基于三维场景出图的拼接制作2.5维地图算法

针对目前2.5维电子地图的制作与其三维虚拟场景相对独立,且不易更新维护的问题,提出了对三维场景进行图片输出并拼接实现2.5维地图制作的算法。首先设定摄像机长宽值作为最小出图单位,在指定范围内,使用最小出图单位以任意水平角度和俯仰角度输出三维虚拟场景效果图,并记录相关空间信息。然后根据图片左上角点坐标值对所输出图片进行无缝拼接。实验结果表明,该方法在保证地图空间实体表现能力的同时,能够快速替换图中更新区域,提高2.5维地图制作效率。     

应用射频技术的商场智能导购系统

设计的电子导购系统,包括电子标签的选择,嵌入式 Android 系统的选择,电子导购系统功能模块的组成。同时设计了客户端的两大功能模块,包括促销信息功能模块的设计,电子地图定位模块的设计。讨论了定位RFID 标签的布局,并利用 RSSI 来评估其接收的信号强度并计算出标签和读写器的距离,根据相邻的四个标签的坐标,采用极大似然估计方法获得智能购物车的位置,能够用于商场内精准的定位。     

在GPU上实现基于高斯映射的通用刀具扫描体建模

以针对数控加工仿真的需要,以高斯映射理论为基础、GPU为主要硬件平台,提出一种基于并行计算的快速通用刀具空间扫描体建模方法.首先结合通用刀具的数学模型,利用高斯映射理论分析刀具平动时的扫描体建模原理;然后分析刀具做任意空间运动时的刀具表面点法向量和对应的接触映射,推导求解扫描体包络边界的表达式;再根据GPU上的通用计算方法和GPU图形绘制管线设计基于GPU实现刀具空间扫描体建模的算法流程,并利用C++、Open GL和Open GL着色语言GLSL实现了该方法.通过刀具扫描体建模实例,验证了文中方法的正确性与实时性.     

自上而下注意图分割的细粒度图像分类

目的 针对细粒度图像分类中的背景干扰问题,提出一种利用自上而下注意图分割的分类模型。方法 首先,利用卷积神经网络对细粒度图像库进行初分类,得到基本网络模型。再对网络模型进行可视化分析,发现仅有部分图像区域对目标类别有贡献,利用学习好的基本网络计算图像像素对相关类别的空间支持度,生成自上而下注意图,检测图像中的关键区域。再用注意图初始化GraphCut算法,分割出关键的目标区域,从而提高图像的判别性。最后,对分割图像提取CNN特征实现细粒度分类。结果 该模型仅使用图像的类别标注信息,在公开的细粒度图像库Cars196和Aircrafts100上进行实验验证,最后得到的平均分类正确率分别为86.74%和84.70%。这一结果表明,在GoogLeNet模型基础上引入注意信息能够进一步提高细粒度图像分类的正确率。结论 基于自上而下注意图的语义分割策略,提高了细粒度图像的分类性能。由于不需要目标窗口和部位的标注信息,所以该模型具有通用性和鲁棒性,适用于显著性目标检测、前景分割和细粒度图像分类应用。     

基于空间代价地图的机械臂无碰撞运动规划

针对家庭服务机器人机械臂高安全性和低算法复杂度的两大需求,提出一种基于空间代价地图的机械臂运动规划新方法。利用空间代价地图来描述机械臂与约束条件发生冲突的可能性,以概率分析代替简单的布尔判断,提供了更合理的最优规划依据,从而实现更安全可靠的规划。同时将一个六自由度的规划问题降维为一个三自由度规划和一个四自由度规划的问题,在此基础上利用无需实时计算的先验碰撞数据代替实时的碰撞检测。利用该方法在ROS的rviz仿真平台上进行验证,结果表明该方法有效地提高了机械臂规划的安全性并降低了计算复杂度,有一定的实用价值。     

结合同场景立体图对的高质量深度图像重建

目的 越来越多的应用依赖于对场景深度图像准确且快速的观测和分析,如机器人导航以及在电影和游戏中对虚拟场景的设计建模等.飞行时间深度相机等直接的深度测量设备可以实时的获取场景的深度图像,但是由于硬件条件的限制,采集的深度图像分辨率比较低,无法满足实际应用的需要.通过立体匹配算法对左右立体图对之间进行匹配获得视差从而得到深度图像是计算机视觉的一种经典方法,但是由于左右图像之间遮挡以及无纹理区域的影响,立体匹配算法在这些区域无法匹配得到正确的视差,导致立体匹配算法在实际应用中存在一定的局限性.方法 结合飞行时间深度相机等直接的深度测量设备和立体匹配算法的优势,提出一种新的深度图像重建方法.首先结合直接的深度测量设备采集的深度图像来构造自适应局部匹配权值,对左右图像之间的局部窗立体匹配过程进行约束,得到基于立体匹配算法的深度图像;然后基于左右检测原理将采集到的深度图像和匹配得到的深度图像进行有效融合;接着提出一种局部权值滤波算法,来进一步提高深度图像的重建质量.结果 实验结果表明,无论在客观指标还是视觉效果上,本文提出的深度图像重建算法较其他立体匹配算法可以得到更好的结果.其中错误率比较实验表明,本文算法较传统的立体匹配算法在深度重建错误率上可以提升10％左右.峰值信噪比实验结果表明,本文算法在峰值信噪比上可以得到10 dB左右的提升.结论 提出的深度图像重建方法通过结合高分辨率左右立体图对和初始的低分辨率深度图像,可以有效地重建高质量高分辨率的深度图像.     

面向彩色增强图像的客观质量评价算法

目的 现有的全参考图像质量评价方法使用“完美”的源信号作为参考,但是增强图像的参考图像通常不是“完美”的.因此,现有的全参考质量评价方法不能用于增强图像的评价,提出了一种新的面向彩色增强图像的质量评价算法.方法 利用图像的梯度、颜色和亮度特征,提出了增强图像的梯度增强图、颜色增强图和亮度增强因子的计算方法,计算增强图像相对于参考图像在梯度、颜色和亮度方面的增强程度;并建立了亮度增强因子和梯度增强图、颜色增强图之间的关系模型;另外,原图像的梯度和颜色特征也被提取用于增强图像的质量评价.结果 使用公开数据库进行的实验结果表明,该算法和现有最优算法相比,皮尔逊线性相关系数(PLCC)和斯皮尔曼相关系数(SROCC)分别提高了2.9%和2.5%,而均方根误差(RMSE)则降低了12.3%,获得了比现有算法更优越的性能.结论 本文算法解决了目前已有的评价算法需要参考图像为“完美”图像,而且增强图像质量无法采用相似性程度进行计算的问题,适用于为了获得更好视觉质量的不含噪增强图像的质量评价.     

基于SAM-CS和SOFM的胃上皮肿瘤细胞图像识别

针对胃上皮肿瘤细胞图像(以下简称肿瘤细胞图像)黏结严重和信息冗余的特点,提出了一种将自适应观测矩阵的压缩感知(SAM-CS)和自组织特征映射(SOFM)神经网络相结合的算法。该算法将肿瘤细胞图像拉成列向量,然后利用通过自适应过程产生的观测矩阵,基于压缩感知理论对图像信息进行观测,产生线性观测向量,最后利用SOFM神经网络的学习算法对观测向量进行训练和分类,实现对肿瘤细胞图像的识别。实验表明,相比常用算法,该算法至少提高了4.2%的识别准确率和5.7%的运算速度。     

A dimension map for molecular aggregates

A pair of gyradius ratios, defined from the principal radii of gyration, are used to generate a dimension map that describes the geometry of molecular aggregates in water and in organic solvents. Molecular dynamics simulations were performed on the aggregation of representative biomolecules and polyaromatic compounds to demonstrate application of the dimension map. It was shown that molecular aggregate data on the dimension map were bounded by two boundary curves, and that the map could be separated into three regions representing three groups of structures: one-dimensional rod-like structures; two-dimensional planar structures or short-cylinder-like structures; and three-dimensional sphere-like structures. Examining the location of the aggregates on the dimension map and how the location changes with solvent type and solute material parameter provides a simple yet effective way to infer the aggregation manner and to study solubility and mechanism of aggregation.     

Optimization of neural network model using modified bat-inspired algorithm

The success of an artificial neural network (ANN) strongly depends on the variety of the connection weights and the network structure. Among many methods used in the literature to accurately select the network weights or structure in isolate; a few researchers have attempted to select both the weights and structure of ANN automatically by using metaheuristic algorithms. This paper proposes modified bat algorithm with a new solution representation for both optimizing the weights and structure of ANNs. The algorithm, which is based on the echolocation behaviour of bats, combines the advantages of population-based and local search algorithms. In this work, ability of the basic bat algorithm and some modified versions which are based on the consideration of the personal best solution in the velocity adjustment, the mean of personal best and global best solutions through velocity adjustment and the employment of three chaotic maps are investigated. These modifications are aimed to improve the exploration and exploitation capability of bat algorithm. Different versions of the proposed bat algorithm are incorporated to handle the selection of the structure as well as weights and biases of the ANN during the training process. We then use the Taguchi method to tune the parameters of the algorithm that demonstrates the best ability compared to the other versions. Six classifications and two time series benchmark datasets are used to test the performance of the proposed approach in terms of classification and prediction accuracy. Statistical tests demonstrate that the proposed method generates some of the best results in comparison with the latest methods in the literature. Finally, our best method is applied to a real-world problem, namely to predict the future values of rainfall data and the results show satisfactory of the method.