一种新的完全欧氏距离变换算法

论文提出了一种基于边界剥离的二维完全欧氏距离变换算法。该算法从物体目标的最外层边界开始,自外向内、逐层对物体目标区域进行边界跟踪、剥离。在跟踪过程中,根据当前边界像素点的已获得距离变换结果或为背景的邻域像素信息,计算其与最近背景像素间的欧氏距离,从而实现距离变换。和已有算法相比,文中算法具有简单快速、容易实现,得到的是完全欧氏距离的优点,在分离粘连物体的应用中,取得了良好分离效果。     

一种基于Hausdorff距离的运动物体跟踪算法

针对视频处理中运动物体的检测和跟踪问题,提出了一种基于Hausdorff距离的目标跟踪算法。新算法提出首先采用多尺度分水岭变换获取运动物体模型,消除了传统基于分水岭变换算法存在的缺陷;然后使用部分Hausdorff距离实现后续帧中运动物体模型的匹配;最后再次使用多尺度分水岭算法完成运动物体模型的更新。实验表明,该算法可以有效地跟踪多个刚体或非刚体目标。     

基于GPU加速的保结构纹理合成

提出一种基于Chamfer距离的保结构纹理合成方法。使用Chamfer距离度量纹理结构特征的相似度,在查找匹配块的同时计算纹理在颜色空间和结构特征空间的匹配度,从而解决以往纹理合成中有显著结构特征的纹理容易出现不连续的问题。但是Chamfer距离的计算量很大,而且随着纹理合成图分辨率的提高,计算成本会变得相当高昂以至于难以负担。因此,提出了基于GPU加速的保结构纹理合成方法,通过并行查找匹配块提高合成效率。实验证明本方法既提高了结构纹理的合成质量,又使得保结构纹理方法的合成速度大大提高,且与纹理合成图的分辨率无关。     

一种最小阈值适应性预测算法

本文描述了在分布式虚拟环境AIMNET系统中提出的一种最小阈值适应性位置预测算法。AIMNET系统是南京大学自主开发的分布式虚拟环境,其通讯机制具有匿名性。在对分布式虚拟环境位置预测方法的研究基础上,根据算法阈值与实体间距离的关系,提出一种最小阈值适应性预测算法。试验表明,该算法与传统的位置预测算法相比,较好地解决了仿真实体运动轨迹的准确性和网络代价之间的矛盾,并且满足消息传递的匿名性。     

An adaptive dead reckoning algorithm using update lifetime

This paper proposes a new, adaptive Dead Reckoning algorithm, called Dynamic Dead Reckoning, for distributed interactive simulation and humanoid avatar systems. The proposed model can overcome the weak points of traditional Dead Reckoning caused by a fixed threshold and a strong dependency on rotation behaviour of entity. This paper introduces a new criterion for update message filtering, named as state update lifetime, which is a valid duration time of entity state update. The Dynamic Dead Reckoning has the advantage of keeping the balance between filtering performance and extrapolation fidelity using two major components, variable threshold mechanism and rotation event model. The experimental results show that the proposed algorithm can lower the increment rate of update traffic with the increase of rotation frequency without any significant loss of accuracy.     

Map assisted PDR/Wi-Fi fusion for indoor positioning using smartphone

In this paper we present a map-assisted pedestrian navigation system for smartphone user which combines map information, IMU-based Pedestrian Dead Reckoning (PDR) and Wi-Fi localization using fingerprinting method. PDR (Pedestrian Dead Reckoning) using smartphone consist with step detection, step length estimation and heading estimation. However, these algorithms have errors caused by various reasons such as step length error at uncertain user, magnetic disturbance in indoor situation and unstable position of smartphone. To increase accuracy of the PDR, Wi-Fi fusion or map matching method has been proposed. However, previous methods could not solve fault matching or creating map in hall area. Especially in hall, pedestrian could make various trajectories that accurate map structures are required. For solving the structure of map database in hall problem and accurate link selection, we propose a Virtual Link (VL) algorithm with a Virtual Track (VT). Furthermore, an Extended Kalman Filter (EKF) is used for estimating pedestrian position and IMU sensor errors. With map information, step length estimation error, heading error at pedestrian dead reckoning and some IMU sensor errors are estimated. Real world experiments are conducted at building, and it shows less than 3m of CEP (Circular Error Probability) after 200m walk.     

基于粒子滤波的WiFi行人航位推算融合室内定位

为提高室内定位的精度和稳定性,提出使用粒子滤波融合WiFi指纹定位和行人航位推算的室内定位算法。为减少复杂室内环境对WiFi指纹定位的影响,提出将支持向量机分类与回归相结合的两级WiFi指纹定位算法。在基于智能手持设备惯性传感器的行人航位推算中,为减少惯性传感器的误差以及人随意行走带来的影响,采用状态转换的方法识别行走周期并进行步数统计,提出根据实时加速度数据动态设置状态转换的参数,利用步长和垂直加速度之间的关系以及相邻步长之间的关系,应用卡尔曼滤波进行步长计算。仿真实验中,基于支持向量机的WiFi指纹定位的平均误差比最近邻居(NN)算法降低34.4%,比K最近邻居(KNN)算法降低27.7%。改进的行人航位推算的性能优于常用代表性计步软件和步长计算算法,而经过粒子滤波融合后估计的行走轨迹更加接近真实轨迹:直线行走平均误差为1.21 m,优于WiFi的3.18 m和航位推算的2.76 m;曲线行走平均误差为2.75 m,优于WiFi的3.77 m和航位推算的2.87 m。     

采用EKF与PF的室内融合定位技术

在室内定位的复杂环境中,WiFi指纹法的定位性能易受信号波动的影响,行人航位推算方法(Pedestrian Dead Reckoning,PDR)的定位误差会随时间逐渐累积,为了解决这两个方面的问题,提出了一种采用扩展卡尔曼滤波(Extended Kalman Filter,EKF)与粒子滤波(Particle Filter,PF)的融合定位技术,该技术通过融合WiFi指纹法和优化后的行人航位推算方法来提高定位精度。在WiFi指纹法模块,该技术采用传统的加权k近邻法进行定位。在行人航位推算模块,该技术融合多种传感器进行航向估计,改进传统的非线性模型进行步长估计,使优化后的行人航位推算方法更适用于复杂环境中的实际应用。最后,结合粒子滤波和室内地图信息,该技术能够校正估计位置并进一步提高定位精度。通过实验表明,本文提出的融合校正方法能够有效提高定位精度。     

Using distance transform to solve real-time machine vision inspection problems

This paper describes novel solutions to two challenging real-time inspection tasks in machine vision. The first is fast surface approximation for volume and surface area measurements of irregularly shaped objects; the second is fast intensity gradient correction for surface inspection and evaluation of spherical objects. Both solutions apply a distance transform (DT) based on the distance of each image pixel from the object boundary. We describe both real-time machine vision inspection tasks and discuss their complexity. We show that the new solutions result in significant improvements in both accuracy and efficiency—despite the relative simplicity of the DT approach.     

A Euclidean distance transform using grayscale morphologydecomposition

A fast and exact Euclidean distance transformation using decomposed grayscale morphological operators is presented. Applied on a binary image, a distance transformation assigns each object pixel a value that corresponds to the shortest distance between the object pixel and the background pixels. It is shown that the large structuring element required for the Euclidean distance transformation can be easily decomposed into 3×3 windows. This is possible because the square of the Euclidean distance matrix changes uniformly both in the vertical and horizontal directions. A simple extension for a 3D Euclidean distance transformation is discussed. A fast distance transform for serial computers is also presented. Acting like thinning algorithms, the version for serial computers focuses operations only on the potential changing pixels and propagates from the boundary of objects, significantly reducing execution time. Nonsquare pixels can also be used in this algorithm. An example application, shape filtering using arbitrary sized circular dilation and erosion, is discussed. Rotation-invariant basic morphological operations can be done using this example application     

基于密度的聚类中心自动确定的混合属性数据聚类算法研究

面对广泛存在的混合属性数据,现有大部分混合属性聚类算法普遍存在聚类 质量低、聚类算法参数依赖性大、聚类类别个数和聚类中心无法准确自动确定等问题,针对 这些问题本文提出了一种基于密度的聚类中心自动确定的混合属性数据 聚类算法.该算法通过分析混合属性数据特征,将混合属性数据分为数 值占优、分类占优和均衡型混合属性数据三类,分析不同情况的特征选取 相应的距离度量方式.在计算数据集各个点的密度和距离分布图基础 上,深入分析获得规律: 高密度且与比它更高密度的数据点有较大距离的数 据点最可能成为聚类中心,通过线性回归模型和残差分析确定奇异 点,理论论证这些奇异点即为聚类中心,从而实现了自动确定聚类中心.采 用粒子群算法(Particle swarm optimization, PSO)寻找最优dc值,通过参数dc能够计算得到 任意数据对象的密度和到比它密度更高的点的最小距离,根据聚类 中心自动确定方法确定每个簇中心,并将其他点按到最近邻的更高 密度对象的最小距离划分到相应的簇中,从而实现聚类.最终将本文 提出算法与其他现有的多种混合属性聚类算法在多个数据集上进行 算法性能比较,验证本文提出算法具有较高的聚类质量.     

用带形状校正的腐蚀膨胀实现Euclidean距离变换

提出一种用带形状校正的腐蚀膨胀实现的Euclidean距离变换新算法。该方法的特点是采用新的数据结构——线段表来表示区域与边界。对于用线段表表示的区域作腐蚀膨胀比用卷积型腐蚀膨胀算法效率提高数十倍。通过总结腐蚀膨胀造成失真的规律,设计出形状校正的方法来消除所造成的误差。与传统基于局部距离累加的Chamfer算法相比较,该方法在保真度与处理效率两方面都有提高。新的距离变换算法也可用于数字图像的合成,优点是生成羽化蒙板时形状保真度高并且运行速度快。特别适用于任意形状区域可选宽度边界条带上的羽化处理。     

基于距离类别的多源兴趣点融合算法

为了更好地实现多源兴趣点（POI）数据的有效集成与精确融合,提出了一种结合空间与非空间属性的距离类别的兴趣点融合算法（MNMDC）。首先,对空间属性,通过标准化权重算法计算待融合对象的空间相似度得到融合集;其次,利用非空间Jaro-Winkle算法对融合集中类别一致的对象使用低阈值排除,对类别不一致的使用高阈值排除;最后,使用距离约束、类别一致约束和高阈值的非空间Jaro-Winkle算法找出空间算法遗漏的可融合对象。实验结果表明,该方法平均准确率达到93.3%,与空间和非空间算法（COM-NWT）及格网化纠正方法相比,在7组不同重合度的数据下MNMDC方法的平均准确率提高2.7和1.6个百分点、平均召回率提高2.3和1.4个百分点。MNMDC在实际融合过程中能更精确地融合POI数据。     

全局中心聚类算法在课程序化中的应用

针对K-means在聚类过程中存在的随机性强、准确率不稳定等问题,提出了一种改进聚类算法,首先选取k个首尾相连且距离乘积最大的数据对象作为初始聚类中心,在簇中心迭代过程中,选取簇内距离和最小的样本作为簇中心,再将其他样本划分至相应簇中,反复迭代,直至收敛。在UCI数据集上的仿真实验结果表明:新算法与K-means算法和其他两种改进算法相比,不仅能够降低运算耗时,在准确率、Jaccard系数、F值等多项聚类指标上也有较大的提升,在实际应用中,使用新算法对现代学徒制的职业能力进行了聚类分析,解决了课程间的序化问题。     

低光照下的无人机异物检测与定位

为解决无人机在低光照环境下的巡检过程中, 不能对场景中的异物进行识别与定位, 导致后续智能算法无法获得环境语义信息的问题. 本文提出一种将ORB-SLAM2算法与适用于低光照目标检测改进的YOLOv5模型进行信息融合的方法. 首先, 通过RGB-D相机自采集低光照数据集进行深度学习训练及融合算法验证. 然后, 结合关键帧信息、目标检测模块的输出结果以及相机的固有信息完成目标像素坐标提取. 最后, 通过关键帧信息和像素坐标完成目标物体相对世界坐标系的位置解算. 本文实现了低光照环境下目标物体较为准确的识别和目标物体在世界坐标系中分米级的定位, 为低光照环境下无人机智能巡检提供了一种有效的解决方案.     

横截面算法和Snake模型在中心线提取中的应用

中心线是图像几何形态的一种重要拓扑描述.文中提出一种从三维图像中获取树状物体的中心线方法.先利用横截面算法快速将初始中心线定位于目标附近,然后采用Snak e模型和距离变换方法将初始中心线引导到准确位置,有效地解决了因Snake初始位置偏离目标太远而导致的收敛速度慢和部分点收敛于局部极值点的问题.     

基于边界距离场的管腔中心路径自动提取算法

首先计算三维空腔目标的精确边界距离场,然后建立基于该距离场的代价最大生成树,最后从生成树中提取中心路径.实验结果表明,精确的边界距离场使得提取的中心路径更加精确,而快速算法的应用提高了该算法的效率,获得的结果可直接用作虚拟内窥镜的漫游路径.     

局部双目视差回归的目标距离估计

目的 双目视觉是目标距离估计问题的一个很好的解决方案。现有的双目目标距离估计方法存在估计精度较低或数据准备较繁琐的问题,为此需要一个可以兼顾精度和数据准备便利性的双目目标距离估计算法。方法 提出一个基于R-CNN（region convolutional neural network）结构的网络,该网络可以实现同时进行目标检测与目标距离估计。双目图像输入网络后,通过主干网络提取特征,通过双目候选框提取网络以同时得到左右图像中相同目标的包围框,将成对的目标框内的局部特征输入目标视差估计分支以估计目标的距离。为了同时得到左右图像中相同目标的包围框,使用双目候选框提取网络代替原有的候选框提取网络,并提出了双目包围框分支以同时进行双目包围框的回归;为了提升视差估计的精度,借鉴双目视差图估计网络的结构,提出了一个基于组相关和3维卷积的视差估计分支。结果 在KITTI（Karlsruhe Institute of Technology and Toyota Technological Institute）数据集上进行验证实验,与同类算法比较,本文算法平均相对误差值约为3.2%,远小于基于双目视差图估计算法（11.3%）,与基于3维目标检测的算法接近（约为3.9%）。另外,提出的视差估计分支改进对精度有明显的提升效果,平均相对误差值从5.1%下降到3.2%。通过在另外采集并标注的行人监控数据集上进行类似实验,实验结果平均相对误差值约为4.6%,表明本文方法可以有效应用于监控场景。结论 提出的双目目标距离估计网络结合了目标检测与双目视差估计的优势,具有较高的精度。该网络可以有效运用于车载相机及监控场景,并有希望运用于其他安装有双目相机的场景。     

基于改进的Transformer加Anchor-free网络的多目标跟踪算法

近年来,基于Anchor-free的多目标跟踪算法以其精度高、速度快、超参数少的特点被广泛研究.但是,实际场景中的目标遮挡使得此类算法仍然面临挑战,这类算法会对遮挡后重新出现的目标的身份信息进行错误切换.针对以上问题,提出了一种基于改进的Transformer加Anchor-free网络的多目标跟踪算法(Transfo...     

Optimal-Location-Selection Query Processing in Spatial Databases

This paper introduces and solves a novel type of spatial queries, namely, Optimal-Location-Selection (OLS) search, which has many applications in real life. Given a data object set D_A, a target object set D_B, a spatial region R, and a critical distance d_c in a multidimensional space, an OLS query retrieves those target objects in D_B that are outside R but have maximal optimality. Here, the optimality of a target object b in D_B located outside R is defined as the number of the data objects from D_A that are inside R and meanwhile have their distances to b not exceeding d_c. When there is a tie, the accumulated distance from the data objects to b serves as the tie breaker, and the one with smaller distance has the better optimality. In this paper, we present the optimality metric, formalize the OLS query, and propose several algorithms for processing OLS queries efficiently. A comprehensive experimental evaluation has been conducted using both real and synthetic data sets to demonstrate the efficiency and effectiveness of the proposed algorithms.