基于平面标靶的物体空间姿态精确测量

论文在研究平面标靶合作标识的精确识别算法和图形空间向量变换模型基础上,建立了空间姿态测量算法模型与软件流程,并提出了一种新的拓扑定位方法,并以模拟汽车四轮定位视觉测量为例进行验证,结果表明该方法具有较好的抗遮挡能力,较宽的测量范围和较高的测量精度,为采用平面靶标组建的机器视觉测量系统提供了一种可行的方法。     

基于M估计的稳健配准

在计算机视觉和逆向工程领域,数字化测量数据与其CAD模型间的配准是一个值得研究的问题.基于3个基准点的对齐方法实现数字化测量数据与CAD模型的粗配准,使得变换后的测量数据与CAD模型比较接近,再通过M估计来实现稳健配准,这可以去除原始测量数据中的不好数据,同时较快地获得模型变换并实现精确配准.试验结果表明,该算法能很好地实现点集与三维模型间的配准.     

基于深度学习的平面位姿估计算法

为了在未知物体三维模型的情况下使用深度学习进行平面位姿估计,采用编码器-解码器网络,从单个RGB图像中检测平面实例分割及法线信息,并利用这些信息进行位姿解算,获得每个平面的实时位姿。实验结果显示,平面召回率为0.625,平面法线召回率为0.414,实时性为18.5 f/s,验证了算法的可行性。     

基于M估计的自仿射投影滤波算法

研究了自仿射投影算法的收敛性能,并针对其抗突出值干扰能力不强的缺点,将稳健估计中的M估计应用于该算法,提出了一种基于M估计的改进自仿射投影算法（M-APA）,计算机模拟结果表明,该算法在基本保持原有算法收敛速度的同时,其抗突出值干扰能力远远优于原算法。提高了自适应辨识系统的稳定性和可靠性。     

p-cluster:基于聚类的平面p-中心定位算法

客户-设备的p中心定位问题旨在使每个客户访问与其最近的开放设备的最大距离最小，是典型的NP难题.采用聚类分析来解决离散p-中心问题，主要工作包括：（1）分析了按需求点分布类型来分类p-中心问题；(2)提出了基于聚类的p-中心定位算法p-cluster；(3)提出了用混沌搜索机制来求解带权值的一中心问题的算法CSOC(Chaos Search One Center).在合成数据和真实数据上的实验表明，使用p-cluster算法可以有效地解决p-中心问题，从对比实验可以看出p-cluster算法明显优于分支限     

基于稳健回归技术的软件成本估计方法

随着软件系统规模的不断扩大和复杂程度的日益加大,从20世纪60年代末期开始,出现了以大量软件项目进度延期、预算超支和质量缺陷为典型特征的软件危机。在对软件项目进行估算时,通常情况下能得到相关软件组织或软件产品的某些历史数据,充分利用这些历史数据对预测与估算软件项目是很有帮助的。稳健回归分析（RRA）,就是这样一种相当常用与有效的数据驱动方法。在比较、回顾一些稳健回归分析研究成果的基础上,重点解决了软件成本估算数据用传统回归分析存在的问题,并有效地解决了由于异常数据存在而产生的掩蔽效应。同时尝试提出在软件成本数据估算中运用稳健回归方法进行系统而全面的仿真实验分析,发现该方法能有效地解决异常数据的掩蔽效应,得到比较满意的结果。     

M估计存在的条件

本文给出了M估计存在的条件,并从分析上给予了证明,从统计的角度解释了这些条件的统计意义.     

M估计存在的条件

本文给出了M估计存在的条件,并从分析上给予了证明,从统计的角度解释了这些条件的统计意义。     

基于稳健估计方法的线性回归研究

基于最小二乘方法的线性回归估计方法,是通过最小化误差平方和寻找参数向量最优解,该方法对大的误差点不具稳健性.本文主要针对具有异常点的稳健估计方法,研究在背景噪声下的稳健估计性能,并通过数值仿真证明近似高斯分布,如高斯混合噪声模型下,单调型稳健M估计方法较好;在具有无穷方差的柯西背景噪声下,回降型M估计性能最优.理论和仿...     

广义岭型主成分估计的一些性质

讨论了广义岭型主成分估计的一些性质,引入一种估计的相对效率,证明了广义岭型主成分估计比岭型主成分估计和主成分估计的效率高,并且在Pitman准则下也优于岭型主成分估计和主成分估计.     

基于Harris-Hist的特征匹配及目标定位算法

针对目前机器人伺服定位抓取中定位精度和实时性较差的问题,提出一种基于Harris-Hist的快速特征匹配及目标定位算法.首先,采用Harris检测算法提取图像特征点;然后,提出一种新的特征点描述子定义方法,计算特征点圆形邻域内像素点灰度直方图刻画特征点,通过计算两幅图像中各特征点描述子间的距离实现特征匹配;最后,根据匹...     

基于Harris-改进LBP的特征匹配及目标定位算法

为满足机器人伺服抓取中定位精度和实时性的要求, 提出一种基于Harris及改进局部二值模式(LBP)的特征匹配和目标定位快速算法. 首先采用Harris检测算法提取图像特征点; 然后提出一种新的特征点描述子定义方法, 先利用胡矩确定特征方向, 再根据特征方向对局部图像做标准化处理, 提取标准化局部图像LBP特征作为特征点描述子; 最后通过计算两张图像中各特征点描述子间的汉明距离实现特征匹配, 再根据匹配结果估计单应性矩阵, 定位目标在场景图像中的位置. 实验结果表明, 该算法匹配速度快、 定位精度高.     

一种基于Shi-Tomasi和改进LBP的特征匹配及目标定位快速算法

针对机器人伺服抓取中对定位精度和实时性均要求较高的问题,提出一种特征匹配及目标定位快速算法.首先,采用Shi-Tomasi检测算法提取特征点;其次,提出一种新的特征描述子定义方法:先以特征点为中心截取子图像,利用二维Gauss函数偏导数确定特征方向,再根据特征方向对局部图像做旋转处理,提取旋转后标准局部图像局部二值模式...     

基于高斯-牛顿法的双基地雷达目标定位

为了提高复合双基地雷达系统对目标的定位精度,以及充分利用冗余信息,提出了基于高斯-牛顿算法的空间目标定位算法。该算法的特点是:使用发、收两站所有的观测数据构成一个非线性最小二乘定位方程,采用精度最高的一组测量子集解算出的定位解作为迭代算法的初始值,使初值逼近真值;给出了迭代算法的具体步骤,并将变步长策略引入到算法中,让迭代步长参数每步动态地变化使目标函数下降;推导了定位误差协方差矩阵的表达式,对定位精度进行了分析。仿真结果表明,该算法提高了迭代的收敛性和目标位置解的准确性,与简化加权最小二乘算法(SWLS)相比有更精确的目标定位解,从而使得整个受控区域内的定位精度有较大提高,定位性能得到优化和改善。     

分布式传感器网络中基于数据融合的目标定位算法研究

利用分布式传感器网络以及数据融合方法来提高探测系统的检测与定位精度正在成为研究的热点。提出了一种应用于分布式传感器网络中的数据融合算法,通过对各个传感器节点的定位信息的加权求和来进行数据融合,用来提高探测系统目标定位的精度。算法采用两级自适应调整得到最优加权因子。首先利用线性最小方差估计(LMSE)算法得到权系数的初始值,然后利用训练节点和递归最小二乘(RLS)算法自适应地调整达到最优。对静态和运动目标的定位数据融合算法进行了仿真。仿真结果表明,相比单节点定位,融合算法的定位精度有约一到两个数量级的提高。     

基于抗差EKF的机载单站无源定位算法

机载单站无源测向定位中,若观测值中存在异常误差,采用EKF算法会导致定位结果有偏。为增强算法抗差性,将抗差EKF算法引入到机载单站无源测向定位中。首先,建立了机载单站无源测向定位模型,依据标准化观测残差构建了抗差等价权矩阵,对异常观测进行降权处理。其次,针对抗差EKF算法效率低的特点,构建了卡方统计量,提出了基于卡方检验的抗差EKF定位算法,即先利用卡方检验判别出含异常误差的观测值,再调用抗差EKF算法进行定位解算。最后,通过在观测值中加入单个异常误差和连续异常误差,测试了算法对不同异常误差的抵抗能力。仿真表明,抗差EKF算法能较好地削弱异常误差对位置估值的影响,并且基于卡方检验的抗差EKF定位算法能提高定位的效率。     

星载合成孔径雷达图像解析定位算法研究

在合成孔径雷达(SAR)图像目标定位技术的基础上,研究基于3个地面控制点的目标图像解析定位算法.该算法利用地球模型和合成孔径雷达图像的特点,在地心直角坐标系下求解目标的位置,用解析算法实现对目标的定时定位,并采用GPS定位数据对北京地区7个点进行了目标定位测量,给出了各点的误差分析.算法不依赖卫星平台和雷达参数,可用于未校正的星载SAR图像.     

一个物流配送中心选址模型及其算法

一个最优的配送中心选址方案,既可以提高物流系统的效率,又能降低物流系统的成本.在时间已经成为竞争优势的一种新资源的社会,将时间约束考虑到配送中心选址模型中无疑是一个突破.建立了一个物流配送中心选址模型,在模型中只需要知道所需配送中心的个数上限即可,松弛了以往模型中需确定所需配送中心个数的条件.模型求解算法上,采用优化方法中的0-1规划割平面法,结果表明模型具有可靠性,且计算复杂度得到降低.     

基于遗传算法的配送中心选址问题

配送中心是物流系统的枢纽,配送中心地址的确定是物流系统分析的核心内容．文中根据配送中心选址问题的特点和要求,在运输成本最低的基础上,构造了选址问题的数学模型．并把遗传算法引入到该模型的求解中,通过选择恰当的编码方法和遗传算子,求得了模型的最优解,验证了该模型的正确性．该方法也适用于大规模物流系统配送中心的选址问题．     

探地雷达目标检测中的加窗统计量定位方法

 目标检测与定位是探地雷达的一个重要问题。目前,多数检测与定位方法都是通过判断探地雷达信号中的双曲线特征实现的。在检测目标大致区域的基础上,要实现目标定位,无论是合成孔径算法还是叠加-幅度波速法,都存在计算量大的问题。现有的统计量方法还需依赖霍夫变换方法检测出双曲线,算法也较复杂。根据探测背景介质结构相似及在探测方向上利用整个A-scan进行统计量计算干扰较大的特点,提出了一种探地雷达目标快速定位方法。首先以能量和方差为统计量,在深度方向上判断出目标区域的时间窗口,而后在探测方向对A-scan加窗,只选择该窗口下的部分A-scan数据,以能量为统计量确定目标的位置。由于仅采用方差、能量两个统计量进行计算,算法实现比较简单,并且采用时间加窗方法去除了回波数据上大部分与目标无关数据的干扰,对目标的定位准确度较高。实测数据表明,该方法适用于探地雷达目标检测中对目标的快速准确定位。