测试样本进行拒判分析,再利用K近邻算法识别分类.实验结果表明,基于以上算法的低分辨雷达目标识别系统具有较好的鲁棒性和识别性能.     

基于改进粒子群算法的行李条码阅读器布局优化

针对航空旅客托运行李时,检测行李条码的阅读器数量、位置、姿态存在很多不确定性问题,提出了动态种群-双适应值粒子群优化(DPDF-PSO)算法。首先,建立行李条码检测数学模型;然后,转化为约束优化问题;其次,通过标准粒子群优化(PSO)算法求解此优化问题;最后,依照模型特点对标准粒子群算法进行改进。仿真结果表明,与标准PSO算法相比,DPDF-PSO算法仿真时间降低了23.6%,目标函数值提高了3.7%。DPDF-PSO算法克服了标准粒子群优化算法中仿真时间慢、边界最优解难处理的缺点,阅读器布局方案能以较低的成本准确快速读取行李身份信息。     

基于车载传感器的路面井盖自动定位识别算法研究*

市政井盖快速定位与识别是提升现代城市部件空间数字化管理水平需要解决的重要问题,针对该问题提出基于车载传感器的复杂背景下路面井盖目标自动定位识别算法。该算法以车载传感器获取的透视图像中井盖所具有的椭圆形几何特征为判据,先利用矢量边缘检测方法提取边缘信息,再运用轮廓跟踪法将边缘构造成轮廓链表,然后通过最小二乘法拟合与快速生成轮廓链表中可能存在的椭圆目标,并根据井盖的形状特征排除透视图中与路面井盖无对应关系的虚假椭圆目标,最终形成高精度定位识别结果。实证研究表明,对达到数据采集质量标准的图像,在一般情况下该算法