基于多级直线表述和M-估计的三维目标位姿跟踪优化算法

为了实现复杂环境下已知模型目标姿态的快速跟踪和估计,提出了一种结合三维(3D)粒子滤波跟踪和M-估计优化的位姿跟踪估计算法。基于直线的多级向量表示构造了新颖的模型直线和图像直线相似性度量函数;基于粒子滤波跟踪的姿态设计了模型直线和图像直线快速对应方法;利用M-估计实现了目标姿态的优化估计;利用重要性采样方法将优化姿态有效地融合到了粒子滤波框架。另外根据预测的目标位姿定义了图像动态感兴趣区域(ROI),极大地减少了特征检测和搜索的时间。实验表明,所提方法能够实现复杂环境下自由移动目标的快速跟踪和位姿的高精度解算,相比已有方法,所提方法在跟踪精度,计算效率以及稳健性上均有优势。     

结合纹理和形状特征的在线混合随机朴素贝叶斯视觉跟踪器EI北大核心CSCD

基于机器学习的思想并充分利用外观信息,提出一种在线选择纹理和形状特征的混合随机朴素贝叶斯视觉跟踪器。构造归一化空间金字塔,通过强度二值特征和金字塔梯度方向直方图二值特征,描述全局与局部区域的纹理和形状;并根据特征描述的二值性和多模性,设计并实现了在线混合朴素贝叶斯分类器。分类器预测类别后验概率生成信任图,跟踪器通过分析信任图实现目标跟踪,并利用极大似然估计和交叉验证实现外观学习和特征选择。选用基准测试集比较同类方法,从性能和复杂度两方面评估了跟踪器。实验结果表明跟踪器对光照变化,部分遮挡等情况具有一定的适应能力,且执行速度较快,存储空间较小。     

线黏弹性材料数字图像相关实验教学探索

线黏弹性理论是固体力学原理课程的重要内容,目前实验教学一般采用电子万能试验机对线黏弹性材料进行单轴拉伸实验,实验结果不够直观。数字图像相关方法是一种高精度全场应变测量方法,近年来在实验力学领域应用广泛。本文以固体推进剂这种线黏弹性材料为例,采用数字图像相关方法设计了线黏弹性材料单轴拉伸实验,实现了全场变形测量并且实验结果可视化更直观,有助于调动学生积极性。实验发现,数字图像相关方法与国标规定的固体推进剂单向拉伸法测量的材料应变有明显差异,针对该问题设计了实验教学研讨环节,引导学生深入分析,有助于加深对线黏弹性理论的理解。