排序方式: 共有12条查询结果,搜索用时 15 毫秒
1.
针对水下目标探测应用场景,给出了相应的532 nm波长激光雷达系统参数,结合条纹管激光雷达和载波调制激光雷达的优点,设计研制了一套水下三维成像增程激光雷达原理样机。相对于常见的微波调制激光产生高频脉冲的方案,该原理样机采取调Q技术压缩激光脉冲,再结合F-P腔的特性产生高频激光脉冲,具有峰值功率高和输出能量高的优点。实验结果表明,该原理样机在清水环境中成像距离优于20 m,能够捕捉到13 m处直径9 mm的目标细节;在浊水环境中的信号处理增程能力达到81.4%,相对距离分辨误差为0.01 m。所获得的实验结果为进一步提升水下激光雷达的成像距离和分辨率进而发展水下成像装备奠定了基础。 相似文献
2.
现有单目深度估计(Monocular depth estimation)算法存在细节估计不准确、同一平面距离估计错误的问题。深度信息是通过图像像素的三通道信息估计出来的,目前已有的算法中很少考虑特征图通道之间的相互关系对深度信息的影响。因此本文提出了一种SE-DenseDepth网络,在网络的编码器中嵌入通道注意力机制,依据不同通道对深度信息的贡献度差异,对通道进行编码,提高编码器对图像特征的表征能力。为了获得图像精细的深度信息,网络建立编码器到解码器的跳连接,引入了更多的低层信息。本文在通用室内数据集NYU-Depth V2上训练,并在真实数据上测试。实验结果表明,本文提出的方法在深度突然变化的细节区域表现更好,在远距离大平面的情况下不会出现深度的断层,与其他主流算法相比可以获得较好的深度估计性能。 相似文献
3.
4.
5.
针对低信噪比水声目标单一特征识别率低,稳健性差的问题,提出一种基于注意力机制和多尺度残差卷积神经网络(Multi-scale Residual CNN with Attention,MR-CNN-A)进行特征融合的识别方法。该方法根据多尺度卷积核与特征图形成多分辨率分析关系,并以此通过注意力机制实现优势特征权值提取与融合,从而提高模型在文中水声数据集上提取目标噪声特征和分类识别的稳健性与抗噪能力。开展了4类舰船噪声和海洋环境噪声的识别试验、水下和水面自主式水下航行器的识别试验,以及不同信噪比条件下目标噪声的识别试验。结果表明:对于文中所涉及的水声目标噪声和人工高斯白噪声干扰,该网络模型识别正确率明显高于支持矢量机与简单卷积神经网络,且对高斯白噪声的抑制能力远强于支持矢量机与简单卷积神经网络,稳健性好,模型复杂度小。 相似文献
6.
7.
本文尝试利用匹配场处理中的能量匹配思想,对阵列波束形成进行优化,用于解决水下目标被动声纳微弱信号检测问题。首先,本文对比了基于线性非相干、MVDR非相干、线性相干和MVDR相干四种匹配场处理器的检测方法的性能,之后分析推导了线性非相干处理器的输出信噪比和输出功率,得出了在声源频谱起伏增大时线性非相干处理器的检测能力会下降的结论。为了得到更高的输出信噪比,本文提出了最大信噪比处理器,在理想情况下可以在处理带宽上达到最高的输出信噪比。最大信噪比处理器没有通过归一化消除声源的影响,而是利用声源频谱的估计值和拷贝场直接对接收数据进行匹配。本文证明了最大信噪比处理器的检测能力优于线性非相干处理器,并且通过仿真实验进一步验证了这个结论。 相似文献
8.
9.
迭代最近点法(ICP)及其变体是三维点云刚性配准的典型方法,但此类通过迭代计算逐点距离矩阵实现点云配准的方式,严重制约了点云的配准效率。本文提出一种快速ICP算法,利用Frobenius范数表示待配准的两幅点云之间的误差函数,获得误差值最小点位置,并对此位置进行奇异值分解,从而得到旋转矩阵和平移向量,极大压缩了迭代次数和配准时间。在Standford数据集和3DMatch数据集上进行试验,与传统ICP算法及其变体、3种基于学习的点云配准算法进行对比,本文方法配准效率最优;在达到相近的配准精确度时,提出的快速ICP方法的迭代次数仅为传统ICP算法的0.2倍,在Standford数据集上配准所需时间为传统ICP算法的1/4,在3D Match数据集上配准所需时间为传统ICP算法的1/8倍。本文提出的快速ICP算法在数据量大的点云场景下,具有更高的效率。 相似文献