基于深度学习的立体影像视差估计方法综述

三维重建技术常用于自动驾驶、机器人、无人机和增强现实等领域。视差估计是三维重建的关键步骤,随着数据集的增加、硬件和网络模型的发展,深度学习视差估计模型被广泛使用并取得良好效果。然而,这些方法常用室外场景的物体,很少使用在室内场景的数据集中。回顾了双目视差估计的深度学习方法,选用5种深度学习网络：PSMNet(pyramid stereo matching network)、GA-Net(guided aggregation network)、LEAStereo(hierarchical neural architecture search for deep stereo matching)、DeepPruner(learning efficient stereo matching via differentiable patchmatch)、BGNet(bilateral grid learning for stereo matching networks),将其运用在一套真实世界的街景数据集（KITTI2015）和两套室内场景数据集（Middlebury2014、Instereo2K...     

风电机组叶片损伤检测技术研究与进展EI北大核心CSCD

叶片是风电机组的关键组件,其性能优劣将影响整个系统。风力发电机工作环境复杂,叶片很容易受到损伤,未被及时发现的表面损伤如裂纹等扩展可能会导致对结构造成不可逆损坏,甚至会导致塔架的损坏。因此,叶片的损伤检测对于保障风电机组安全高效工作与降低运维成本有着重要意义。文中全面介绍风力发电机叶片损伤原因和损伤类型,对现有叶片检测技术进行分析简述,探讨现有方法的优缺点和研究热点,在此基础上,介绍配有多种传感器的机器人复合检测技术及检测技术中常用的数据分析算法。同时,给出各种检测方法在风力发电机组叶片损伤检测工程应用的建议。最后,指出风电机组叶片损伤检测技术的未来发展趋势。