改进位姿估计环节的ORB-SLAM稠密建图算法

为了提高ORB-SLAM2系统的位姿估计精度并解决仅能生成稀疏地图的问题,提出了一种融合ICP算法与曼哈顿世界假说的位姿估计策略并在ORB-SLAM2系统中加入稠密建图线程来实现稠密建图。首先通过ORB特征点法、LSD算法和AHC方法进行点、线、面特征的提取,其中点、线特征跟上一帧匹配,面特征在全局地图中匹配。然后采用基于surfel的稠密建图策略将图像划分为非平面与平面区域,非平面采用ICP算法计算位姿,平面则通过面与面的正交关系确定曼哈顿世界从而使用不同的位姿估计策略,其中曼哈顿世界场景通过位姿解耦实现基于曼哈顿帧观测的无漂移旋转估计,而曼哈顿世界场景下的平移以及非曼哈顿世界场景位姿采用追踪的点、线、面特征进行估计和优化;最后根据关键帧和相应位姿实现稠密建图。采用TUM数据集对所提建图方法进行验证,实验结果与ORB-SLAM2算法比较,最终均方根误差RMSE平均减少0.24cm,平均定位精度提高7.17%,验证了所提方法进行稠密建图的可行性和有效性。     

轨道站点公共交通导向的开发综合指数对周边建筑停车配建指标的影响

围绕轨道站TOD开发是支撑城市低碳交通发展,降低小汽车出行依赖的重要举措。目前,国内多个城市对轨道站点周边建筑停车配建指标进行了均质化数值的折减,对轨道站点能级差异、距离差异等要素对停车需求影响研究相对较少。本文在传统的轨道站点“节点-场所”模型基础上,引入“联系”维度评价以系统刻画出行者从轨道交通站点到达周边建筑的交通衔接转换过程的影响,从节点、场所、联系三个维度构建了轨道交通站TOD综合指数量化模型,以反映不同的轨道站点类别、交通衔接条件、出行距离对停车需求变化的影响,并提出轨道站点TOD综合指数对周边建筑停车配建指标影响计算方法。最后,以南京市停车配建指标修订研究为例,通过对城市不同分区及不同类别轨道站点TOD综合指数测算,提出了轨道站点周边建筑的停车配建指标折减数值的计算方法。     

一个新的极小谱任意复符号模式矩阵

若给定任意一个n阶首1复系数多项式f（λ),都存在一个复矩阵B∈Q(A),使得的特征多项式为f(λ),则称n×n复符号模式矩阵A是谱任意的.如果A是一个谱任意复符号模式矩阵且A的任意真子模式都不是谱任意的,那么A是一个极小谱任意复符号模式矩阵.本文扩展了N-J方法证明了一个的复符号模式矩阵是极小谱任意的n≥4.     

泛图像时代的视觉文化素养教育探微

世界已经进入了图像时代。由于在图像传播的过程中,信息编码和解码关系的不对称,导致了受众面临前所未有的信息接收困境。如何破解这一难题,提高受众的视觉文化素养是当务之急。文章试图从传播学的视角对这一问题进行解析探讨。     

论楹联在传统人文中的地位和作用

阐述了楹联艺术亦俗亦雅的特征,认为由于雅俗共赏,因而常常为专业学者所忽略,对其意义和价值没有充分的认识和肯定。提出没有准确的文体定位,是研究者忽略楹联的重要因素。指出楹联不是诗词对句的衍化物,不是可有可无的小道和茶余饭后的消遣,而是在传统＂诗教＂中具有重要地位的艺术形式,是传统文化中具有标志性、符号性作用的特殊的＂诗歌＂。     

色彩语言的文化符号意义比较

色彩语言是人类社会中符号系统的组成部分,是各民族历史文化心理积淀的结果。通过＂黑＂＂白＂两个颜色词分析不同民族文化的内涵及其变迁过程,可以看出颜色词不仅反映语言表面的意义,而且反映了语言的宗教内涵。同一颜色在不同语言中的含义有相同,也有不同,其相异之处主要是由宗教、文化、地理环境等方面的差异决定的。其中文化价值方面的差异和宗教信仰的不同是主要原因。对色彩语言的研究需要从文化人类学的角度进行历史的比较,而不能从语言的表面现象进行简单的比较。     

符号互动理论与话语原则的违反

本文的研究基于符号互动理论以表明新闻采访中话语原则的违反,假设与参与者之间的关系。根据符号互动理论,当采访者和受访者对问题的意义和应答的意义进行协商时,体现出符号的互动,根据他们的假设,为表达恰当的意思或掩盖事实真相采访参与者通常运用话语原则。最后,可以肯定的是符号互动理论和关联理论都基于同样的假设。     

周内效应在牛市、熊市中的异化现象——关于中国证券市场的一个实证研究

基于行为金融学理论,考虑到不同市场环境下投资者的行为模式会存在差异,提出在研究日历效应时应将牛市和熊市区别对待.针对中国股票市场和基金市场的6个指数,按市场走势分为牛市、熊市两个时期,分别根据French的周内效应模型,运用EGARCH模型进行回归分析,然后依次采用日收益率差异检验和符号秩检验对回归结果进行分析.实证结果显示,牛市和熊市中的周内效应存在着显著差异.牛市时期表现出显著正向的周一效应,其收益率显著高于其他四个交易日,周四的收益率低于其他四个交易日;而在熊市时期则同时存在着显著为负的周一、周四效应,以及正向的弱周二效应.     

基于符号时间序列直方图的高频金融波动预测

将符号时间序列分析方法与K-NN(K-Nearest Neighbors)算法相结合,提出了一种基于符号时间序列直方图的高频金融波动整体分布的预测方法。首先将时间序列符号化得到符号时间序列,并以符号序列直方图表示符号序列的分布,引入符号直方图时间序列的概念,采用K-NN算法得到下一个周期符号序列直方图的预测。在K-NN算法中,针对符号序列直方图的特点,提出以欧几里得范数,χ2统计量和相对熵作为选择邻居时的符号直方图序列相似度的度量方法,利用系统自身的几何特性确定符号直方图序列的嵌入维数。以上证综指5分时的高频数据检验了本文方法的预测能力。结果表明,本文方法预测所得结果整体误差均在可以接受的范围内,预测所得的分布与真实分布均值相同,但是方差较小。