融合空间掩膜预测与点云投影的多目标跟踪

针对自动驾驶目标跟踪领域中,目标遮挡引起特征点损失,从而导致丢失跟踪目标的问题,本文提出了一种融合空间掩膜预测与点云投影的多目标跟踪算法,以减少遮挡产生的不利影响。首先,通过实例分割掩膜提取模型处理时序图像数据,获得基掩膜数据。其次,将获取掩膜数据输入跟踪器,通过预测模型获取后续序列图像掩膜输出,并利用验证器进行对比分析,以获得准确的目标跟踪输出。最后,将获取的二维目标跟踪数据投影到对应的点云图像中,获得最终的三维目标跟踪点云图像。本文在多个数据集上进行仿真实验,实验结果表明本文算法的跟踪效果优于其他同类算法。此外,在实际道路上进行测试,对于车辆的检测精度达到81.63%,验证了本文算法也可以满足实际路况下目标跟踪的实时性需求。     

无地面控制点航空图像无缝拼接算法

针对航拍图像拼接中,因为航带中航片拼接误差积累导致拼接后期图像发生扭曲问题,本文提出一种利用捆绑调整技术削弱航片拼接过程中误差累积。该算法采用SIFT（Scale Invariant Feature Transform）进行特征点提取和匹配;结合改进的RANSAC（Random Sample Consensus）对特征点进行提纯,剔除外点;由过滤后的特征点通过最小二乘法计算图像间的单应性矩阵,在此基础上运用捆绑调整法整体优化单应性矩阵进行图像间的拼接,解决了拼接后期图像扭曲问题。最后,通过动态加权的融合方法实现图像接缝处平滑过渡。为验证该算法的有效性,选用真实无人机航拍序列图像进行拼接实验,取得良好的拼接效果。     

基于知识的车载LiDAR地物自动分类

车载LiDAR已广泛应用于三维数字城市建模、道路信息数据采集等领域。海量点云信息中不同地物目标的自动识别和分类是LiDAR数据后处理的难点之一。本文根据不同地物目标物理特性、空间拓扑关系及其在点云中的相关特征知识,建立地物分类规则,依据分类知识进行地物自动识别和分类。通过实测数据分类试验,证明该方法可以较好实现建筑物、树木、线杆、行人等不同地物的自动识别和分类。     

一种城市环境三维点云配准的预处理方法

针对城市三维环境下LiDAR点云数据密度大、离群噪点多、分布散乱不利于后期点云帧间匹配的问题, 提出一种应用于城市环境下大规模三维LiDAR点云帧间匹配的预处理方法。首先, 将点云数据转化为均值高程图, 利用网格之间的高度梯度对点云进行地面分割处理; 然后, 通过三维体素栅格划分的方法改进了DBSCAN聚类算法, 用改进后的VG-DBSCAN对点云进行聚类, 聚类后目标点云与离群点分离, 从而剔除点云中的离群噪点; 最后, 采用Voxel Grid滤波器对点云降采样。实验结果表明, 所提方法可以对点云数据进行实时的预处理, 平均耗时为132.1 ms; 预处理之后点云帧间匹配的精确度提高了2倍, 平均耗时也仅为预处理前的1/6。     

阶梯垛型点云边界快速提取方法研究

目的 针对阶梯垛型点云边界检测中,现有边界提取算法效率不高的问题,提出一种适用于阶梯垛型点云的快速边界提取算法。方法 首先使用Kd–Tree对点云数据进行拓扑关系构建,其次搜索采样点及其近邻点,构建单位平面向量,并进行向量叠加,根据叠加后的向量模长来判断是否为候选边界点,然后使用近邻点最大夹角法来进行边界点精提取,最后使用Kinect相机获取阶梯垛型点云数据,进行算法对比验证。结果 实验结果表明,文中算法在保证垛型边界提取精度的同时,比经典边界提取算法的运行时间缩短了75.14%,比优化前的边界提取算法运行时间缩短了11.06%。结论 提出的边界提取算法能够快速准确地提取阶梯垛型点云边界,可为自动码垛系统的设计提供参考。     

基于稀疏激光点云数据和单帧图像融合的三维重构算法

由于激光雷达获取的深度数据非常稀疏,为了能够将深度数据与图像数据重构出稠密三维深度图,本文提出了基于稀疏激光点云数据和单帧图像融合的三维重构算法。该方法首先使用点直方图特征有效地选择对应于目标的点数据并消除体素中的非相似点;然后,使用高斯过程回归对局部深度数据建模,并通过插值获得三维深度数据,本文算法获得的三维深度点更接近基准值,并保持了目标的局部形状特征;最后,利用马尔科夫随机场对图像灰度数据和三维插值点进行融合来构建三维深度图。仿真实验结果表明:相比现有基于激光雷达数据和单目图像数据的三维重建算法,本文提出的算法将大大提升算法的鲁棒性与重构的准确度,可辅助用于复杂的城市场景中车辆的无人驾驶。     

基于深度置信网络的无人机航拍图像变化检测

无人机(UAV)图像的变化检测对城市规划发展中的城市空间布局、土地利用信息具有重要的意义.针对航拍图像地面背景复杂,传统的变化检测方法鲁棒性低等问题,研究基于深度置信网络(DBN)的无人机航拍图像变化检测方法.利用DBN能够自动学习、提取特征的特点,将DBN应用到无人机图像的变化检测中.首先通过模糊C聚类联合算法对采集的图像进行预分类,并在此基础上进行DBN的逐层预训练;然后利用反向传播算法微调整个网络,从而使网络权值达到最优;最后,将该DBN模型应用于无人机图像的变化检测.实验结果表明,该方法能够有效地提取出图像的变化区域,检测准确率达到95%以上,该方法提高了图像变化检测的精度,实现了图像变化检测的智能化.     

曲面复合材料缝合机器人自动路径规划技术

为提高复合材料预制件缝合机器人的灵活性与加工柔性,针对缝合机器人自动路径规划问题,研究了基于三维光栅扫描技术的曲面复合材料缝合机器人视觉接缝提取技术.针对三维扫描摄像机视场固定的特点,对摄像机进行标定实验,改进传统的手眼标定方法,提出一种用于求解手眼关系矩阵的四点标定新方法,建立了机器人坐标系与摄像机坐标系的位姿映射关系.经过手眼关系标定,三维光栅扫描仪采样得到的缝合预制件点云数据可转化为机器人坐标系下的点云数据坐标.进一步对采集的预制件点云数据进行接缝中心线提取,提出了一种缝合轨迹及姿态规划算法,采用三次多项式对接缝中心线进行空间曲线拟合,采用最小二乘法对缝合微切平面进行平面拟合,完成机器人操作空间前进矢量及接近矢量的计算.最后,将规划结果应用于缝合机器人的离线编程仿真与实验中.实验结果表明,该系统精度高,线迹成型良好,可以满足机器人缝合系统的要求.     

基于最小曲面距离的快速点云精简算法

提出了一种新的基于最小曲面距离的点云精简算法,算法在简化点云数据的同时不损失特征。点云被划分成一系列的三维子网格,根据子网格,找到最近k邻域。散乱点云的k邻域通过二次参数曲面拟合,进一步得到相关曲率。依据提出的曲面距离,对点云进行精简。选择了一些典型的点云,如冲浪、石头、陶俑、牙齿等数据对算法进行了验证。结果表明,可以直接和有效地减少点云数据,同时保持原始模型的几何形状,对点云精简研究有一定的理论和实践意义。通过实验也证明了该算法的可靠性和准确性。     

一种基于螺纹点云的缺陷提取方法

针对螺纹表面凹坑缺陷,结合双目三维扫描仪的数据采集特点与螺纹表面特性,提出基于三维螺纹点云缺陷检测的方法.该方法首先利用法向量提取算法,将缺陷部分提取出来,同时将轮廓点云一并提出.然后采用基于密度的DBSCAN聚类算法去除法向量提取的轮廓点云,且只保留凹坑缺陷点云.最后采用最小包围盒算法对缺陷点云参数化,测算其长度、宽度以及深度,实现了表面缺陷的数字化测量.     

遥感影像道路网提取算法研究现状

遥感影像道路网的提取一直是国内外学者研究的热点,本文详细介绍了目前道路网提取的研究现状,对基于梯度运算和道路骨架线抽取的提取算法、基于高斯尺度空间的边界线提取算法的原理以及提取效果进行了分析和比较,以为下一步研究提供理论支持.     

数字化无人机航空像片拼接技术研究

本文阐述了基于特征匹配的无人机航空像片拼接技术。从对影像匹配技术、拼接算法的深入研究,结合影像特征提取方法,着重分析解决了拼接解算控制点精度和可靠识别问题。     

基于多模型结合优化的非结构化道路检测算法

非结构化道路检测一直是道路检测算法中的难点．提出一种基于彩色混合高斯模型与抛物线模型相结合的优化的非结构化道路检测算法．首先采用中值滤波和二次采样法将待处理彩色图像由高分辨率变为低分辨率图像, 并对图像进行光照补偿;然后建立基于优化聚类中心的K means算法的混合高斯模型,通过最小二乘法求解左右道路抛物线模型参数;最后完成对道路边界线的拟合,实现其提取．实验结果表明,该算法对光照不均、阴影等影响的图像处理具有较强的抗干扰性,提高了运算速度,具有一定的鲁棒性和实时性．     

基于双正交小波变换的资源二号卫星与多光谱影像融合方法研究

针对基于Darbechies等正交小波函数的遥感影像融合时引起失真的现象,引入双正交小波函数,提出了基于双正交小波变换的融合方法,对资源二号卫星和TM的多光谱影像的融合进行研究,并把融合结果与主成分、IHS和Brovey等融合结果进行比较。通过对光谱特征曲线、相关系数、光谱扭曲程度等分析和空间细节的对比,说明双正交小波融合方法除了提高空间分辨率外,最好地保持了多光谱影像的光谱特征,有利于专题信息的提取。     

基于码率预分配编码技术的高分辨率航测图像压缩

由于需要对大面阵航空CCD相机带来的庞大航测图像数据进行压缩,在研究多种图像压缩算法的基础上提出了一种基于比特位平面编码的码率预分配图像压缩算法(RPCA)。首先将图像进行多级整数小波变换,以去除图像像素之间相关冗余。根据率失真理论并结合各个子带对图像重建质量的重要性原则,编码前事先确定每个子带在总码率一定的情况下各个子带在实际编码中应当分配的码率大小,再利用自适应MQ算术编码对每个子带比特平面进行熵编码,从而得到细致的嵌入式码流。实验仿真结果表明,该RPCA码率分配精准,图像压缩质量与JPEG2000标准相当,且支持无损到有损的任意倍率图像压缩,但复杂度低于JPEG2000标准,适合于硬件的高速实现。     

典型路面的提取与合成方法研究

介绍了道路路面数据测量系统的构成和数据预处理方法。针对测量的道路路面数据,提取了可表征路面特点的特征参数,包括基本统计量、国际平整度指数和功率谱密度参数等。在此基础上,使用雷达图统计分析工具,提出了典型路段的提取与合成算法。并以北京地区真实的海量路面测量数据为例,进行了典型路面的提取与合成,得到了可反映和表征该地区路面特点的典型路面。最后总结了典型路面的提取与合成方法,展望了其应用前景。     

基于点云与图像交叉融合的道路分割方法

道路检测是车辆实现自动驾驶的前提。近年来,基于深度学习的多源数据融合成为当前自动驾驶研究的一个热点。本文采用卷积神经网络对激光雷达点云和图像数据加以融合,实现对交通场景中道路的分割。本文提出了像素级、特征级和决策级多种融合方案,尤其是在特征级融合中设计了四种交叉融合方案,对各种方案进行对比研究,给出最佳融合方案。在网络构架上,采用编码解码结构的语义分割卷积神经网络作为基础网络,将点云法线特征与RGB图像特征在不同的层级进行交叉融合。融合后的数据进入解码器还原,最后使用激活函数得到检测结果。实验使用KITTI数据集进行评估,验证了各种融合方案的性能,实验结果表明,本文提出的融合方案E具有最好的分割性能。与其他道路检测方法的比较实验表明,本文方法可以获得较好的整体性能。     

自然环境下路面裂缝的识别

论文提出了一种基于分数阶微分和图像形态学的路面裂缝检测算法。分数阶微分能有效增强信号中、高频部分,非线性保留信号的低频部分,通过构建分数阶微分掩模算子,增强裂缝信息特别是平滑区域中弱信号信息。利用图像形态学算子提取裂缝,通过组合中值滤波去除孤立噪声点。实验结果表明,该算法比传统算法能更有效地检测出细小裂缝信息,是一种具有较强鲁棒性且高效实用算法。     

基于曲率特征混合分类的高密度点云去噪方法

为解决复杂曲面点云在平滑去噪中存在的问题,提出基于曲率信息混合分类的特征保持点云平滑算法．该方法将平面投影与双边滤波算法相结合,采用主成分分析法对点云的局部曲率特性进行评价,使用线性组合混合分类方法将数据分为平面、次特征、富特征类型以及组合类型．针对不同特征邻域类型,提出平面类型的投影平滑方法、次特征和富特征类型的变参数双边滤波法平滑方法的线性组合方法实现点云数据的平滑去噪．将该方法用于激光三维高分辨率人体扫描系统所得到的高密度点云数据,实验结果表明该方法能够在有效光顺点云的同时保持其表面的几何特征,且简化了法向调整的繁杂运算．     

分段切换模型参数寻优的车道检测算法

车道检测算法的研究是智能车辆基于道路标识线或边界信息自主导航的首要环节。根据道路先验知识和驾驶员视觉处理经验,将道路图像分为近景和远景区域,近景区使用直线模型拟合车道线,远景区切换直线模型或三次曲线模型匹配车道线。融合道路图像的梯度幅值、梯度方向和灰度特征信息,建立概率判别函数,采用基于遗传算法操作的改进粒子群优化算法,快速搜索关于概率函数的最优模型参数,实现对车道的检测。对实际道路图像的试验结果表明,在路面存在阴影、光照不均匀、车辆遮挡以及车道标识线污损情况下,该算法都能很好地识别车道,具有很强的鲁棒性。