排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
2.
在机载LIDAR 点云定位方程的基础上建立其定位误差方程,依据定位误差方程,将点云的误差分类为系统误差、任务误差和随机误差3类。详细分析了平地、下坡面、上坡面3种情形下地形坡度和扫描角对测距误差和点云定位误差的影响大小,探讨了扫描角误差、安置角误差、姿态角误差以及扫描角对点云定位误差的影响。除了分析系统误差外,还着重分析了时间偏差、GPS定位误差、偏心分量误差以及随机误差对点云定位误差的影响大小。研究发现:航高和扫描角是点云定位误差的重要误差源,下坡面地形和瞬时扫描角误差对点云定位误差的影响较大,安置角误差可以通过检校来消除,姿态角误差取决于IMU自身的硬件精度。 相似文献
3.
4.
地震数据采集是地震观测与研究的基础。提出一种基于NI高精度数据采集卡USB-4432和LabVIEW的地震数据采集系统设计方案,包括基于OP07和LM224N的前端调理电路,基于USB-4432和LabVIEW的实时采集与分析系统。为进一步提升采集信号质量,提出一种自适应小波阈值去噪算法,该算法能根据采集信号强度自适应去噪,提高采集信号信噪比(Signal-to-Noise Ratio,SNR)。实验表明,系统稳定可靠,相比传统小波阈值去噪算法,新算法能显著提高SNR。实验结果表明,系统去噪性能优良,应用价值较强。 相似文献
5.
车辆再识别旨在从多个摄像机拍摄的图像中识别出同一车辆.本文提出了一种对群三元组损失函数,以特征中心点替代均值,并将对群思想和三元组损失相结合,优化了困难样本的识别.车辆再识别过程中,对群损失函数的训练过程扩大了样本规模,增加了计算量,且传统对群损失函数无法准确处理困难正样本.为此,提出了一种特征聚类对群三元组损失函数.本方法采用正样本特征聚类中心并改进了三元组损失函数的设计,从而优化了对群损失函数.在不扩增输入样本数量的同时提升了算法处理困难样本的能力.实验表明,与主流车辆再识别算法相比,本方法可有效提升车辆再识别的准确率. 相似文献
1