排序方式: 共有11条查询结果,搜索用时 15 毫秒
1.
Characteristics of tunable micro-cavity based on one-dimensional photonic crystal doping KTP as defect layer 总被引:2,自引:0,他引:2
下载免费PDF全文
![点击此处可从《光电子快报》网站下载免费的PDF全文](/ch/ext_images/free.gif)
The tunable micro-cavity based on one-dimensional(1D) photonic crystal doped by KTP is designed.The optical transmission properties in the doped one-dimensional defect photonic crystals are analyzed using transfer matrix method(TMM).According to the electro-optic effect,the refractive index ellipsoid equation is established with the applied alternating current at both coordinate axes,and the characteristics of temperature-optics and modulation are studied.Numerical calculations and experimental results show that the tuning range is ~40 nm. 相似文献
2.
提出了一种基于图像分割和地面控制点(GCP)的立体匹配算法。利用Mean-shift算法将参考图像根据彩色信息快速聚类成不同区域,利用像素点的RGB信息与梯度信息相结合计算初始视差;引入地面控制点(GCP)约束,构造能量函数,利用动态规划方法(DP)计算能量函数最小值;在图像分割区域内采用快速投票方式优化初始视差并获得最终视差图。实验结果表明:该算法能有效处理视差不连续和遮挡区域,也解决了DP算法带来的条纹等问题。 相似文献
3.
4.
近期, Astolfi和Stamnes等对一类机械系统设计了速度观测器. 采用了分步设计Lyapunov 函数的方法, 这导致观测误差系统结构复杂、 证明繁琐. 而且设计的偏微分方程(Partial differential equation, PDE) 不合理, 导致计算量大、不易求解. 本文在Astolfi和Stamnes等的基础上, 对一类机械(机器人) 系统设计了速度观测器. 通过对观测误差系统的Hamiltonian 实现, 克服了Astolfi和Stamnes等方法中的上述缺点. 并设计了一类偏微分方程, 避免了繁琐计算. 最后, 将所设计的速度观测器应用到一类关节机器人中, 仿真结果验证了设计方法的有效性. 相似文献
5.
随着自动驾驶领域对目标检测的精度和速度需求的提高,目标检测的研究从传统检测算法转向深度学习方向。由于2D目标检测算法存在小目标丢失等问题,基于深度学习的3D目标检测算法以能提供物体的位置、尺寸和方向等一些空间结构信息的优势,迅速在自动驾驶领域发展起来。首先,简单陈述了2D目标检测算法,将3D目标检测算法分成5个类别,分析了各类目标检测算法的优缺点;然后,详述了最新被提出的基于图神经网络(graph neural network, GNN)的2种算法;最后,对3D目标检测所应用的领域和其研究意义进行总结,并对3D目标检测今后可能发展的方向做出猜想。 相似文献
6.
传统的无人车避障系统多采用传感器融合技术,成本较高,操作复杂。基于搭载单目视觉传感器的无人车平台,设计了一种轻量级的卷积神经网络(CNN)模型(SPSENet)作为无人车的转向控制系统,为其避障提供技术支持,同时运用随机权重图像融合算法对AirSim仿真环境下采集的图像样本进行数据增强,用于提高障碍物被树荫遮挡情况下的检测效果。SPSENet模型对Mobile NetV3的结构进行了调整,在每个深度可分离卷积和池化模块后引入通道注意力机制,并由全卷积层来连接输出层,更好地实现了对无人车从图像到转向预测的端到端控制。实验结果表明,SPSENet与经典分类网络相比,参数显著减少,性能指标有所提升,具有较好的实用性。 相似文献
7.
在聚焦评价算法的研究中,本文首先对传统的离散余弦变换(DCT)算法和最小核值相似区(SUSAN)算法进行改进,然后结合改进后的DCT算法和SUSAN算法提出一种新的聚焦评价算法,该算法结合频域评价算法和空间域评价算法各自的优点,使聚焦曲线在单峰性,局部极值点和灵敏度等方面与传统算法相比有较大改善。在聚焦窗口的研究中,本文提出一种基于图像子块重要程度加权的聚焦窗口选择方法,该方法以总梯度变化率作为图像子块重要程度因子,将重要程度因子值小于阈值的图像子块视为背景子块,去除背景子块后剩下的部分为聚焦窗口。新的聚焦窗口选择方法能实现动态的区分目标区域与背景区域。 相似文献
8.
9.
10.