关键词

正智能乒乓球机器人近日在日本千叶举行的科技博览会上,日本电子制造公司展出了一款新型机器人,这个机器人具备强大的击打乒乓球功能,可与人熟练对战。据悉,这个机器人是固定在乒乓球桌一端,拥有强大的运动能力,能与对手进行熟练的对打击球,每次击球都能准确辨别方向和位置。     

荧光相关光谱技术的研究进展

荧光相关光谱技术(fluorescence correlation spectroscopy, FCS)将单分子荧光探测技术与统计光谱方法相结合,通过共聚焦荧光测量光学设计与单光子计数方法,测量微小探测体积内由于荧光分子运动所产生的荧光信号涨落,进而对此涨落信号进行关联函数分析,获得分析扩散运动速率、探测空间内平均分子数等重要参数,是研究生物学和生物化学的重要手段.与其他荧光成像和生物物理方法相比, FCS具有高分辨率和高灵敏度等优势,已成为用于量化分子动力学的强大技术,广泛应用于生物医学、生物物理学和化学等领域.本文首先介绍了单点FCS和荧光交叉相关光谱(fluorescence cross-correlation spectroscopy, FCCS)的基本原理,并对FCS和FCCS的实施提供了建议;然后介绍了扫描FCS和图像相关光谱(image correlation spectroscopy, ICS)的基本原理与方法,并对其不同的衍生技术进行了讨论;最后介绍了FCS在膜蛋白、DNA染色体、蛋白质和核酸、酶和多细胞生物及组织中的应用.我们相信,随着技术的发展, FCS有望为生物...     

图像图形处理中计算机技术的应用研究

随着科学技术的发展和进步,计算机技术越来越成熟,计算机技术在图形图像处理中的应用也日益广泛。使传统的图像图形处理手段得到了极大的改变,具有极好的再现功能,灵活性也得到了提高,为图形图像的发展做出了很大的贡献。本文主要探讨计算机技术在图形图像处理中的应用以及发展前景。     

一种利用Spark-GPU加速 CT图像重建的设计

目的:进一步解决CT图像重建耗时长的问题,实现大批量重建CT图像.方法:利用大数据框架Spark构建GPU集群.首先对加速滤波反投影(FBP)和同时代数迭代重建技术(SART)算法的复杂度进行分析及并行化设计,并比较在GPU和CPU上的运行速度.通过对比耗时选择最佳的计算组合,实现单机GPU加速.通过thunder工具读取批量的投影数据并创建分布式数据集,使用Numba开发CUDA程序并部署在Spark运行.结果:FBP算法运行速度有近40倍的提升,SART算法运行速度有近10倍的提升.结论:Spark和GPU结合能够扩展Spark的性能,突破单机加速瓶颈,大幅提升计算速度,对于不同的图像重建算法均有良好的加速效果,表明Spark-GPU在图像重建方向有良好的应用前景.     

山东高速信息工程有限公司 创新与责任并重

<正>"一看手机就知道哪里堵"——今年九月中旬,一款高速公路"避堵神器"被各大汽车论坛热传,尤其是在"国庆"长假的高峰出行时段,这款"避堵神器"成为朋友圈的热词——这正是由山东高速集团开发的首款可以通过实时监控视频图像了解路况的高速出行手机APP软件"易高速",通过这款软件,市民可以了解实时准确的路况信息、高速公路设施地图、定制化的实时路况信息等,并实时跟进事件处理过程信息,提前规划路线,避免被堵在路上。近日,记者一行来到济南市将军路143号——研发此软件的幕后英雄山东高速信息工程有限公司,探寻蕴含在"信息高速"中的内涵和秘密。     

EmguCV耦合视觉引导的图像目标定位与补偿技术研究

在平板电脑组装过程中,需要对背光板进行整体定位,传送给机械机构进行位移和角度补偿,从而实现精准组装.但由于背光板顶点背景复杂,往往存在很多干扰点,使得当前图像角点定位算法定位不准,易产生误差.对此提出了一个基于EmguCV与视觉引导的目标定位与引导机制.首先打通Basler SDK与C#-Emgucv平台的数据通道,实现图像采集;然后基于轮廓,查找到背光板区域,再通过最小矩形框定背光板,查找背光板顶点,实现定位;最后计算出水平、垂直方向偏移和旋转角度,联合PLC,实现基于视觉引导的机构补偿.测试定位补偿技术的性能结果表明:与当前图像角点定位算法相比,机制具有更好的定位与引导效果,准确定位出背光板顶点,计算出补偿值.     

基于改进滤波器和图像多尺度变换的背景抑制算法

红外目标的探测背景具有复杂性和非平稳性,为提高后续检测性能,常常通过抑制背景来增强目标能量。针对传统背景抑制方法检测率低、虚警率高的问题,提出一种基于改进滤波器和图像多尺度变换的复杂背景抑制算法。首先,对红外图像进行改进的滤波处理获得预处理图像。其次,通过高斯金字塔多分辨技术,平滑图像背景。然后,采用Cubic插值算法提高图像的分辨率,得到背景估计图像。最后,将预处理图像和背景估计图像差分,获得背景抑制的结果。经验证,该算法实时性相对传统方法提高了19%,对于多种复杂的背景情况具有良好的适应性。同时，算法计算复杂度较低,有利于实现实时性工程应用。     

一种基于四叉树划分的改进ORB算法

原ORB （oriented FAST and rotated BRIEF）算法提取的图像特征点经常出现“扎堆重叠”现象，其分布较为密集且缺乏尺度不变性，因而容易造成图像特征点误匹配的问题。为了解决该问题，提出了一种基于四叉树划分的图像特征点提取算法。首先对图像建立尺度金字塔，然后使用四叉树划分图像并限制划分深度。用加速分段测试的特征（features fromaccelerated segment test，FAST）算法通过多个检测阈值对划分后的图像进行特征点检测。检测完毕后，根据划分出的子块总数和提取的特征点总数对划分出来的各个子块设置自适应阈值，提取ORB特征点。操作完成后通过采取非极大值抑制的方法筛选最佳特征点，并使用改良后的二元鲁棒独立基本特征（binary robust independent elementary features，BRIEF）算法计算得出特征点的描述符，最后进行特征点匹配。实验结果表明，本文算法提取的图像特征点较原ORB算法提取的效果在均匀程度上得到了明显地提升，冗余重叠的特征点数量减少，且在特征点提取速度方面较原ORB算法的提取速度提高了30%以上。