基于曲率关键点的点对特征三维目标识别

精准的三维(three-dimensional,3D) 目标识别对于机器人自主抓取至关重要,针对目前基于原始点对特征(point-pair feature,PPF) 的三维目标识别算法中存在识别速度慢、严重遮挡场景下识别率低的问题,提出了一种基于曲率关键点的点对特征三维目标识别算法。该算法根据点云法向量邻域夹角均值,快速估算点云曲率,以此提取关键点,通过对关键点计算点对特征,剔除了模型点对特征哈希表中存在的大量冗余点对。使用结合位姿聚类和假设检验的位姿优化算法,首先通过位姿聚类对候选假设位姿进行优化,其次位姿聚类后采用ICP (iterative closest point)算法对候选位姿进行细化,最后利用基于重合度计算匹配分数的假设检验算法滤除错误假设并得出最佳假设位姿。实验结果表明,在公开数据集上,所提方法能够获得95.2%的平均识别率,减少模型点对特征哈希表构建时间并且提高在严重遮挡场景下的识别率。     

氢化棕榈硬脂结晶特性及其对蜡烛外观的影响

为解决分提棕榈硬脂用作蜡材时渗油的问题,对其进行了不同程度的氢化。利用差示扫描量热仪、脉冲核磁共振仪、偏振光显微镜和X-射线衍射仪等手段对其结晶行为进行研究,并比较了氢化前后化学组成的变化。结果表明:棕榈硬脂氢化的第一个阶段,部分油酸和亚油酸迅速转变为反式油酸,它促进了α型晶体的形成及其向β'型的转变,虽然45℃以下时固体脂肪含量高于原料油,但其熔点却降低;氢化的第二个阶段,大量油酸和反式油酸转变为硬脂酸,高熔点组分增加,虽然晶型仍处于β'型,但此时熔点及各温度下的固体脂肪含量均高于原料油。氢化15 min后低熔点峰基本消失,蜡烛渗油现象也消失;继续氢化至20 min后样品结晶峰狭窄、尖锐,蜡烛容易断裂。因此,适度氢化样品(氢化15~20 min)较适合用作蜡材。     

基于Winpcap＆Sock的网络程序架构

基于Winpcap＆Sock的网络程序架构由NPF层、网络层和应用层组成.NPF包括网络数据包过滤器,网络层包括Winpcap和Winsock模块.应用层包括Packet动态链接库、Winpcap动态链接库和应用模块.其应用程序架构由主测试程序和从测试程序接口组成,并由主测试程序发出测试请求,从测试程序协助完成测试.     

基于图像匹配的放射性区域定位方法

去污作业时,工程人员需要准确定位放射性区域,彻底去除有害物质.提出了一种利用图像匹配定位放射性区域的方法,通过普通相机即可确定污染物位置.具体过程为:首先,采集放射性区域的γ相机图像,并提取辐射成像区域的边缘轮廓;然后,从γ相机和普通相机图像中找出匹配点云,并利用点云计算出相机间的变换矩阵;最后,把γ相机图像中的放射性区域轮廓映射到普通相机图像中,完成普通相机对放射性区域的重新定位.实验过程中:γ相机与普通相机有水平和垂直偏角时,该方法通过普通相机准确找到了模拟的放射性区域;而在应用现场,该方法同样通过普通相机找到了放射性污染物.     

复合菌YM4对烟嘧磺隆降解及对土壤微生物影响

[目的]构建烟嘧磺隆降解复合菌,促进玉米生长,修复受污染土壤。[方法]对蜡样芽胞杆菌N1和黏质沙雷氏菌N80的复合比例、培养基优化、降解特性、促生能力及土壤修复定殖进行研究。[结果]蜡样芽胞杆菌N1和黏质沙雷氏菌N80按照1∶1混合,命名为YM4。最适培养条件为20.00 g/L可溶性淀粉,10.00 g/L硝酸钾,5.50 g/L氯化钙,可降解92.96%的烟嘧磺隆。最适降解条件：温度35℃,pH 6.0,底物质量浓度为50 mg/L。复合菌YM4促生能力高于2株单菌。利福平诱导的YM4L可很好的在玉米根际及土壤中定殖,起到改善土壤微生物数量和修复土壤的效果。[结论]复合菌YM4较单菌N1和N80降解能力和促生能力均有提高,为改善烟嘧磺隆污染土壤的生物修复提供理论基础。     

基于时空特征自适应融合网络的流量分类方法

针对当前网络流量瞬时涌现导致网络安全事故骤增、网络管理负担加重等问题,基于深度学习技术提出了ResNet和一维Vision Transformer并行的网络结构对网络流量进行识别并分类。其中ResNet可以提取到流量数据在空间上深层次的特征,能够保证流量识别的准确率;一维Vision Transformer可以提取到更具代表性的时序特征。利用注意力机制将两种特征进行自适应融合得到更全面的特征表示,以提高网络识别流量的能力。在ISCX VPN-nonVPN数据集上进行实验表明：所提方法在流量的应用程序分类实验中的准确率达到了99.5%,相较于单独的ResNet和一维Vision Transformer以及经典的一维CNN和CNN+长短时记忆网络分别提高了0.9%、3.6%、6.6%和3.3%。在USTC-TFC 2016数据集上,所提方法在能够轻松识别流量是否为恶意流量的基础上,实现了对13种应用程序的分类,且平均分类准确率达到了98.92%,证明了其具有识别恶意流量并完成细粒度分类任务的能力。     

自适应的LSP故障环回检测机制

提出了一种可自适应检测标签交换路径(LSP)故障的机制. 该机制基于自适应LSP检测模型, 由环回方式测量网络延迟和检测超时. 根据延迟和超时情况, 能自适应地调节检测周期, 控制检测包发送, 在快速检测故障的同时减少检测包数目. 实验证明, 该机制工作可在规定的延迟范围内检测出故障, 而且网络开销比固定周期检测机制低.     

基于自适应M-H采样的放射源定位算法

针对放射源定位中的仪器设施昂贵且定位过程复杂的问题,提出了一种自适应M-H采样的放射源定位算法。利用轻便的个人剂量仪获取辐射场内不同测量点的剂量;再根据放射源的空间衰变规律,建立点放射源位置估计的贝叶斯推理模型,得到放射源参数的后验分布;通过自适应调整初始值和提议函数方差的M-H算法对后验分布进行采样,实现了室内环境中点放射源的定位。采用Eu-152展开实验,实验结果表明：提出的算法能够以较小的误差定位裸源,方法可行、有效。     

北疆地区季节性积雪物理特性分析

季节性积雪以其特殊的物理特性对寒旱区生态系统、冰雪水文过程及气候系统均产生显著影响,为研究北疆地区季节性积雪物理特性,选择在天山北坡乌鲁木齐河流域下游试验区有无遮蔽条件下(林冠下、开阔地)进行,利用SnowFork雪特性分析仪采集2018年12月1日～12月31日内积雪物理特性(积雪深度、积雪密度、体积含水率)数据,分析该时段内积雪物理特性的时间变化特征及其在垂直剖面上的廓线分布。结果表明:①在观测期内,林冠下积雪累积深度小于开阔地;②林冠下与开阔地雪层密度从新雪层到深霜层均表现为先增大后减小,分别在中粒雪层与粗粒雪层达到峰值,林冠下平均密度小于开阔地;③林冠下含水率自新雪层至深霜层不断增大,在深霜层达到最大,开阔地含水率呈现单峰变化,在粗粒雪层达到最大,且开阔地略高于林冠下。     

基于角度测量信息的移动寻源方法

随着放射源在各领域的广泛应用,放射源丢失事件时有发生。针对单个放射源的搜寻问题,提出基于到达角度的粒子滤波寻源方法来提升计算效率,通过粒子集描述放射源位置和强度,把到达角度引入粒子更新过程,根据粒子相对角选择更新粒子,并完成归一化、重采样和自适应更新。建立观测向量集合,每测量1个新的环境观测数据,即可得到当前所有观测向量反映的放射源最优估计位置,并引导搜寻路径向放射源位置靠近,当粒子滤波满足收敛条件时,对粒子进行加权求和,得到放射源最终的估计位置。仿真实验表明,本方法可应用于移动式寻源,相比于已有粒子滤波方法具有更高的工作效率,其探测区域也显著增加。