隧道埋深及开挖方法对于二衬支护时机的影响

为了研究隧道埋深和施工方法对二衬支护时机的影响,以广梧高速公路牛车顶隧道为工程背景,建立数值计算模型,分别改变隧道埋深和施工方法,得到相应的隧道二衬支护时机.结果表明：通过数值计算,可定量得到二衬及掌子面之间的允许距离和埋深的关系;当埋深较小时,二衬与掌子面的允许距离随着埋深的增加而增加;当埋深超过某一限值时,隧道二衬与掌子面的允许距离基本不变;开挖工法对二衬与掌子面间的允许距离影响比较显著,而对仰拱与掌子面的允许距离影响很小.随着开挖断面分部的增加,开挖对围岩的扰动减小,因而可以适当延缓构筑二衬时机.若选取Ⅲ级围岩中的全断面开挖法作为参考基准,则围岩中二衬与掌子面的允许距离将由于选择不同工法需进行修正,相应的修正值为：全断面法1.0,上下台阶法和中隔壁法均为1.5.     

基于深度相机的手腕识别与掌心估测算法(HHME2013-ID51)

当手和手臂都进入深度相机所设定的有效深度范围时,它们将被作为一个整体来提取,若处理时也把它们作为一个整体,这可能会影响手势交互的一些重要算法,如掌心估测,手朝向估测,手的跟踪等。本文分析了手腕的运动特征和手的轮廓特点,并利用内切矩形的几何特征,提出了手腕识别算法来分割手与手臂;为了提高掌心估测算法的性能,本文分析了锐角三角形和最大内切圆的几何特征,并结合手势交互的特点,提出了新的掌心估测算法。经实验证明,手腕识别算法能较好地分割出手与手臂,新的掌心估测算法较之原算法在性能上有显著提高。     

基于流形学习的人体动作识别

目的 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。方法 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,利用LE（Lalpacian eigenmaps）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,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。结果 用Kinect设备捕获的数据进行了实验,取得了良好的效果;同时也在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,本文方法识别效果优于以往方法。结论 实验结果表明本文方法适用于基于深度图像序列的人体动作识别。     

数字地球渲染中单精度浮点数误差改正

目的 针对全球大场景渲染中单精度浮点数的低精度导致的图像抖动和撕裂问题,提出了一套完整的解决方法。方法 首先,使用全球四叉树结构来寻找新的坐标原点,避免了现有算法需要频繁切换世界坐标原点的缺点;其次,在新坐标系下进行坐标转换和矩阵转换,解决了像素坐标计算的误差导致的抖动问题;最后,在GPU中使用基于对数的深度计算方式来提高深度的分辨率,解决了深度计算误差导致的Z-Fighting现象。结果 实验结果表明所提方法能很好地解决单精度浮点导致的渲染问题。结论 此方法具有适应性强、实现复杂度低、精度和效率可控等优点。     

基于自适应权值滤波的深度图像超分辨率重建

目的 越来越多的应用都依赖于对真实场景深度图像的准确且快速的观测和分析。飞行时间相机可以实时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较低,无法满足实际应用的需要。为此提出一种结合同场景彩色图像通过构造自适应权值滤波器对深度图像进行超分辨率重建的方法。方法 充分发掘深度图像的非局部以及局部自相似性先验约束,结合同场景的高分辨率彩色图像构造非局部及局部的自适应权值滤波算法对深度图像进行超分辨率重建。具体来说,首先利用非局部滤波算法来有效避免重建结果的振铃效应,然后利用局部滤波算法进一步提升重建的深度图像质量。结果 实验结果表明,无论在客观指标还是视觉效果上,基于自适应权值滤波的超分辨率重建算法较其他算法都可以得到更好的结果,尤其当初始的低分辨率深度图像质量较差的情况下,本文方法的优势更加明显,峰值信噪比可以得到1dB的提升。结论 结合非局部和局部自相似性先验约束,结合同场景的高分辨率彩色图像构造的自适应权值滤波算法,较其他算法可以得到更理想的结果。     

Experimental methods in chemical engineering: X‐ray photoelectron spectroscopy‐XPS

X‐ray photoelectron spectroscopy (XPS) is a quantitative surface analysis technique used to identify the elemental composition, empirical formula, chemical state, and electronic state of an element. The kinetic energy of the electrons escaping from the material surface irradiated by an x‐ray beam produces a spectrum. XPS identifies chemical species and quantifies their content and the interactions between surface species. It is minimally destructive and is sensitive to a depth between 1–10nm. The elemental sensitivity is in the order of 0.1 atomic %. It requires ultra high vacuum ( Pa) in the analysis chamber and measurement time varies from minutes to hours per sample depending on the analyte. XPS dates back 50 years ago. New spectrometers, detectors, and variable size photon beams, reduce analysis time and increase spatial resolution. An XPS bibliometric map of the 10 000 articles indexed by Web of Science^[1] identifies five research clusters: (i) nanoparticles, thin films, and surfaces; (ii) catalysis, oxidation, reduction, stability, and oxides; (iii) nanocomposites, graphene, graphite, and electro‐chemistry; (iv) photocatalysis, water, visible light, and ; and (v) adsorption, aqueous solutions, and waste water.     

社区尺度居民楼内涝淹没过程精细化模拟及室内财产损失评估

以西安一小区居民楼为研究对象,构建了高精度城市雨洪模型,并通过实测暴雨内涝监测数据验证了模型的可靠性;利用构建的模型模拟了6种设计降雨重现期下的居民楼室内动态淹没过程,并以西安市中等收入家庭的房屋配置为计算单元,分析了各类居民室内财产的淹没水深阈值,依此拟合得到了室内财产淹没水深-损失率关系曲线,结合居民楼在不同降雨重现期下的淹没水深,计算得到了各居民楼在不同降雨重现期下的内涝淹没财产损失数据。结果表明：不同降雨重现期下,同一居民楼一层居民房屋室内进水淹没水深随降雨重现期的增大而增大;同一降雨重现期下,各栋居民楼因高程不一致导致内涝淹没过程及最大淹没水深不一样。     

基于自适应聚合与深度优化的三维重建算法

针对现有基于多视图的三维重建方法未充分考虑像素点在其余视图的可见性,从而导致重建完整度不足,且在弱纹理和遮挡区域重建困难等问题,提出了一种应用于高分辨率的三维重建网络。首先提出了一种引入可见性感知的自适应成本聚合方法用于成本量的聚合,通过网络获取视图中像素点的可见性,可以提高遮挡区域重建完整性;采用基于方差预测每像素视差范围,构建空间变化的深度假设面用于分阶段重建,在最后一阶段提出了基于卷积空间传播网络的深度图优化模块,以获得优化的深度图;最后采用改进深度图融合算法,结合所有视图的像素点与3D点的重投影误差进行一致性检查,得到密集点云。在DTU 数据集上与其他方法的定量定性比较结果表明,提出的方法可以重建出细节上表现更好的场景。     

基于FCM聚类和卷积神经网络的跌倒识别算法

为了提高传统跌倒检测系统的识别准确度和运算速度,减小误报率和漏报率,本文提出了一种基于模糊C均值（Fuzzy C-means, FCM）聚类算法和卷积神经网络算法的实时跌倒检测算法。该算法以深度视觉传感器为数据获取源,提取聚类中心点速度、高度、加速度以及夹角为跌倒识别特征向量,采用阈值分析和机器算法相结合的方式实现人体跌倒识别。实验表明,该算法的识别精度达到99%,运算速度为0.178 s,相对于传统算法具有更高的识别精度和运算速度。     

基于SSD的小目标检测改进算法

目标检测算法因数据存在分辨率较低、噪声等干扰,不能有效利用特征图中目标的边缘纹理和语义信息,导致小目标检测效果较差。为此,本文提出一种基于SSD的小目标检测改进算法。首先,采用普通卷积和深度可分离卷积进行同步特征学习并融合,获得信息丰富的浅层特征。然后,在固有的5个尺度的特征层后添加通道和空间自适应权重分配网络,使得模型更关注通道和空间的重要特征信息。最后,将候选目标框进行非极大抑制筛选得到检测结果。通过将改进的方法与Faster RCNN、SSD等方法在VOC2007数据集上测试结果进行比较,该方法降低了小目标的误检率,提升了整体目标的精度,所提模型mAP达到了78.94%,比SSD网络提高了3.13%。