基于多掩膜技术的无监督深度与光流估计方法

针对自动驾驶领域现有方法在处理动态、遮挡等复杂实际场景时存在的估计不准确问题,提出了一种以多掩膜技术为基础的无监督深度与光流估计方法,通过无监督学习从单目视频序列中提取目标深度、相机运动位姿和光流信息。根据不同外点类型设计了多种特定掩膜,以有效抑制外点对光照一致性损失函数的干扰,并在位姿估计和光流估计任务中起到剔除外点的作用。引入预训练的光流估计网络,协助深度和位姿估计网络更好地利用三维场景的几何约束,从而增强联合训练性能。最后,借助训练得到的深度和位姿信息,以及计算得到的掩膜,对光流估计网络进行了优化训练。在KITTI数据集上的实验结果表明,该策略能够显著提升模型的性能,并优于其他同类型方法。     

基于霍夫变换的提升钢丝绳平面横向振动检测方法

为解决移动钢丝绳横向振动位移难以检测的问题,提出一种应用霍夫变换算法的提升钢丝绳平面横向振动检测方法.根据钢丝绳在图像中主要以直线形式呈现的特征,首先,对待检测的初始静态图像分别进行图像二值化、细化、膨胀及降噪处理,应用霍夫变换算法提取图像中的直线并编号;其次,根据霍夫变换处理结果,提出一种准确获得直线上待测点的处理方...