ASM中基于不变矩图形畸变主动检测与修正

主动形体模型是可变形模板技术中一种重要的方法,在医学图像分析和机器视觉中得到越来越广泛的应用。但是该方法在图像的匹配过程中,如果目标图像不够清晰或者模型初始位置不理想,会产生畸变的匹配结果。而且该模型没有一个有效的对畸变图形进行检测和修正的策略。提出了一种基于边界矩不变量的主动检测和修正方法,通过引入边界矩不变量,对模型的形体变化进行量化,并根据从训练集中获取的统计信息,对变形过程中的模型形体的变形进行检测和修正。实验结果表明,该方法能够在很大程度上解决匹配过程中的畸变问题,并且相比传统主动形体模型,所消耗的时间增加很少,对算法的效率并不影响。     

基于小波分解和1D-GoogLeNet的心律失常检测

心电图(ECG)信号的准确分类对于心脏病的自动诊断非常重要.为了实现对心律失常的智能分类,该文提出一种基于小波分解和1D-GoogLeNet的精确分类方法.在该方法中,利用Db6小波对ECG信号进行8级分解,得到既含时域信息又有频域信息的多维数据.随后,分解的样本用作1D-GoogLeNet的输入训练该模型.在提出的1D-GoogLeNet模型中,借鉴Inception在图像特征提取中的优异性能,将2维卷积变换为1维卷积学习ECG的特征,并且简化各个Inception的结构,降低模型参数.该文提出的神经网络分类器能够有效缓解计算效率低、收敛困难和模型退化的问题.在实验中,选用MIT-BIH心律失常数据集测试所提模型的性能,对比了信号的不同分解分量组合作为输入的检测结果,当输入数据由{d2-d7}组合时,所提1D-GoogLeNet模型可以达到96.58％的平均准确率.此外,还对比了该模型与未经结构优化的简单1维GoogLeNet在数据集上的表现,前者在准确率上比后者提高了4.7％,训练效率提高了118％.     

单应性矩阵自适应估计方法

如何从初始匹配点集中估计出精确的单应性矩阵,有效地剔除误匹配,一直以来都是视觉领域研究的重点和难点,也是实际相关技术应用中最为关键的一步。通过将特征点对相似度概念应用于LMedS的样本选取过程,提出了一种新的单应性矩阵自适应的估计方法。区别于传统LMeds方法从无序匹配点集中随机选取样本的过程,该方法首先以点对间的相似度对整个初始匹配点进行降序排列,然后从前往后依次选取样本。实验结果表明,与LMedS相比,该方法估计出的单应性矩阵更精确、鲁棒,效率更高（得到最佳模型所需的迭代次数仅约为LMedS的1/5）,同时弥补了RANSAC及其改进方法需预先设置距离偏差阈值的不足。     

研究生创新能力培养与实践

研究生创新能力的培养是研究生教育的核心所在。本文结合计算机科学与技术专业研究生培养的特点,探索研究生创新能力培养模式,着重讨论培养计划、课堂教学、专题研讨、企业实践以及研究生导师队伍建设等环节的特点和实践策略,介绍研究生创新能力培养模式的经验和方法。     

超声诱导瞬间液相焊焊接以Ag-28Cu为中间层的过共晶Al-Si合金

在大气环境中,应用超声诱导瞬间液相焊的方法,焊接以Ag-28Cu为中间层的Al-50Si合金。研究了超声振动时间、焊接温度对接头微观结构演变和Si颗粒迁移的影响。分析了Si颗粒增强的完全固溶体接头的快速形成过程。阐述了剪切强度与超声振动时间和接头组织之间的关系。在520℃焊接温度下,超声振动仅3s,接头发生了界面冶金结合。超声振动15s时,获得了Si颗粒增强的完全固溶体接头。焊接温度对Ag、Cu和Al之间的相互扩散产生影响。随着温度的增加,原子扩散加快。由于超声在固-液体介质中的效应,使得基体金属与中间层表面的氧化膜得到快速破除,基体金属与中间层产生元素扩散。当扩散达到一定浓度时,基体金属与中间层发生冶金反应,形成Al-Ag-Cu三元共晶液相,并且Si颗粒迁移进三元共晶液相中。随着超声振动时间延长,在超声振动、压力作用下,三元共晶合金减少,直至完全消失,剩余的Al(Ag,Cu)固溶体保留在焊缝中,焊缝闭合,获得了Si颗粒增强的完全固溶体接头。Si颗粒的迁移和三元共晶合金的挤出影响接头的剪切强度。剪切强度随超声振动时间的延长而增加。超声振动15s的剪切试样,其断裂发生在基体金属侧,属于韧性断裂,接头剪切强度最高,达到约123MPa。     

点云片段匹配约束和轨迹漂移优化的回环检测方法

基于三维点云的同时定位与建图(simultaneous localization and mapping, SLAM)是机器人导航与定位领域重要的技术之一.然而具有回环检测功能的三维点云SLAM系统仍鲜见于文献中.本文首先提出了一种新的基于三维点云的室外SLAM系统的框架,该框架由里程计、回环检测、位姿优化3部分组成.其次针对回环检测,提出一种基于点云片段匹配约束的方法提升回环检测的效率.最后针对位姿优化,提出两种轨迹漂移优化算法,分别为全局一致性的回环调整算法和位姿预测和补偿算法.通过广泛的实验验证本文提出的方法,结果表明本文所提出的SLAM系统具有稳定和精确的位姿估计能力.     

单目同时定位与建图中的地图恢复融合技术

目的 传统的单目视觉SLAM（simultaneous localization and mapping）跟踪失败后需要相机重新回到丢失的位置才能重定位并恢复建图,这极大限制了单目SLAM的应用场景。为解决这一问题,提出一种基于视觉惯性传感器融合的地图恢复融合算法。方法 当系统跟踪失败,仅由惯性传感器提供相机位姿,通过对系统重新初始化并结合惯性传感器提供的丢失部分的相机位姿将丢失前的地图融合到当前的地图中;为解决视觉跟踪丢失期间由惯性测量计算导致的相机位姿误差,提出了一种以关键帧之间的共视关系为依据的跳跃式的匹配搜索策略,快速获得匹配地图点,再通过非线性优化求解匹配点之间的运动估计,进行误差补偿,获得更加准确的相机位姿,并删减融合后重复的点云;最后建立前后两个地图中关键帧之间与地图点之间的联系,用于联合优化后续的跟踪建图过程中相机位姿和地图点位置。结果 利用Euroc数据集及其他数据进行地图精度和地图完整性实验,在精度方面,将本文算法得到的轨迹与ground truth和未丢失情况下得到的轨迹进行对比,结果表明,在SLAM系统跟踪失败的情况下,此方法能有效解决系统无法继续跟踪建图的问题,其精度可达厘米级别。在30 m²的室内环境中,仅有9 cm的误差,而在300 m²工厂环境中误差仅有7 cm。在完整性方面,在相机运动较剧烈的情况下,恢复地图的完整性优于ORB_SLAM的重定位算法,通过本文算法得到的地图关键帧数量比ORB_SLAM多30%。结论 本文提出的算法在单目视觉SLAM系统跟踪失败之后,仍然能够继续跟踪建图,不会丢失相机轨迹。此外,无需相机回到丢失之前的场景中,只需相机观察到部分丢失前场景,即可恢复融合所有地图。本文算法不仅保证了恢复地图的精度,还保证了建图的完整性。与传统的重定位方法相比,本文算法在系统建图较少时跟踪失败的情况下效果更好。     

铌酸锂微晶的光控制取向行为研究

基于光镊机理与倒置显微成像方法成功实现了铌酸锂微晶颗粒的光学捕获控制和光致取向的直接观测.由于铌酸锂微晶具有光学各向异性性质,所以在线偏振飞秒激光的操控下,所捕获的铌酸锂微晶颗粒能够依据激光偏振方向成功实现光控制取向.分析了铌酸锂微晶颗粒的激光控制取向机理,说明了铌酸锂微晶颗粒的取向可以利用激光的线性偏振方向进行光致取向旋转,有望应用于微纳光子学、MEMS、光控微型马达和微操作等科学研究领域.     

制冷器具测试系统软件设计的研究与实践

叙述了通常温度测试系统的主要内容和问题，研究了制冷器具性能测试系统软件设计中的一些关键技术，包括系统总体设计、工程数据库管理、温度采样、数据处理、传感器标定和系统中断处理等，并给出了解决这些问题优化方法，最后介绍了一个实例的应用。     

基于深度数据的人体动作识别方法

本文提出了一个基于流形学习的动作识别框架,用来识别深度图像序列中的人体行为。本文从Kinect设备获得的深度信息中评估出人体的关节点信息,并用相对关节点位置差作为人体特征表达。在训练阶段,本文利用Lapacian eigenmaps(LE)流形学习对高维空间下的训练集进行降维,得到低维隐空间下的运动模型。在识别阶段,本文用最近邻差值方法将测试序列映射到低维流形空间中去,然后进行匹配计算。在匹配过程中,通过使用改进的Hausdorff距离对低维空间下测试序列和训练运动集的吻合度和相似度进行度量。本文用Kinect设备捕获的数据进行了实验,取得了良好的效果;同时本文也在MSR Action3D数据库上进行了测试,结果表明在训练样本较多情况下,本文识别效果优于以往方法。实验结果表明本文所提的方法适用于基于深度图像序列的人体动作识别。