基于三维激光扫描仪的无序工件精准定位北大核心CSCD

为了获取生产线上无序且被遮挡的工件的准确位姿,为后续机械臂对工件特定部位的抓取提供支持,本文使用高精度三维激光扫描仪扫描生产线上无序摆放的工件,然后对原始点云先后采用Voxel-Grid降采样、平面分割和DBSCAN聚类,分割出单个工件点云,再用K-4PCS粗配准和kd-tree加速的GICP精配准方法,将工件实际点云与标准的点云模板(由工件的机械设计图转化而来)进行配准,最终得到了两者之间精确的位姿变换矩阵,进而获得工件摆放的准确位姿。为了验证论文提出方法的有效性,对生产线上3组形状不同工件的摆放位姿进行了测试。结果表明,该方法对于不同形状的工件摆放位姿都有很好的求解精度(误差≤3 mm)。     

基于Transformer的实时语义分割网络及应用北大核心CSCD

为提升机器人对电缆隧道场景的环境感知能力,提出了一种适用于电缆隧道场景的实时语义分割网络。使用Transformer结构提取图像全局语义信息,同时使用卷积神经网络捕获图像局部细节信息,将二者结合增强图像分割精度。同时,针对机器人以及隧道特点,将语义分割结果转化为机器人前方目标信息以及机器人偏离情况信息,辅助机器人导航避障。实验结果表明,所提出的网络在公共数据集Cityscapes、CamVid上平均交叉联合度量分别为77.2%、76.8%,相比BiSeNet分别提高了8.8%、8.1%,并能较好地适应于实际电缆隧道环境中,提供有效的场景感知信息,实现自主避障。     

融合注意力分支特征的甲烷泄漏红外图像分割

甲烷是现代化工业生产和社会生活的重要能源之一,实现其有效探测与分割对于及时发现甲烷泄漏事故并识别其扩散范围具有重要意义。针对红外成像条件下甲烷气体图像的轮廓模糊、泄漏的甲烷气体与背景对比度较低、形状易受大气流动因素影响等问题,本文提出一种融合注意力分支特征的红外图像分割网络（Attention Branch Feature Network,ABFNet）实现甲烷气体泄漏探测。首先,为增强模型对红外甲烷气体图像的特征提取能力,设计分支特征融合模块将残差模块1和残差模块2的输出特征与残差模块3以逐像素相加的方法融合,获取红外甲烷气体图像丰富细致的特征表达以提高模型识别精度。其次,为进一步加快模型的推理速度,将标准瓶颈单元中的3×3卷积替换为深度可分离卷积,大幅度减少参数量达到实时检测甲烷气体泄漏。最后,将scSE注意力机制嵌入到分支特征融合模块,更多地关注扩散区域边缘和中心语义信息以克服红外甲烷气体轮廓模糊对比度低等问题提高模型的泛化能力。实验结果表明,本文提出的ABFNet模型AP50@95、AP50、AP60定量分割精度分别达到38.23%、89.63%和75.33%,相比于原始YOL...     

一种基于机器学习的卫星重叠隐蔽通信方法

针对传统卫星重叠通信中单个掩护信号带宽以及功率容限不够的问题,利用卫星转发器频谱环境中多个掩护信号提出了一种频域分割-子谱功率控制联合优化的多掩护信号重叠通信方法,建立了隐蔽通信信号传输性能和隐蔽性能的双目标优化问题,信关站侧采用感知的历史频谱数据训练生成支持向量机回归预测模型,用来预测不同转发器频谱环境下隐蔽信号的通信性能和隐蔽性能,并将训练好的预测模型下载到通信终端;终端侧利用双目标背包算法将支持向量机回归预测模型预测的隐蔽信号的通信性能和隐蔽性能作为价值因素、掩护信号个数作为背包重量来选择转发器频谱环境中的掩护信号,并且求解出隐蔽信号的频域分割和子频谱的功率控制参数,从而实现终端通信信号隐藏在卫星转发器的频谱环境中的目的。     

自适应空间约束融入混合模型的遥感图像分割

为了降低图像噪声的影响并提高遥感图像分割精度,提出了一种自适应空间约束融入混合模型的遥感图像分割算法。考虑到学生t分布具有重尾特性比高斯分布更具有鲁棒性,利用学生t混合模型(Student’s-t Mixture Model, SMM)建模像素光谱测度概率分布。为了避免图像噪声对分割结果的影响,基于马尔可夫随机场利用局部像素类属概率定义组份权重,将像素空间相关性融入SMM,进而构建出空间约束图像分割模型。为了实现自适应平滑系数的模型参数求解,采用梯度下降方法求解分割模型。采用本文算法对添加噪声的遥感图像进行分割实验,结果表明,所提算法可有效降低图像噪声的影响,同时可准确分割高分辨率遥感图像。     

融合Transfomer和多尺度并行注意的结直肠息肉分割算法

针对结直肠息肉图像中病灶区域尺度变化大、形状不规则和边界不清晰等复杂特点导致息肉分割精度低、分割边界存在伪影的问题,提出了一种融合Transfomer和多尺度并行注意网络(Fusion of Transfomer and Multiscale Parallel Attention Networks, FTMPA-Net)的结直肠息肉分割算法。选用HarDNet逐层提取语义信息和空间细节,采用多尺度感受场模块(Multiscale Receptive Field Block, RFB)捕获不同感受野下的特征信息,串入高效通道注意力机制提取空间、通道特征的相关性信息,以抑制背景颜色的响应;通过并行解码模块逐层聚合由高效通道注意力机制得到的增强特征图,并生成初始预测分割图用于后续深层监督;提出高效多头注意力机制(Efficient Multi-Head Self-Attention Module, EMHSA)来进一步细化边缘信息,构建区域与边界之间的联系,以提高其分割性能。在CVC-ClinicDB数据集和Kvasir-SEG数据集上对该算法进行测试,平均相似性系数分别为95.58%和92...     

结合多尺度特征和注意力机制的公路裂缝检测

由于航拍公路裂缝数据缺乏并且裂缝图像存在目标小、分布复杂的特点,导致语义分割模型在航拍公路裂缝检测中效果差,影响模型在实际场景的应用,为此提出基于改进DeeplabV3+的公路裂缝检测方法。构建语义分割模型,选定DeeplabV3+模型并作如下优化：由于低级特征包含更多裂缝细节信息,增加了提取低级特征的路径,从ASPP模块输出的特征为高级特征,高级特征包含更多语义信息,将两者信息进行融合能保证模型不丢失裂缝的细节信息;在网络中嵌入SCSE注意力模块抑制对其他无关信息的响应,改善模型在裂缝数据集检测效果差的问题。实验结果表明,改进DeeplabV3+算法可以有效解决模型对小目标裂缝分割时效果差的问题,模型的检测精度提高了2.59%,具有较强的应用价值,可以为实际公路裂缝检测提供参考。     

基于双解码路径DD-UNet的脑肿瘤图像分割算法

针对医学图像中病灶区域尺度不一、边界模糊和周围组织强度不均匀所导致的分割精度降低问题,提出了一种基于双解码器的脑肿瘤图像分割模型。为了增强特征的表征力,提出了高阶微分残差模块并使用不同空洞率的扩张卷积用于提取特征编码,提高了网络模型的分割性能;引入上下文语义信息感知模块(multi scale dilation, MSD),从不同的目标尺度中提取更多的精细信息,提高了对结构细节信息的捕获能力,同时减少了编解码器之间的特征差异;在空间解码路径中使用选择性聚合空间注意力模块(spatial aggregation attention module, SAAM),增加了对有效空间特征的权重比例,减少了无效的特征干扰。在脑肿瘤数据集上进行了实验验证,实验结果表明,所提算法的Dice系数、平均交并比、敏感性、特异性、准确率等指标分别为：93.35%、90.71%、91.15%、99.94%、96.75%。     

基于改进3D UNet的前列腺MR图像分割

针对前列腺磁共振 (magnetic resonance, MR)图像边缘模糊、对比度较低,灰度值分布不均衡而导致分割精度较差的问题,提出了一种结合双路径注意力(dual path attention,DPA) 和多尺度特征聚合(multi-scale feature aggregation,MFA) 模块的改进3D UNet网络模型。首先,对数据集进行重采样和裁剪处理以适应模型输入。然后,在3D UNet网络的编码器各层引入DPA 并添加残差连接,加强特征的 编码能力。同时,在网络解码器中加入MFA模块,以充分利用空间上下文信息,增强语义信息。最后,在公开数据集PROMISE12上进行验证,所提出的模型的Dice系数为89.90%,Hausdorff 距离为9.37 mm。相比较于其他模型,所提出模型的分割结果更优,且参数量和运算量更少。     

面向高性能的红外折射式镜头装调技术

针对红外光学材料折射率不均匀导致系统波前产生异常像差,从而引起镜头像质严重下降的问题,提出了一种光学件位置迭代调整和面形修配相结合的系统波前补偿方法,实现面向高性能的红外折射式镜头装调。在光学件精密定心的基础上,设计了在线装调检测装置,依据镜头实测波前并结合计算机辅助装调技术,通过迭代调整光学件位置矫正系统波前初阶像差。对系统残留的中高阶像差,根据各视场测得的系统波前综合分析计算,采用修配光瞳处光学件面形,引入反残留波像差的方式补偿。实验上,通过对某红外折射式镜头装调,将镜头三个视场系统波前RMS (λ=3.39μm)分别由精密定心后的0.162λ、0.118λ、0.166λ降低至0.064λ、0.040λ、0.067λ,平均MTF (@25 lp/mm)由0.31提升至0.67。结果表明,这种装调技术对红外折射式镜头系统波前补偿效果明显,可大幅提升镜头成像性能,具有重要的工程应用价值。