无人机激光雷达点云电力杆塔倾斜状态测量

针对传统杆塔倾斜度测量方法难度大、强度大、效率低的问题,提出了一种基于无人机激光雷达点云的电力杆塔倾斜率精准测量方法。该方法利用无人机LiDAR电力巡线获取的散乱杆塔三维激光点云,通过拟合塔身结构来计算杆塔中心线,进而计算杆塔倾斜率。为验证方法的有效性,挑选了6种类型共18个电力杆塔,分析点云密度对倾斜检测算法的影响,并计算倾斜检测算法的精度。结果显示电力杆塔倾斜角测量的平均相对误差小于0.7°,证明了该方法的有效性和正确性。     

植物三维点云分割

针对植物点云具有形状不规则、密度不均匀的特点,提出一种适用于植物的三维点云分割方法。将烟草、玉米、黄瓜这3种植物作为样本数据,以滤波等预处理方法去除离群点与背景点,以欧氏聚类算法分割植物群体,并用区域增长算法、边缘提取算法、超体素聚类算法以及基于凹凸性的方法来分割叶片器官。将所提出的方法用于分割烟草、玉米的三维点云,其覆盖率分别为87.5%、96.9%,从而验证了该方法的可行性与有效性,为自动提取作物叶器官表型研究提供了线索。     

融合深度学习的无人机巡检绝缘子自爆检测研究

绝缘子自爆检测是无人机电力输电线路巡检的一项重要内容，准确、快速、自动寻找绝缘子自爆区域，能大量节省无人机巡检图像数据处理工作量，提高巡检的精度和效率。本文针对目前绝缘子自爆区域检测存在样本少、目标小且精度不高的问题，提出了一种融合深度学习的无人机巡检绝缘子自爆区域检测方法。该方法用大量绝缘子样本训练深度学习目标识别模型，在识别出绝缘子区域内利用计算机视觉方法对自爆区域进行检测。本文方法综合了深度学习检测复杂目标，以及计算机视觉无需大量样本且能够检测小目标的优点。实验表明：本文算法对缺陷的检测精度能够达到84.8%，对于绝缘子自爆检测具有积极的意义和应用价值。     

基于最小补偿电流算法的有源电力滤波器

在分析一种用于检测谐波和无功电流的最小补偿电流控制算法的基础上,提出一种有源电力滤波器的设计方法,该方法在同一个闭环中对谐波和无功电流进行计算并产生相应的补偿电流.与目前的控制算法相比,采用最小补偿电流算法设计的有源电力滤波器具有更简单的结构、更高的精度和更好的补偿性能.仿真结果证明了该控制算法和电路结构的有效性.     

基于自适应Harris角点检测的掌纹定位方法

分析Harris角点检测算子的实现原理及其应用于掌纹定位中时的不足,提出了一种基于自适应Harris角点检测的快速掌纹定位算法,该算法可以人为选择感兴趣区域进行检测,然后利用角点进行定位。有效地避免了掌纹定位过程中二值化,边缘检测等一系列复杂的过程,并且克服了检测过程中的角点簇拥,计算量大的缺点。实验结果表明,该方法进行的掌纹定位非但计算量小,处理速度快,而且检测出的角点分布均匀合理,能更好的适应图像定位等一系列的应用。     

消费级无人机在土方量计算中的应用实践

近年来,倾斜摄影测量技术随着无人机技术的逐步成熟获得新的发展,无人机倾斜摄影测量技术在测绘、林业、农业等行业得到广泛应用。本文主要介绍利用消费级无人机对测区进行影像采集,生成地面实景三维模型后,在模型上进行地面高程点采集,并计算测区土方量。     

激光雷达在地下矿井障碍物检测中的应用

【目的】地下矿井是自动驾驶技术实现落地应用的一个重要场景，障碍物检测是自动驾驶感知算法的重要组成部分，现有的检测算法多存在准确性不高、实时性不够等问题。【方法】针对检测算法中存在的问题，本研究提出一种适用于地下矿井障碍物检测的算法，使用该算法对激光雷达点云进行处理。首先，对地下矿井中的路面存在坡度的场景，提出多平面拟合的地面分割方法，准确地提取高程障碍物点云。其次，优化密度聚类算法，采用自适应阈值的组合参数，实现对障碍物的检测。【结果】本研究基于公开数据集和地下矿井实际采集数据集进行验证。【结论】本研究提出的算法具有良好的障碍物检测效果。     

大区域场景下基于无人机视角的目标计数方法

近年来,无人机因其灵活度高、机动性强在人群计数领域得到广泛应用。然而,现有的人群计数方法大多基于单视点,对于大范围、多摄像机场景下的多视点计数研究较少。为了解决这个问题,提出了一种基于无人机视角的目标计数方法以准确统计场景中的目标数量。选择临海区域进行数据采集,利用深度学习技术对采集的图像进行目标检测和图像拼接融合,在拼接后的图像中映射检测信息,并采用计数算法完成区域场景的计数任务。在公开数据集和该文制作的数据集上进行的实验验证了基于目标检测的计数算法的有效性。     

基于编码标志的无人机电力巡检自主定位方法

为了实现无人机在变电站巡检时自主避障,提出一种利用编码标志作为控制点的无人机自主定位方法.首先讨论编码标志的设计与解码,然后利用灰度方向直方图(histogram of oriented gradient, HOG)特征和支持向量机(support vector machine, SVM)检测并跟踪图像中的编码标志,以提高算法运行效率,最后根据编码标志在电塔上的位置及其在图像上的对应坐标,由物点与像点的透视关系解算无人机位置.实验表明:HOG+SVM组合检测图像中的编码标志召回率为99%;解码算法在编码标志模糊、变形等极端条件下依然保持强鲁棒性,解码错误率仅为0.05%;无人机定位误差不超过±0.03 m,算法运行速度达10帧/s,可用于变电站的实际巡检.     

非均匀环境下雷达动目标检测的空时自适应处理

研究一种非均匀环境下地面动目标检测的STAP算法. 该算法将直接数据域内基于正弦曲线幅相估计的检测算法从空域维扩展到空时二维,提高目标回波幅度的估计精度,改善输出信杂噪比,有效地克服了原算法对弱目标检测性能差和虚警率高等缺陷. 仿真结果验证了这种方法的有效性.     

一种改进的基于PCA的ICP点云配准算法研究

三维点云配准是三维重建过程中的重要环节,ICP配准算法无法处理初始位姿相差较大的点云,结果可能陷入局部最优的问题。本文提出了一种改进的基于PCA的快速ICP匹配算法,通过对两组点云进行主成分求解,形成各自的PCA坐标系。对两组点云分别进行坐标系转换,通过主轴校正矩阵解决了PCA主轴反向问题;利用K-D tree快速搜索最近点改进传统ICP方法,完成点云的快速精确配准。实验表明,该配准算法可以有效处理点云初始位置较差的情况,实现任意位姿关系下的两组点云的快速精确配准。     

激光点云线性KNN算法FPGA实现及加速

针对三维激光点云线性K最近邻（K-nearest neighbor, KNN）搜索耗时长的问题，提出了一种利用多处理器片上系统（multi-processor system on chip, MPSoC）现场可编程门阵列（field-programmable gate array,FPGA）实现三维激光点云KNN快速搜索的方法。首先给出了三维激光点云KNN算法的MPSoC FPGA实现框架；然后详细阐述了每个模块的设计思路及实现过程；最后利用MZU15A开发板和天眸16线旋转机械激光雷达搭建了测试平台，完成了三维激光点云KNN算法MPSoC FPGA加速的测试验证。实验结果表明：基于MPSoC FPGA实现的三维激光点云KNN算法能在保证邻近点搜索精度的情况下，减少邻近点搜索耗时。     

一种基于TIN的LiDAR点云滤波算法

在一定范围内地面可以近似看成一个个小平面的前提下,提出一种基于TIN的Li DAR点云滤波算法。先通过多尺度虚拟网格来筛选地面种子点,然后经过TIN向下加密和向上加密两个过程来进一步筛选出地形点;最后,通过3组具有不同典型地物特征的测区数据进行试验,验证该算法的实用性和有效性。     

一种基于Chirplet分解的时频分析快速算法

针对信号自适应chirplet分解未知参数多、实现起来比较困难的特点,提出了一种新的chirplet分解快速算法．该算法利用计算信号的二次相位函数,得到其能量分布集中于信号的调频率曲线上的结论,此时通过谱峰检测可同时获得chirplet调频率、时间中心和幅度的估计;然后通过解线性调频技术获得其初始频率和宽度的估计．仿真结果验证了本文算法的有效性．     

低空无人机倾斜摄影测量成果精度研究

近年来无人机倾斜摄影技术逐渐成熟,产品越来越丰富。为快速、高效的生产高精度的空三加密结果、数字正射影像图(DOM)、密集点云数据、实景三维模型等数字测绘产品,提出一种利用低空无人机倾斜摄影测量生产途径。以西北大学长安校区为实验区,利用Md4-1000型四旋翼无人机搭载五镜头相机进行倾斜摄影飞行试验,通过多视影像匹配、空三加密、影像密集匹配、构建三角网、纹理映射等技术生成空中三角测量、实景三维模型、DOM等成果。通过实测数据分别验证正视影像空中三角测量、正视影像联合倾斜影像空中三角测量、DOM、实景三维模型的精度。结果表明,基于倾斜影像生产的数字测绘成果满足高精度的需求,对其进一步应用具有指导意义。     

非线性椭圆型方程多解的计算

讨论了一种改进的计算非线性椭圆型方程多解的算法，我们的数值例子表明了该算法的有效性。     

基于熵权和正负理想点的连锁零售供应商选择模型

供应商选择问题是一个多目标决策问题.其评价权重的确定一直是研究的重点.该文综合考虑利用理想点计算权重的优越性和权重的随机性,引入Shannon的信息熵来描述权重的不确定性,给出一种计算指标权重的方法,再用正负理想点法建立综合评价模型,算例表明了该算法的有效性.     

改进的自适应区域分解FDTD在波导结构中的应用

摘要： 提出了一种改进的自适应区域分解时域有限差分(improved adaptive domain decomposition finite difference time domain, IADD-FDTD)算法. 这种算法通过对检测面上的电压值进行自适应边界检测,消除了检测面上电场值不稳定而带来的计算误差. 该算法还可得到更多的分区,提高了计算速度. 通过对多种不连续波导结构的应用分析,验证了这种算法的正确性和有效性.     

基于人工神经网络的条码定位与识别方法

针对大角度条码图像区域自动定位这一关键技术的具体应用,笔者提出一种适合大角度条码图像区域自动定位的算法。该算法以高斯滤波、边缘检测和霍夫变换做预处理,采用已经训练好的人工神经网络进行定位,运用全局与局部结合的二值化方法进行二值化、识别。实验证明,该算法图像定位准确率高,大角度条码图像定位效果较为理想,提升了图像识别的正确率。     

一种基于服务器组的SAR信号优化处理算法

针对SAR信号海量数据的处理困难，提出了一种基于服务器组的优化处理算法，该算法以CS算法为基础，将CS算法中的各个部分进行优化分解，分别在不同的服务器上进行计算，实现计算效率的最优化最后通过仿真证明了该算法的有效性，为SAR海量数据的批量处理提供了一定的依据