一种采用移动投影条纹模式的三维数据获取方法

物体的三维数据获取是计算机视觉研究的一个重要领域。虽然采用三维测量仪器可以获得高精确度,但是由于获取数据成本相对较高,从而限制了其使用范围。提出一种采用移动投影条纹模式的三维数据获取方法,利用投影仪向物体投射黑色线形条纹,移动并扫描过整个物体,根据条纹在物体上的变形来估计物体的三维形状,最后采用三维过滤器去处噪音。该方法仅使用投影仪和数码相机等设备,实现简单快速,没有人工干预,精度比较高,适用范围广,对于物体表面材质没有限制,可扩展性强。     

基于数据相关的多雷达融合成像相干配准研究

针对多频带雷达融合成像中不同雷达信号间的相干配准问题,提出了一种新的基于雷达测量数据相关的相干配准方法。该方法在相干配准时不需对各雷达数据分别建模,相对于现有文献中采用的基于信号模型的相干配准法,降低算法复杂度的同时消除了建模误差,提高了相位参数估计的精度。对相干配准后的各雷达数据,通过超分辨和最优迭代方法建立全局信号模型,并对空白频带进行数据预测,得到整个频域范围的目标频率响应。仿真结果表明,该方法相干配准时相位参数的估计性能和最终的融合成像性能均优于现有的模型相关方法,且具有良好的抗噪性能。     

基于像素合作博弈的非刚性图像配准方法

用离散位移场表示形变,将非刚性图像配准问题转化为马尔可夫随机场中的最大后验概率推理问题,从而等价于吉布斯随机场中的能量极小问题。为获得能量极小点,将配准视为像素间的博弈,提出了基于多人合作博弈的非刚性图像配准方法,设计了相应的确定性算法。博弈配准时,每个像素尝试与邻居结盟选择一致的位移向量,使自身和联盟的收益都最大化,迭代地完成配准。新方法能配准复杂的形变,精度高、鲁棒性好,非常适用于图像的精配准。实验结果验证了合作博弈配准方法的可行性和有效性。     

非刚体图像配准中一种改进的点匹配方法

为了解决在非刚体点匹配过程中,由于点集之间相对位置变化的复杂性,导致配准结果易收敛于局部最小值点的问题,提出了基于预中心配准的非刚体点匹配联合估计法。在用迭代最近点算法确定两个点集中的点之间的对应关系前,通过预先进行两个点集的中心配准的方法,可以更加合理地确定点之间的对应关系,从而使匹配结果可以最大程度地收敛于全局最优点。仿真实验表明,此方法和传统算法相比,在没有明显增加运算量的前提下,匹配效果更佳。     

基于样本重采样的电路非平衡数据预处理方法

针对机载设备电子电路故障状态测试数据少、整体测试数据不均衡的问题,提出了一种基于样本重采样的数据预处理方法。首先,采用超限学习机对原始数据集进行训练以挑选出分类准确的样本。然后,对其中的少数类和多数类分别采用合成少数类过采样技术(synthetic minority oversampling technique, SMOTE)进行过采样和局部密度欠采样处理;并将错误分类的多数类样本作为干扰因素进行删除。通过以上两种手段可以均衡数据集,并控制数据规模防止过拟合,提高对故障样本的检测率。实测数据处理结果表明,相比于其他重采样算法,所提算法整体效果优良且稳定,对电子电路故障诊断具有一定的应用价值。     

基于样本重采样的电路非平衡数据预处理方法

针对机载设备电子电路故障状态测试数据少、整体测试数据不均衡的问题,提出了一种基于样本重采样的数据预处理方法。首先,采用超限学习机对原始数据集进行训练以挑选出分类准确的样本。然后,对其中的少数类和多数类分别采用合成少数类过采样技术(synthetic minority oversampling technique, SMOTE)进行过采样和局部密度欠采样处理;并将错误分类的多数类样本作为干扰因素进行删除。通过以上两种手段可以均衡数据集,并控制数据规模防止过拟合,提高对故障样本的检测率。实测数据处理结果表明,相比于其他重采样算法,所提算法整体效果优良且稳定,对电子电路故障诊断具有一定的应用价值。     

基于物体关系描述的单目语义SLAM方法

外界环境的语义感知和自身位置的准确估计是移动机器人自主导航和作业的关键。提出了一种基于单目相机的语义SLAM(simultaneous localization and mapping)方法,在轨迹估计的同时完成三维目标检测。提取物体自身语义、尺寸、颜色分布及其邻域拓扑结构等多元信息作为描述子,实现帧间物体的准确关联。在后端对相机位姿、地图点和物体路标进行联合优化,并自适应调整代价函数中各误差项的权重系数,以提高各状态变量的估计精度和鲁棒性。实验结果表明,所提出的算法在地图构建方面具有较高的精度。