结构光测量中的定标

分析了ＤＬＴ定标模型的原理和方法,根据所涉及的应用场合和界定的条件,对ＤＬＴ模型进行了简化,由此只需进行二维测量和计算,就能准确有效地完成三维定标,对定标误差进行了理论分析和实验,提出了误差纠正模型及其相应算法,保证了系统的扫描精度,实验表明：提出的定标算法达到像素级精度。     

DWMT系统中滤波器组的新设计

研究了ＤＷＭＴ系统中的综合／分析滤波器组．基于系统对运算复杂度和子信道间频谱隔离特性的要求，我们采用了ＥＬＴ快速算法，并在滤波器优化设计过程中，用最大误差最小化准则替代了原ＥＬＴ算法中的最小均方误差准则     

大型交通网络OD矩阵推算方法研究

ＯＤ矩阵是进行交通规划及管理的基础数据．本文首先研究了推算ＯＤ矩阵所需基本信息的获取方法．详细评述了现有ＯＤ矩阵推算模型，针对极大熵模型对路段交通量完全置信的不足，提出了极大熵修正模型，使模型能考虑交通调查产生的误差及交通分配引起的误差，极大提高了推算结果的精度．此外，本文把推算模型求解的立足点从路段转移到路径，提出了适用于大型网络ＯＤ矩阵推算的路径迭代算法．最后，本文采用山东省公路网实测ＯＤ矩阵及路段流量数据，对推算模型进行了检验，并证实了推算模型的可靠性及可行性．     

摄象机校准的算法研究

本文阐述了在只给出ＣＣＤ成象面垂直方向相邻光敏元的距离时的摄象机校准算法．在解非线性方程时利用广义牛顿算法及伪逆算法的结合求出了摄象机参数的精确解．采用摄象机校准误差来评价摄象机校准的精度，并示出了对ＣＣＤ摄象机进行校准的实验结果．进行计算机模拟，分析了影响摄象机校准误差的各种因素．     

基于优化FOA-BPNN模型的脱贫时间预测

针对精准扶贫缺乏有效的分析模型对扶贫的成效与脱贫时间进行准确刻画与定量分析问题，提出了基于 FOA-BPNN 贫困户脱贫时间预测模型．针对BP神经网络模型可能陷入局部最小的缺陷，引入果蝇优化算法，以BP 神经网络的预测误差作为适应度值，寻找最优的BP神经网络参数值，提高参数精度．由于标准果蝇优化算法的搜 索半径固定，可能导致后期局部寻优性能弱，提出了一种动态步长变更策略的DSFOA-BPNN模型，通过引入变速因 子与种群密度，将动态步长FOA算法与传统误差反向传播神经网络(BPNN) 结合，提高模型预测时间精度．在湖北 省某贫困地区 50000 条扶贫数据的基础上，通过实验表明:与BPNN和FOA-BPNN模型相比， 提出的 DSFOA-BPNN 模型预测精度分别提高了44%和11%．增量实验表明: 提出的DSFOA-BPNN模型更适用于精度预测.     

捷联惯性测量系统的误差补偿研究

首先简单介绍捷联惯性导航系统的原理及其组成，然后重点介绍了捷联惯性导航系统中的惯性测量系统。在分析了惯性测量系统一些误差源的基础上，介绍了一般惯性测量系统的误差数学模型。在考虑了温度的因素和实际情况的前提下，提出了一种简化的误差补偿数学模型。在仔细分析了标定误差系数的特点和验证了大量实际数据的基础上，提出了一种特有的定点DSP运算的定标方法来实现该模型。该算法充分考虑到系统应用中环境的变化及实时性的要求，准确、快速地将敏感元件敏感的角增量和速度增量送到下一级算法中进行运算。实践证明该算法精度可以与浮点数的算法精度相媲美，且运算的速度满足系统实时性的要求。     

微波辐射计低温定标负载的研究

基于Ｈａｒｄｙ定标方法在精度上受到的限制，提出了一种新的辐射计低温定标负载结构．并根据分层煤质中电磁波传输的基本理论对这种结构进行分析，得到辐射亮温的计算公式，得出了绝热层对定标负载辐射的贡献必须在定标方程中加以考虑而不能忽略的结论．计算结果与实验结果符合得较好．     

双相机结构光系统中两相机定标与映射计算

研究双相机结构光系统中两相机图像的对应关系，基于结构光系统平面约束DLT模型，分析了两相机成像的对应关系，推导了两相机图像映射计算公式，提出了双相机结构光系统中两相机的定标算法，实验结果表明此算法可以达到较高的精度，证明了分析的正确性。     

提高激光干涉测量系统精度的方法与途径

激光干涉系统的测量精度会受到系统本身机械结构及光学元件布局的影响，因此采用了耦合差动干涉的方法，使影响测量精度的各种因素尽量由干涉系统自身予以消除，提高了干涉仪的分辨率和稳定性．利用以Heydemann修正模型为基础的误差补偿方法，对干涉信号中存在的非正交误差、不等幅误差及直流电平漂移误差进行了修正．根据多点拟合的原理，提出了减小运算量的新算法．设计了以C8051F005单片机为核心的电路补偿模块，实现了以上3种误差的实时补偿．实验结果表明：通过采取以上措施，该干涉测量系统在10mm的测量范围内取得了10～12nm的测量精度．     

基于多层前馈型神经元网络模型的摄像机定标算法

针对传统线性、非线性摄像机定标算法的鲁棒性,提出了基于多层前馈型神经元（MLFN）网络模型来替代传统精确的摄像机定标数学模型,MLFN网络模型作为层状网络可实现任意维复杂的输入／输出映射,对于无需计算摄像机构,外参数的应用场合,该模型提供了一种实用且有较好鲁棒性的摄像机定标算法,同时为了补偿摄影机非线性畸变,把图像按畸变程度分割成两个区域,分别建立各自基于MLFN网络的摄像机定标模型,实验表明,该方法有效补了畸变,并提高了模型精度,给出了基于MLFN网络模型摄像机定标算法实验,验证了该模型的有效性。     

三维计算机视觉系统中的结构光快速定标

利用DLT模型及简化模型 ,导出双相机单激光系统定标模型 ,巧妙地设计适用于单双相机系统的透明定标薄板 ,实现从单摄像机到双摄像机的快速定标。整个方案简单快速有效 ,定标精度达像素级。方案还可推广到多相机多激光源系统。     

基于迭代优化的平面模板定标方法

相机定标是计算机视觉中的关键步骤，通过相机定标可以从二维图象序列中获取物体的三维信息。本文提出了一种基于迭代优化的平面模板定标方法。该方法既具有摄影测量学的精确性，同时也具有自定标算法的灵活性。模拟实验和真实图象实验表明，本方法的定标结果稳定，精度较高。     

带参数校正模型的三维超声重建算法

在采用旋转扫描的三维超声系统中,基于传统的三维重建算法提出了一种带校正参数模型的三维重建算法.通过引入该参数模型,更加准确地描述了用于三维重建的二维序列图像的空间位置,从而可获得更高重建精度和更小几何变形的三维超声图像.校正参数模型通过参数优化的方法获得.该方法在模拟数据和实际三维超声数据中获得了验证,与传统三维重建方法相比,具有更高的重建精度,为在低制造精度下获得高精度三维超声图像提供了一种有效手段.     

一种管道蛇形机器人的裂缝视频检测系统

为实现蛇形机器人在管道内部快速准确的识别管道内壁裂缝,基于一种改进YOLOv3算法为管道蛇形机器人设计了快速检测管道裂缝的系统。系统搭载了500万像素相机以及用于辅助标定的两个激光发生器。此系统通过摄像机采集管道内部视频信息,使用改进YOLOv3算法对视频进行检测,若识别出裂缝则输出当前图像。之后结合激光标定和边缘检测算法得到当前裂缝的物理信息。改进YOLOv3算法使用k-means++算法对裂缝数据集进行聚类,得到最佳先验框,并使用距离交并比代替交并比作为损失函数,以提高精度和速度。实验表明,改进YOLOv3算法平均精度为87.23%,与原始YOLOv3算法相比提高了5.88%;同时基于激光标定算法的图像处理得到的裂缝物理信息与实际信息误差在5%以内,可以用于实际工程。     

基于模糊图像矩的动态定位系统

针对动态定位过程中摄像机的运动使得目标成像模糊，提出了一种基于模糊图像矩进行三维动态定位的控制系统。该系统依靠单摄像机在笛卡尔坐标系中的三维平动迅速接近环境中的静止目标，且与静止目标的三维距离符合给定值。证明了图像的零阶和一阶矩是模糊不变量，且包含目标的三维信息。推导出被控对象的状态方程，给出了系统的控制结构及控制律。仿真结果表明，基于模糊图像矩设计出的定位控制算法具有较高的控制精度。     

CCD摄像机标定中角点亚像素定位方法

CCD摄像机的标定是实现光学三维轮廓测量技术的必要步骤,其标定精度在很大程度上取决于标定特征点的定位精度.在分析现有棋盘格角点像素级和亚像素级定位方法不足的基础上,提出了一种基于改进SV方法的棋盘格角点亚像素定位方法.首先,采用SV算子对角点进行像素级检测;其次,选取标定图像中以初定位角点坐标为中心的5×5像素区域,对其灰度值进行双线性插值;最后,计算插值图像的灰度质心,再根据插值放大倍数,将质心转换到亚像素坐标,实现了角点亚像素定位.实验结果表明,该方法可以获得亚像素级角点坐标,实现CCD摄像机的高精度标定,标定平均误差为0.108 mm.     

双目立体机器视觉检测系统及其应用

为了快速准确地获得被测物体的三维立体尺寸,双目立体视觉检测系统是有效解决方案之一。经过精密标定的双且视觉系统,可根据两摄像机的视差,准确计算空间物体的三维形貌尺寸。双目视觉系统的标定技术及立体匹配技术是决定测量数据质量的关键环节。设计了高精度视觉标定系统,有效解决了立体匹配的难题,所开发的便携式立体测量仪,可以快速准确地获得大型物体的稠密三维坐标点云。在不喷涂显影荆的情况下,解决了黑色物体和反光物体的三维测量难题,可广泛应用于摩托车、汽车、模具、服装鞋帽以及逆向工程设计中。以逆向工程的3D轮廓测量为例,介绍了双目立体视觉技术及其应用。。     

基于点云图卷积神经网络的3D目标检测

随着激光雷达传感器的快速发展,目标检测算法从传统的2D检测快速转向3D检测。然而,激光雷达产生的点云是不规则和非结构化的数据,传统的卷积神经网络无法对其进行处理。基于此提出了一种新颖的图卷积神经网络,能够更好地利用数据的几何关系和拓扑结构直接从点云中学习特征以进行3D目标检测。首先将原始激光雷达点云数据进行下采样,再进行固定半径邻域图的构建,随后设计了一个新型的图卷积神经网络对点云进行编码来预测图中每个顶点所属对象的类别和形状。为提升检测准确度,网络中加入了一种校准机制来减少特征在不同维度变化时引入的平移误差,此外还引入了注意力机制,以使用权重来进一步强化输出的顶点特征。在 KITTI 数据集上进行实验,实验结果表明,此方法能够有效对3D目标进行检测。对比其他多种检测算法,此方法在检测准确度上具有一定的优势。     

利用二次曲线拟合和圆环点进行摄像机标定

为了提高摄像机标定的精度和实用性，提出一种新的标定算法．所用的标定模板由平面上两个相交的圆周组成，且两圆的圆心和半径均未知，通过对两圆的图像进行二次曲线拟合，再根据拟合的二次曲线来计算圆环点图像完成标定过程．与经典的平面标定算法相比，该算法无需进行角点检测和角点匹配，不需人工干预即可实现自动化标定，且在标定过程引入了更多的图像点信息．模拟实验结果表明，在实际的噪声水平下，该算法对焦距的相对标定误差比平面标定算法减小约0．1%，此时主点的相对标定误差也略小于平面标定算法．真实图像的实验结果也表明，所提算法具有较好的精度和实用性．     

利用早停可微架构搜索的三维点云模型分类

针对现有三维点云分类网络采用人工设计费时费力的问题,提出早停可微架构搜索(early-stopping differentiable architecture search,ES-DARTS)算法。利用从人工设计网络架构中提取到的先验知识,预定义一个包含高效候选操作的搜索空间,可快速搜索出适用于三维模型分类任务的高性能网络模型;通过追踪网络搜索阶段各候选操作的权重变化,找出跳跃连接操作在双重优化过程中发挥不公平竞争作用的临界点并在此处停止搜索,以保证各候选操作之间的稳定性,解决DARTS算法搜索过程中易出现性能崩溃的问题。提出的算法在ModelNet40数据集上达到了93.2%的识别准确率,比当前人工设计的主流网络具有更高的识别准确率。