从目标的双视图鲁棒精确复原三维形状

基于随机采样最小冗余子集新概念,并利用数据正则化技术,依据双视图特点集的模型数据和图象数据,本文开发了一个从目标的双视图特征 对集合鲁棒精确复原其三维视觉信息的新算法。即,当使用最小子集的收敛映射为非线性运算时,通过适当加大采样子集的维数,可使最小子集变为最小冗余子集,非线性运算变为线性运算并且使解唯一。维数的增大导致增另的冗余信息作为采子集的合法性和有效性的判据。理论分析和实验结果表明,在强噪声高出格点率的恶劣条件下,该算法仍能高精度地复原目标的三维视觉信息。     

利用椭圆性质提取椭圆

基于在文献［１］中开发的曲线提取算法的框架，并利用由椭圆的极点极线性质开发的三点组到椭圆参数的收敛映射，我们开发了一个鲁棒地从直接提取椭圆的以椭机Ｈｏｕｇｈ变换（ＲＨＴ）和椭圆性质为基础的椭圆提取新技术。用精确仿真的计算机图象和真实图象进行的大量实验证明了该技术的正确性、有效性和实用性。     

基于模型的水下目标三维视觉信息复原

水下目标三维视觉信息复原是水下智能机器人（ＡＵＶ）感知环境信息、进行自主作业的关键技术。本文介绍了一种基于模型的复原方法，即通过检测目标边缘拟合轮廓，根据模型知识复原三维信息。该方法已经成功地导引ＡＵＶ进行了水下自主避障、自主剪缆、自主投掷等智能作业。     

两种多视图线性摄像机自标定算法研究

摄像机自标定是进行三维重建的重要步骤之一,所以对摄像机自标定算法进行研究是具有重大意义的。首先讨论了两种摄像机自标定算法,即基于模型的摄像机自标定算法以及基于基础矩阵的摄像机自标定算法。最后,对这两种算法从性能上进行了比较。     

单位阶跃响应的时域求解方法

我们国多数教材中重点讨论系统的单位冲激响应时域求解方法,然后利用阶跃响应与冲激响应的微积分关系求解系统阶跃响应,关于直接求解单位阶跃响应的时域方法总结较少。本文分别从冲激响应与阶跃响应关系、微分方程求解以及时域规范化方法的角度出发,归纳了连续时间系统单位阶跃响应求解方法,并以实例说明其正确性。     

应用于双线性问题的无变换正则化

计算机视觉经常需要解双线性参数估计问题,传统地,这类问题的线性解法是标准的特征值分析算法．通常它使用Harfley变换来实现正则化．通过理论分析和蒙特卡洛实验,证明了所给出的简化特征值分析技术可在无须进行正则化变换的前提下,固有地同时具备噪声预白化功能和数据正则化功能,因此它不但能给出均方误差相当小的无偏估计,而且具有计算快速、实现简单方便的优点。     

一种改进型麻点去除算法

介绍了一种快速有效的麻点噪声去除算法；它把松弛迭代技术应用于经典去噪算法，改进了其处理效果，并采用类神经网络算法提高了迭代速度。该算法能有效地去除本征麻点噪声，从而保证轮廓线能提取出连续闭合单象素的轮廓线，本算法在检测工件图象的实验中，得到了较好的效果。     

单视图目标三维信息的鲁棒精确复原

基于随机采样最小冗余子集的新概念,依据单视图特征点集的模型数据和图象数据,开发了一项目标在维视觉信息鲁棒精度复原新方法。在强噪声高出格率的恶劣条件下,该方法仍可高精度地复原目标的三维信息。实验表明,对于由１００个特性点组成的数据集而言,当出格率高达９０％,内点信噪比低达２８ｄＢ时,仍能以１％的相对误差复原特性点的三维价值。     

无需点对应性的仿射变换参数估计

证明了仿射变换前后的两个点模式经白化交换后映射为由一旋转变换联系的两个本征点模式,并在此基础上开发了一个无需占应性仅需点模式整体对应的仿射参数估计算法,实验表明我们所开发的无须点对应性仿射变换估计算法效果是令人满意的。     

应用卷积和的离散线性时不变因果系统零输入响应求解

离散线性时不变因果系统的时域分析通常应用时域经典方法或卷积和方法.通常定义因果激励与系统脉冲响应的卷积和是系统的零状态响应.本文针对全激励序列输入时,给出求解离散线性时不变系统零输入响应的卷积和方法,并证明与等效激励法等价.同时,给出例题介绍提出的卷积和方法如何应用.