基于深度学习的patch-match双目三维重建

针对光场相机捕获到的光场图像空间分辨率较低等问题,提出一种基于亚像素和梯度引导的光场图像超分辨率方法。设计了多重亚像素信息提取模块,该模块将子孔径图像分为水平、垂直、对角和反对角4个图像堆,并分别提取各图像堆的亚像素信息。同时,考虑到梯度先验可为预测高频细节提供有效线索,在重建过程中融合了子孔径图像的梯度多重亚像素信息。在5个公开数据库上的实验结果表明,本文方法不仅在客观指标上普遍优于现有方法,在主观视觉效果上也有更好的表现,边缘纹理细节更加清晰。

     

基于深度学习的patch-match双目三维重建

从人脸特征中剔除年龄相关特征,获得纯粹的身份特征,是实现跨年龄人脸识别的重要手段;然而,主流的身份特征提取方法忽略了对身份-年龄共享特征的处理,导致提取到的身份特征不完整。为此,提出引入身份-年龄共享特征的新方法,将混合人脸特征解耦为纯年龄相关特征、纯身份相关特征以及身份-年龄共享特征,然后将纯身份相关特征和身份-年龄共享特征进行多维耦合,从而得到完整的身份特征,有效提高跨年龄人脸识别的准确率。在人脸老化基准数据集Age-DB30上本文方法的识别准确率达到了97.07%,在LFW数据集上达到了99.73%的识别准确率,证明了所提方法的有效性与先进性。

     

基于双目立体相机的室外场景三维重建系统设计

摘要：三维重建是图像处理、计算机视觉、计算机图形学的一个重要研究领域,双目视觉通过模拟人眼处理景物的方式可以获取目标物体的三维信息,具有非接触、速度快、精度高、自动化程度好等诸多优点,可以大大提高工业生产效率,已经成为人们研究的热点。在传统的基于双目立体视觉的三维重建系统基础上进行了方法和算法的改进与创新,并根据具体应用场合拓展了系统功能。硬件选用Stereolabs公司的二代ZED双目立体相机套件,配合该套件提供的软件开发工具包（ZED SDK）,使用NVIDIA推出的通用并行计算架构CUDA,很大程度上优化了三维重建的运行效率;针对立体匹配过程噪声及原有视图引入误差等问题,利用插值法和数学形态学平滑方法进行处理,引入了视差图修复与细化环节;采用更为合理的特征点提取方法,优化了深度值计算环节。在实验室环境下,对整体系统进行了性能测试,结果表明,算法稳定高效,系统重建效果好,性价比高。     

基于深度语义模型的双目位姿估计

位姿估计是现阶段智能和自动化控制领域最热门的研究方向之一,在无人驾驶汽车、智能工业机械臂、民用家政机器人等领域有着诸多应用.但传统方法大多具有计算复杂,实时性困难等问题.提出了一种利用卷积神经网络来做双目相机图像输入端的尺寸压缩和信息提取,并将特征向量通过双向长短时神经网络与激光雷达计算的标准结果进行回归学习的位姿解算方案.训练得到的深度学习方案在精度和速度方面相对于传统方案都有一定的提升.     

基于双目去歧义的偏振三维重建技术研究

对于表面光滑且纹理单一的物体,因其具有纹理信息不足的特征,故利用传统的重建算法无法准确恢复其形状特征,并且会出现大面积数据空洞的现象,而利用偏振信息对目标物进行重建时,则会很好地解决上述的情况。但由于入射面方位角存在模糊性,导致无法获取有效的深度信息,提出用双目估计参数去除歧义角从而三维重建。利用Stokes参数来表示两个视角下目标表面反射光的偏振态信息,由于两个视图的对应点是独立的,即每个方位角都会存在不可避免的歧义性,这种方位模糊导致有两种可能的法向量,故从两幅具有偏振信息的图像中估计相对位姿,在求解相对位姿时,相对旋转与平移是必不可少的,问题即可以转换为最小二乘求优问题。通过求得最优解来估计出旋转矩阵从而消除方位角的歧义问题,实验结果表明,该消除歧义后深度图的图像分辨率更高,重建后形状信息准确,目标物纹理还原性高,易于工程实现。     

基于深度学习的故障检测方法

针对传统故障诊断方法中特征提取技术难度大、故障样本获取困难等问题,在深度学习计算框架下提出了一种半监督训练的故障检测方法,利用深度信念网络中的受限波茨曼机堆栈结构实现了数据高层特征的自动提取,结合支持向量数据描述方法实现了异常数据检测,只需利用正常工况的数据样本进行网络训练和模型拟合,无需故障样本数据,也无需人工干预进行信号特征提取,即能实现对故障数据进行的实时检测和判别。经采用标准轴承实验数据的三组故障数据进行验证,故障识别率达到100%,具有很强的工程应用价值。     

两种测量透镜焦距方法实验结果的不确定度评定

介绍了等精度和不等精度两种测量透镜焦距的方法及相应实验数据的处理,并对两种方法进行了比较。     

基于Kinect传感器多深度图像融合的物体三维重建

物体的三维重建技术一直是计算机视觉领域研究的热点问题,提出一种利用Kinect传感器获取的深度图像实现多幅深度图像融合完成物体三维重建的方法。在图像空间中对深度图像进行三角化,然后在尺度空间中融合所有三角化的深度图像构建分层有向距离场（hierarchical signed distance field）,对距离场中所有的体素应用整体Delaunay三角剖分算法产生一个涵盖所有体素的凸包,并利用Marching Tetrahedra算法构造等值面,完成物体表面重建。实验结果表明,该方法利用Kinect传感器采集的不同方向37幅分辨率为640480的深度图像完成目标物体的三维重建,仅需要48 s,并且得到非常精细的重建效果。     

杨氏模量的不确定度评定

本文介绍杨氏模量的不确定度计算方法。     

基于深度学习的初中物理实验教学策略

实验是初中物理教学的重要组成部分,也是每一名学生都应具备的基本技能,对理论知识的学习与理解具有不可忽视的作用。基于新课程改革的指引,对初中物理实验教学提出更高的要求,教师应发挥自身的引导作用,带领学生在动手操作中深化知识理解,促进实践能力的提升,从而达到深度学习的教育目的。文章简要分析了深度学习的特征,探析基于深度学习的初中物理实验教学策略,为广大教育工作者提供参考。