基于WCDPM模型的细粒度物体识别

针对可变形部件模型(deformable parts model,DPM)同等对待各部件,无法体现不同部件对识别过程的贡献度差异的不足,提出一种权重系数可变形模型(weighted coefficient deformable parts model,WCDPM),对DPM中的各部件赋予权重,强调区分度较高的部件在识别过程的作用,弱化区分度低的部件对识别的影响,提高细粒度识别精度.同时给出了模型的训练过程和权重系数的学习方法.在Airplan OID和Oxford-IIIT Pet两个数据集上进行实验,验证了该方法的有效性.     

北京地区浅层采空区高密度电法探测应用分析

高密度电法已广泛应用于煤层采空区探测之中,采空区充填性质的不同造成其在高密度电法数据剖面中的表现特征也不相同。本文主要介绍运用高密度电法进行浅层小煤窑采空区探测的一些经验和案例。采用高密度电法中的温纳装置对门头沟地区未充填、部分充填的小煤窑巷道和石景山区富水充填的小煤窑采空区的探测,取得了很好的效果。探测结果显示,未充填和部分充填的小煤窑巷道表现为高视电阻率异常,位置与测线周边发现的小煤窑窑口位置相对应。而富水充填的小煤窑采空区表现为低视电阻率异常,经钻探验证,采空区内充填有富含水的粉末状的煤灰,含坑木。需注意在山区进行高密度电法测试时,台阶状的地形对高密度电法测试的干扰影响较大,以温纳装置为例,测试数据在台阶地形处表现为高低阻相邻的八字形干扰,且电极距越小,干扰越明显。     

基于分块的大规模地形实时渲染方法

将地形数据分块技术、层次细节模型（LOD） 技术、改进的ROAM 算法和数据预取技术等相结合,提出了一种超大规模地形数据实时渲染方法.通过分块策略对规则网格进行区域分割,采用空间填充曲线对分块网格进行多分辨率排列,并建立三角形节点顺序与剖分点之间对应关系的快速检索,实现数据快速调度;视见体投影简化分块裁剪算法降低可见性判断的复杂度,提高了计算效率;改进的四队列ROAM实时构网算法,很好地利用了相邻帧的相关性,有效地提高了渲染速度;基于视点预测、部分数据常驻内存的多线程数据预取实现了场景规模基本不相关的连续LOD实时渲染.实验结果表明,该算法高效可行,适合于海量地形场景的快速渲染和交互漫游应用.     

视点相关的真实感三维风景区模拟研究与实现*

提出采用八叉树组织真实山体数据,根据视点距离采用不同的细节层次LOD表示山体各部分,并结合视觉剪裁和帧间相关性进一步减少绘制的山体,达到加速三维地形的绘制和漫游的目的。使用混合纹理映射、阴影渲染技术,并加入山谷中的水面模拟,生成具有真实感的大规模三维风景场景。实验结果表明该方法有效地减少了算法复杂度,易实现碰撞检测,大大提高了绘制效率,在PC机上能实时地生成高分辨率、具有真实感的场景,完全满足VR交互要求。     

利用M9进行水下地形测量的应用研究

与常规测量仪器相比,M9具有全天候、高精度、高效率、自动化等优点。该文通过简要介绍River SurveyorM9型走航式ADCP进行水下地形测量的工作原理,结合M9在梧州水文站的应用实例,对M9在水下地形测量方面的应用及其特点进行详细的介绍,验证了利用M9进行水下地形测量的可行性,并对扩展M9的功能进行了初步的探讨,提供了利用M9获取高精度水下地形数据的新思路。     

基于聚类和动态LOD的三维地形建模方法

为提高基于DEM高程数据的三维大地形绘制效率,提出基于K-means聚类和动态LOD的三维地形建模方法。对高程数据集使用K-means聚类分析方法,发现地形数据的自相似性,建立数据采样点与地貌特征分类的自动关联;依据采样点的地貌属性值完成粗化处理,构建不规则三角网模型;采用局部优化算法进行有限域内的三角形分裂以实现三角网的动态更新,结合克里金插值法实现插入点的精确计算,形成LOD层次细节多分辨率模型。实验结果表明,该方法对不同类型地形都获得了较高的数据简化率,提高了三维模型的绘制效率,具有较好的地形特征保持性。     

连续不规则台阶环境四足机器人步态规划与控制

为了实现四足机器人在无崎岖地形先验知识情况下的自主爬行,提出了一种四足机器人运动控制方法.该方法采用间歇爬行步态作为主步态,将爬行运动分解为若干任务分别进行控制:基于NESM(normalized energy stability margin)判据计算内外倾的稳定裕度并根据其比值进行质心位置调整;使用坐标映射的方式调整足端坐标进行地面坡度适应;通过调整各腿长度控制机器人的高度;利用姿态传感器信息进行姿态恢复.仿真和实验表明,机器人仅依赖内部传感器即实现了在崎岖地形稳定行走,验证了本文方法的有效性和可靠性.     

MotionView及HyperStudy在全地形车前悬架设计中的应用

为解决全地形车大行程前悬架的悬架跳动与前束角变化的协调问题,研究一款全地形车前悬架的运动学模型.在MotionView中建立该全地形车前悬架的运动学模型,借助HyperStudy对悬架跳动与前束角变化关系曲线进行优化,获得与理想曲线较接近的结果.     

Terrain Modelling from Feature Primitives

We introduce a compact hierarchical procedural model that combines feature‐based primitives to describe complex terrains with varying level of detail. Our model is inspired by skeletal implicit surfaces and defines the terrain elevation function by using a construction tree. Leaves represent terrain features and they are generic parametrized skeletal primitives, such as mountains, ridges, valleys, rivers, lakes or roads. Inner nodes combine the leaves and subtrees by carving, blending or warping operators. The elevation of the terrain at a given point is evaluated by traversing the tree and by combining the contributions of the primitives. The definition of the tree leaves and operators guarantees that the resulting elevation function is Lipschitz, which speeds up the sphere tracing used to render the terrain. Our model is compact and allows for the creation of large terrains with a high level o detail using a reduced set of primitives. We show the creation of different kinds of landscapes and demonstrate that our model allows to efficiently control the shape and distribution of landform features.     

Pedestrian Detection and Tracking Using Deformable Part Models and Kalman Filtering

Abstract： Pedestrian detection techniques are important and challenging especially for complex real world scenes. They can be used for ensuring pedestrian safety, ADASs （advance driver assistance systems） and safety surveillance systems. In this paper, we propose a novel approach for multi-person tracking-by-detection using deformable part models in Kalman filtering framework. The Kalman filter is used to keep track of each person and a unique label is assigned to each tracked individual. Based on this approach, people can enter and leave the scene randomly. We test and demonstrate our results on Caltech Pedestrian benchmark, which is two orders of magnitude larger than any other existing datasets and consists of pedestrians varying widely in appearance, pose and scale. Complex situations such as people occluded by each other are handled gracefully and individual persons can be tracked correctly after a group of people split. Experiments confirm the real-time performance and robustness of our system, working in complex scenes. Our tracking model gives a tracking accuracy of 72.8% and a tracking precision of 82.3%. We can further reduce false positives by 2.8%, using Kalman filtering.