一种低复杂度的QR码解码器的图像预处理方法

QR码是一种常见的二维条形码,图像预处理是实现复杂条件下QR码解码器自动识别的重要步骤.在传统的直线检测和边缘检测手段的基础上,提出了一种新的QR码识别图像预处理方法.该方法通过使用校正图形按区域自适应取样来生成码流,可显著提高QR码的识别率.此外,还对QR码识别软件的手机平台移植进行了讨论.实验结果表明,本算法识别速度快,且可以克服QR码识别过程中易受噪声干扰、光照不均和几何失真等影响的问题.     

复杂背景中条码图像识别关键算法的研究

研究了复杂背景图片中条码的定位及识别技术.通过特征提取、形态学的方法在低分辨率图像中对条码进行粗定位,以粗定位的结果为研究对象,采用边缘提取及灰度投影的方法对条码进行精确定位.提出了一种新的二值化算法,算法利用条码的固有特征得到图像的全局信息,利用全局与局部相结合的方法获取子图像块的最优阈值.实验结果表明,本文算法能有效地去除复杂背景对条码识别的影响,且算法具有较低的复杂度,能在嵌入式平台上实时运行.     

基于卷积神经网络的语义同时定位以及地图构建方法

环境感知技术是智能车功能实现的前提,而在感知的基础上提高智能车对环境的认知能力是实现全自动驾驶的关键。本文针对室外交通场景,基于卷积神经网络提出了一种新的智能车同时定位以及语义地图构建方法,对智能车进行定位,并且构建稠密的3D语义地图,提高智能车的环境感知、认知能力。首先,基于双目ORB-SLAM提出了一种四线程的双目SLAM（Simultaneous Localization and Mapping）方法构建稠密的3D点云地图,四线程分别为追踪线程,局部地图构建线程,回环检测线程以及稠密地图构建线程;其次,为提高智能车的环境认知能力,使用端对端的方法对图像进行语义分割,并且为提高语义分割精确率,将环境的几何信息也作为卷积神经网络输入;最后,将感知的能力与认知的能力相结合构建语义地图,为智能车实现全自动驾驶奠定基础。本文将算法在KITTI数据集上进行测试,整体算法速度为10帧/秒,语义分割的全局精确率为73.1%,构建的语义地图显示本文提出算法能够在大规模室外场景下重构全局一致性地图,并且帮助智能车实现对环境的解析。     

M估计的稳健平面标靶中心定位算法

标靶在地面激光扫描仪多测站点云配准,以及在全球卫星导航信号不良状况下改善移动激光雷达系统精度具有重要作用,标靶的精确提取与定位是关键问题之一。本文提出基于M估计的标靶中心定位方法：先根据标靶与周围环境反射强度差异,构建强度变化率特征,提取标靶边缘点云;再对标靶候选区域点云进行主成分分析,计算标靶平面法向量,对标靶边缘点云进行投影变换;最后通过M估计选权迭代法,剔除标靶噪声与粗差点云,拟合标靶形状,精确定位标靶中心。试验表明,本文算法能够在标靶存在冗余、缺损状态时排除非标靶圆形边缘的粗差点,获得高精度标靶中心。     

交变磁场平行水平井测距定位实验研究

随着钻探平行水平井数量的增多,使得磁性导向技术被引入水平井钻井施工中,利用电磁学理论建立了平行水平井形式的磁场正反演计算分析模型,导向定位系统利用磁源产生低频交变磁场,对磁场信号数据进行采集与处理,通过提取有效的交变磁场数据,依据反演计算理论模型进行计算,得到磁源与测量装置间的相对距离和方位,建立了地面测试系统,并进行了导向定位实验研究。研究结果表明,反演计算所得数据结果与实际测试数据基本一致,每组数据所得结果较为明显的表现为平行形式,同时验证了数据采集处理方法和反演计算方法的有效性。     

含分布式电源的配电网故障定位改进矩阵算法

由于传统矩阵算法在含分布式发电的配电网故障定位中的适用性变差,提出了一种改进矩阵算法实现对含分布式发电配电网的故障定位。该方法根据变电站母线处分支节点以及与分布式电源相连节点的故障信息,首先确定发生故障的区域,然后在该区域内利用改进的矩阵算法定位故障区段。考虑到故障信息的畸变,该方法针对定位结果的不同采用不同的纠错方法,提高了定位的准确性。该方法降低了矩阵的维度,排除了T接线处的误判。算例验证了所提出方法的可行性及容错性。     

砼-岩一体两介质破裂过程中声发射特征试验

研究砼-岩一体两介质在受载条件下的声发射特征,可为预测该类型材料的破裂失稳提供科学依据。为此开展了砼、岩石、砼-岩一体两介质在单轴压缩条件下的声发射特征研究。结果表明:砼-岩一体两介质的能量计数曲线在破裂演化过程中呈现双峰值,峰值1的声发射特征可作为岩石材料失稳的预判;声发射事件的时空演化规律表明砼-岩一体两介质的非稳定破裂发展先从砼材料开始,而后通过砼-岩胶结面诱导岩石材料发生失稳破坏;声发射空间定位聚类结果表明砼材料先发生剪切失稳,而后通过失稳过程中所释放出的断裂动能以及骨料的应力集中,诱导岩石材料发生劈裂破坏。     

基于WIFI的室内机器人新型定位算法

随着移动终端的飞速发展,对于位置的服务需求越来越方便,WIFI由于在室内传输距离远、使用方便等优点而被研究者广泛应用于实现室内定位功能中。为了提高室内定位准确度,论文采用WKNN算法与改进粒子群算法相结合的混合定位算法,首先应用高斯滤波算法对WIFI采集的原始数据进行预处理,离线构建完整的指纹数据库;然后采用WKNN算法得到待定位点的估计位置;最后应用改进粒子群算法,实现对待定位点的精确定位。经过实验测试证明,所采用的混合定位算法比传统的位置指纹算法在定位精度上有显著的提高。     

基于复杂融合特征与灰度-纹理直方图描述子的红外弱小目标检测追踪算法

为了解决当前红外目标检测追踪算法仅依靠单一图像特征对弱小目标增强,使其在背景杂波与噪声干扰严重条件下,难以剔除图像背景中的伪目标像素,导致弱小目标检测与追踪精度不高,提出了基于复杂融合特征与联合灰度-纹理直方图描述子的红外弱小目标检测与追踪算法。首先,针对红外图像不同特征的背景干扰因素,引入不同方向的腐蚀操作结构元素,设计了分类Top-Hat变换算子,充分抑制背景杂波与噪声,从而将弱小目标从复杂背景中凸显出来;随后,引入方差权重信息熵,构建复杂融合特征,对红外图像进行分割,确定候选目标区域;并基于管道滤波模式,对候选目标区域中的真实弱小目标与伪目标进行筛选,将虚假目标过滤;再考虑弱小目标的强度与纹理特征,基于LBP技术(local binary pattern),设计了灰度-纹理直方图描述子,充分描述红外弱小目标的边缘、线端与角点等鲁棒性特征,较好地保留目标的空域信息,有效剔除图像背景中的伪目标像素;最后,联合均值漂移算法,对红外弱小目标进行精确追踪。实验结果显示:与当前红外目标检测追踪技术相比,在复杂背景干扰条件下,本文算法具有更高的检测精度与更低的追踪误差。     

基于卡尔曼滤波算法的单站无源定位原理分析与研究

对空中机动辐射源的定位和跟踪,主要采用卡尔曼滤波方法.本文提出了一种测量目标辐射源脉冲到达时间和到达方向实现固定单站对运动辐射源进行无源定位的算法.运用卡尔曼滤波器,这种算法可以获得很好的定位效果.通过计算机仿真,验证了该方法的正确性与有效性.