基于深度学习的虚拟视点重建研究

基于人眼立体视觉的裸眼3D显示技术通过虚拟视点快速渲染可以获得具有密集视点的3D内容,让用户不需要任何辅助设备就可以身临其境地感受三维场景.针对传统获取方法因渲染速度慢、重建质量不高、视差受限等问题,提出基于无监督神经网络的虚拟视点重建方法,基于单目立体深度估计和傅里叶切片理论将2D图像直接生成任意视角虚拟视点.试验结果表明,本文算法比传统方法对任意视角视点的理论渲染速度大幅提升,空洞区域修复更自然.     

基于4-Scale模型的人工林郁闭度遥感估测

【目的】为了寻找受区域影响较小、精度较高且鲁棒性较好的郁闭度遥感估算模型，采用4-Scale几何光学模型估算人工林树冠孔隙率及郁闭度。【方法】选择内蒙古旺业甸林场和广西高峰林场为实验区，首先对4-Scale模型进行参数敏感性分析，模拟林分在不同敏感性参数下的树冠孔隙率P_vg＿c(树冠为刚体时的冠间孔隙率)和P_vg(考虑树冠内部孔隙的孔隙率),建立P_vg＿c、P_vg与敏感性参数的一一对应关系数据库。其次，根据数据库建立P_vg＿c和P_vg与敏感性参数的统计关系模型。然后根据获得的敏感性参数估算P_vg＿c和P_vg,进而估算林分郁闭度。最后，分别采用样线法与鱼眼相机测定法测量的郁闭度检验基于P_vg＿c和P_vg估算的林分郁闭度。【结果】基于P_vg＿c和P_vg估算的人工林郁闭度精度分别为88.17%和92.8%。P_vg＿c     

基于最小化各向同性误差的LiDAR-双目相机标定方法

LiDAR(Laser Imaging,Detection,and Ranging，激光雷达)与双目相机的多模态数据融合是3D重建领域的一个重要研究方向，两种传感器各有优缺点，通过多模态数据融合可以实现互补，获得更好的重建效果。为了实现数据融合，首先需要将两种数据统一到同一个坐标系下，LiDAR与相机之间外参的高精度标定结果对后续的3D重建十分重要。在LiDAR与相机的外参标定过程中，受LiDAR点云的稀疏性与其定位误差的影响，提取精确的特征点并构建正确的点对应关系是一个挑战性的问题。此外，LiDAR在球坐标系下完成测量工作，而大多数标定方法忽略这一特性，直接使用笛卡尔坐标测量结果进行标定，引入了沿坐标轴各向异性分布的误差，导致标定精度下降。针对该问题，有研究者提出了各向异性权重方法，但仍存在一些缺陷。文中提出了一种最小化LiDAR球坐标误差的LiDAR与双目相机标定方法。首先，提出了一种使用形心特征点的新的标定板，改善特征点的提取精度；其次，将各向异性的LiDAR笛卡尔坐标误差转换为各向同性的球坐标误差，直接最小化球坐标误差求解外参。实验研究表明，本文提出的各向同性误差法相比各向异性...     

佛坪保护区冬、夏季大熊猫与同域分布种的活动节律

为研究佛坪国家级保护区大熊猫(Ailuropoda melanoleuca)与同域分布的兽类物种活动节律，于2021年12月—2022年8月，利用红外相机技术对陕西佛坪自然保护区三官庙保护站冬、夏两季的兽类物种活动进行了调查。共布设44台红外相机，两季度累计4 363个相机工作日，获得1 150张兽类独立有效照片，共鉴定出18个兽类物种，分属4目11科。计算了冬、夏两季兽类物种相对丰富度(RAIs)。采用核密度估计方法，分析了兽类物种冬、夏两季的活动节律，并将大熊猫与同域分布，且存在生态位重叠的兽类的活动节律进行了重叠分析。研究结果可为佛坪保护区的大熊猫与同域分布动物的时空生态位分化，栖息地利用等研究工作提供基础数据。