遥感图像道路提取方法综述

道路信息在现代社会中扮演着重要的角色,研究遥感图像的道路提取方法具有重要科学意义。回顾了道路提取方法的发展历程,按实现形式的不同,将已有道路提取方法分为基于像元、面向对象、深度学习三大类,并以此为线索,分析比较各类方法的适用范围与优缺点。设计实验,以多幅高分辨率卫星遥感图像为实验对象,验证对比各类典型道路提取方法的实际性能,实验结果表明,基于深度学习的道路提取方法效果最佳。最后,结合当下热门的遥感大数据与人工智能相关理论,展望了未来遥感图像道路提取方法的发展趋势。     

三光气“一锅法”合成异氰酸酯丙烯酸乙酯

以乙醇胺盐酸盐(2)为原料,与丙烯酰氯进行酯化反应制得丙烯酸氨基乙酯盐酸盐(3),中间体无需分离,在三乙胺作用下,经三光气羰基化反应得到目标产物异氰酸酯丙烯酸乙酯(1,AOI)。考察了反应温度、反应时间、反应物配比对反应的影响,得出的优化反应条件为:n(乙醇胺盐酸盐)∶n(丙烯酰氯)∶n(三乙胺)∶n(三光气)=1∶1.2∶3.0∶0.45,第一步反应温度为50℃,反应时间为5 h;第二步反应温度为80℃,反应时间为3 h,在该条件下反应总收率为72.5%,GC纯度99.5%。     

一种基于降噪自编码神经网络的积雪产品去云方法

目前应用最为广泛的积雪覆盖区域图(SCA)可由中分辨率成像光谱仪(MODIS)获取,常被用于积雪覆盖时空变化的研究中.由于受云遮挡的影响,MODIS积雪产品存在较大区域的数据缺失.为了消除云遮挡的影响,本文构建一种降噪自编码神经网络模型,建立雪粒径与复杂地形、土地覆盖类型之间的复杂的映射关系,实现云下积雪参数的补全,提高积雪产品的覆盖面积.本文选取开都河流域为研究区域,将MODIS反演得到的积雪产品数据与地形地物数据结合,并通过降噪自编码神经网络(Denoising Autoencoder Artificial Neural Network)、极值雪线法相结合的方法来定量地回归补全高山复杂地形下由于云覆盖导致的积雪缺失数据,从而得到无缺失的逐日雪盖数据.其中,降噪自编码神经网络融合多特征数据,建立地形特征与雪粒径数据之间的非线性映射关系,从而来补全云层下的雪粒径数据;极值雪线法主要用来去除低海拔地区误报值,进一步提高雪盖提取精度.采用MODIS积雪产品对去云结果开展精度验证,本文所提出的去云方法的精度超过86%,有效地提高了雪盖提取精度.因此,本文所提的算法可以有效地去除复杂地形区域的...     

基于EfficientNet的轻量化行人检测算法

针对当前行人检测过程中存在速度慢、精确率不高以及高复杂度运算的问题,提出一种兼顾轻量化与检测精确率的卷积神经网络算法(ECG-YOLO)。该算法采用EfficientNetv2与坐标注意力(coordinate attention, CA)模块重新设计主干网络,提升网络的检测速度及精度。设计参数量和计算量更小的GhostConv模块以降低特征通道融合过程中的计算量。加入自适应Gamma校正算法减少复杂场景下光照等因素的影响。改进后的算法在NVIDIA TX2开发板上测试,检测精度达91%以上,较原算法提高了1.7%,参数量和计算量分别为原算法的40.8%和36.3%,具有较好的检测精度与实时性。     

基于上下文语义联合 YOLOv7 的分心驾驶检测算法

针对分心驾驶检测方法存在实时性差、精度低、可部署性差的问题,提出了一种基于上下文语义增强联合 YOLOv7 的 分心驾驶检测算法。首先将模型 backbone 和 head 部分的 ELAN 模块替换成语义上下文增强模块(contextual transformer, CoT), 提高上下文语义信息的捕获能力。其次,将语义关联增强机制(triplet attention)融入卷积块中,插入 backbone 和 head 的连接头之间以及融合 MP2 模块,强化目标间的关联关系以及提升目标特征提取能力。最后,将自注意力双向 Transformer 模块(Biformer) 模块融合 SPPCSPC 模块,提升模型对分心驾驶中的复杂场景和遮挡目标的处理能力。改进的 YOLOv7 算法 在分心驾驶数据集下平均精度均值(mean average precision,mAP)达到了87.3%,比原算法提高了4.3%,模型参数量减少了 4.7%,每秒传输帧数达到了90 fps,具有较好的检测精度与速度。     

倾转定翼无人机姿态控制系统设计

所研究对象为四旋翼倾转定翼无人机（Quad Tilt Wing-Unmanned Aerial Vehicle, QTW-UAV）,首先对QTW-UAV的直升机模式进行动力学特性分析,建立其滚转运动数学模型,然后设计了基于模型参考的PID自适应控制器,在传统PID控制方法的基础上融合自适应控制算法,给出PID参数自整定率,实现了QTW-UAV姿态角的自适应控制。仿真结果表明,设计的控制器具有良好的稳态和跟踪性能,实现了QTW-UAV姿态稳定控制。