融合激光SLAM实现无人驾驶轮椅空间定位优化

移动机器人空间定位是实现无人驾驶的重要环节,但仅使用单一传感器进行定位会产生定位误差,且误差会不断累积。为提高对移动机器人的空间定位精度,提出了一种融合3种传感器的空间定位方法,即激光雷达（LiDAR）、惯性测量单元（IMU）、光电编码器三种传感器。首先,采用扩展卡尔曼滤波算法融合了基于距离流算法的光电里程计信息、IMU偏航数据信息及双光电编码器的轮式里程计信息;其次,通过对扩展卡尔曼滤波进行差分改进来消除在融合过程中因存在两个绝对姿态信息而产生的振荡现象;最后,在自主搭建的无人驾驶轮椅移动平台上对优化后的定位精度进行了实验验证。经多次重复实验的结果表明,多传感器融合优化后的轨迹在定位偏差最值和绝对误差均值方面均较真实运动轨迹有明显降低,且环境越复杂优化效果越好,表明所提方法可有效提高无人驾驶轮椅的空间定位精度。     

基于增强多尺度特征网络的图像去模糊

现有的多尺度多阶段图像去模糊方法存在多尺度图像特征提取利用不充分和阶段加深导致特征信息丢失的问题。针对上述问题,提出了一种基于增强多尺度特征网络的图像去模糊方法。首先,提出一个多尺度残差特征提取模块,在两个分支中使用不同大小的卷积核扩大感受野,充分提取不同分辨率大小图像的特征信息。其次,提出跨阶段注意力模块,过滤和传递图像的关键特征。最后,设计类似于跳跃连接的跨阶段特征融合模块,弥补特征损失,同时融合来自不同大小输入图像的特征信息,丰富空间特征信息,以更好地处理纹理细节。在GoPro和HIDE数据集上的实验结果表明,所提方法能够很好地重建图像。     

多尺度特征融合的壁画多光谱图像颜料3D-CNN分类方法

颜料的分类识别是古代壁画进行保护修复的基础,多光谱成像方法能够无损快速地获取壁画颜料的光谱图像数据并进行分析。传统利用卷积神经网络进行特征提取的算法中连续的卷积和池化操作会丢失壁画多光谱图像的部分特征信息,使得图像细节无法重建,导致分类图像边界不平滑。针对该问题,提出了一种基于多尺度特征融合的三维空洞卷积残差神经网络对壁画多光谱图像进行颜料分类。首先,在卷积核中引入空洞结构提高卷积核的感受野来提取不同尺度信息,避免池化操作所导致的部分特征丢失;其次,使用特征融合的方法融合不同尺度的特征图,增加多尺度特征的结构层次;最后,引入残差学习模块避免网络层数加深导致的梯度消失问题,重建完整的边缘信息。实验结果表明,所提方法在模拟壁画多光谱图像数据集上的总体精度和平均精度分别达到了98.87%和96.89%,与各对照组相比,不仅具有更好的分类精度,而且得到了边界更清晰的分类图像。     

顾及相对距离的路灯点云分层提取方法研究

路灯提取是车载点云目标提取的重要研究方向之一,但由于路灯上部和下部容易产生粘连和遮挡,路灯识别往往存在困难。针对此问题,考虑灯杆中部不易产生粘连和遮挡这一特点,结合灯头与灯杆之间的相对位置关系,提出了顾及相对距离的路灯点云分层提取方法。首先用布料模拟滤波（CSF）算法将原始点云分为灯头层、灯杆层和地面层,在此基础上对灯头层和灯杆层点云进行连通域分析并输出聚类;然后根据灯杆层各聚类矩形对角线长度和拟合圆内部范围提取灯杆点云;最后根据灯头中心与灯杆中心的相对距离搜索灯头点云,从而实现完整路灯点云的提取。对三组数据进行实验分析,结果表明：所提方法对数据1的正确率、完整率、质量和F1值均为100%;对数据2的正确率、完整率、F1值均为87.50%,质量为77.78%;对数据3的完整率和质量均为94.74%,正确率为100%,F1值为97.30%。所提方法能够实现对路灯点云的有效识别和提取。     

自适应形态学与多尺度结合的植被区域遥感图像分割方法

为减小植被区域遥感图像分割误差,解决植被区域中待分割目标因覆盖度和噪声等因素造成的过分割和欠分割问题,提出了一种自适应形态学与多尺度结合的植被区域遥感图像分割方法。首先,通过general adaptive neighborhood(GAN)结构元素构造膨胀和腐蚀运算,推导出GAN形态学开、闭运算;然后,构造一种GAN形态学复合型滤波器,填充植被覆盖度不足的孔洞,减小噪声对图像的干扰;最后,通过多尺度分割算法,对遥感图像植被区域进行分割。实验结果表明：所提方法能够有效避免欠分割和过分割现象且能对遥感图像植被区域进行准确分割;与传统多尺度分割和传统形态学与多尺度结合方法相比,所提方法的分割误差较小。     

基于二维熵的人工鱼群材料图像分割方法

阈值法是图像分割中的重要方法,并在图像处理中得到了广泛的应用。针对电子扫描显微镜(SEM)摄取的纤维材料图像的自身特性,在预处理的基础上,提出了一种基于二维灰度直方图的人工鱼群图像分割方法。二维直方图的阈值的选取,是一个求全局最优的优化问题,本文将人工鱼群的算法应用于图像分割中,利用人工鱼群算法寻求二维熵的最优值,在实验中,人工鱼群算法收敛速度快,结果稳定,取得了理想的效果。     

UWDMTM PUSKTM系统新型超长距离DWDM系统

UWDMTM产品系列使300km以上的网络设置免除使用昂贵的在线放大器及信号中继. IPG最新生产的UWDMTM产品系列为电信服务供应商及网络操作提供了一种简单、适用性广泛、光学层面的最优化解决方案,可以同时为8通道提供超长距离(300km以上),无需中继的DWDM网络.     

基于星座图对射频指纹识别方法的研究

针对星座图的射频(RF)指纹识别方案中,低信噪比环境下识别准确率低的问题,提出一种基于欧式距离与幅度距离的二维识别算法来进行RF指纹识别。该方案通过对星座图进行优化处理,可从优化后的星座图中提取识别性能更好的RF指纹,再通过二维识别算法来提高识别准确率。仿真结果表明:与仅用欧式距离作为判断依据的方法相比,所提出的二维识别算法的识别准确率最高可提升8%,在设备容量为50组的情况下识别准确率为77.8%,并且从优化后的星座图中所提取的RF指纹具有更好的唯一性和稳定性。     

面向距离查询的属性加权图聚集算法

图聚集技术是在保留原始图的结构和属性信息的同时,将一个大规模图聚集成简洁的小规模图的技术.随着图的规模不断增加使得图数据变得难以查询和存储,而基于距离的查询,例如最短路径查询,非常依赖图的规模大小.本文提出了面向距离查询的属性加权图聚集算法,在保证节点之间结构和属性相似的同时,保护了节点之间的距离,并有效地减小了图规模...     

一种基于空间连续性的高光谱图像分类方法

利用地物在空间上分布连续性这一信息,提出了一种高光谱图像先分块、再分类的分类方法,改进了通常意义下的分类只考虑光谱信息这一缺陷,通过对2000年我们在日本长野南牧村,采用上海技术物理研究所研制的推扫式成像光谱仪(PHI)获得了80个波段的高光谱数据进行实验,验证了我们算法的优越性．