一种基于改进拟仿射变换的基础矩阵估计方法

以基础矩阵的估计为基础,使用计算机视觉的方法从一组不同角度、不同距离拍摄的同一场景所得的二维序列图像中还原出目标对象的三维空间信息,是实现基于图像的建模、即时定位与地图构建等前沿热点问题的主流解决方案。在基础矩阵估计问题中,准确性和效率是2个主要的衡量指标。准确性不够时,往往需要通过后端优化等方式花费高昂的代价对其进行修正,效率低则会影响系统的实时性。针对该问题,提出一种基于改进拟仿射变换的基础矩阵估计方法。具体来说,在QUATRE算法基础上,首先提出一种基于特定“基因-染色体”模式的种群协作方法。其次,重新定义齐次坐标系所表示的离散解空间中的种群初始化、变异和交叉等操作。此外,还提出一种基于置信度的迭代次数确定方式,用于加速本文方法。实验表明,该方法能有效剔除噪声和误匹配所产生的外点干扰,在准确性和效率方面优于LMedS、RANSAC和MSAC等方法,可有效解决基础矩阵估计问题。     

金属有机骨架材料(MOFs)基催化剂在加氢反应中的研究进展

加氢是精细化学品生产过程中一类重要的反应。在加氢反应中，高活性和高选择性催化剂的设计是关键因素也是面临的巨大挑战。近年来，金属有机骨架材料(MOFs)由于其比表面积大、孔道尺寸可调和活性点位负载方式多样等特点被广泛应用于加氢催化剂的制备中。从MOFs基催化剂在不饱和烃的加氢反应、醛的加氢反应和CO₂加氢反应3个方面的应用出发，综述MOFs基催化剂在加氢反应中的研究现状和存在的问题，并对MOFs基催化剂在加氢领域的发展方向进行展望。