高精度激光定位散斑机理分析及抑制

为有效解决高精度视觉定位测量系统中激光随机散斑导致的光斑质心定位精度降低问题,对散斑机理及抑制方法进行研究。从激光光斑的成像过程分析了激光随机散斑出现的原因,并推导出空间中任意一点总波扰表达式。建立了成像介质吸光性、粗糙度和表面出射光信噪比与随机散斑强度的关系模型,得出增加成像介质粗糙度和吸光性来提高出射光信噪比,进而降低随机散斑强度的结论。通过改变成像介质的物理特性进行对比实验,获得光斑质心位置稳定性随成像介质物理特性变化的趋势,验证了关系模型的正确性。实验结果表明,当激光功率为50 mW时,选取吸光性强、粗糙度与厚度适中的成像介质作为成像靶面,激光光斑质心的提取精度稳定在0.04个pixel之内,实现了对激光散斑的抑制,提高了光斑质心的定位精度。

基于360度激光扫描仪的深度图像构建

随着计算机视觉应用的日益广泛和自动化程度的日益提高,人们对于计算机视觉系统的要求也越来越高,在诸如机器人导航、飞行器导航、工业零件检测和抓取以及流水线组装等需要三维场景分析的计算机视觉应用领域中,场景深度信息对于系统的任务完成和性能的实现至关重要。提出并实现了一种结构简单可行的深度图像构建系统,系统搭载了轻小型360度激光扫描仪与USB摄像机。首先对360度激光扫描仪和USB摄像机分别进行标定,之后进行整体系统的标定,最后将系统采集的数据融合构建深度图像。通过实验证明,在激光扫描仪的扫描高度范围内本系统能精确构建深度图像,该系统适用于室内小型移动机器人的视觉导航。

基于注意力的多尺度水下图像增强网络

水下图像往往会因为光的吸收和散射而出现颜色退化与细节模糊的现象,进而影响水下视觉任务。该文通过水下成像模型合成更接近水下图像的数据集,以端到端的方式设计了一个基于注意力的多尺度水下图像增强网络。在该网络中引入像素和通道注意力机制,并设计了一个多尺度特征提取模块,在网络开始阶段提取不同层次的特征,通过带跳跃连接的卷积层和注意力模块后得到输出结果。多个数据集上的实验结果表明,该方法在处理合成水下图像和真实水下图像时都能有很好的效果,与现有方法相比能更好地恢复图像颜色和纹理细节。

基于AVR的自动灌装系统控制单元设计

提出了一种基于AVR的自动灌装系统控制单元设计方案。利用自动控制思想方法对自动灌装系统的结构设计、软硬件选择等给出详细的解决方案。系统采用8位处理器,对称重传感器的电压信号采集、转换,最后通过数字滤波处理,将处理结果显示在LCD上,将控制信号发送给执行机构控制灌装系统动作。仿真实验表明该系统具有好的自实用性和强的鲁棒性、可靠性,能够集成在多种灌装环境中,具有广阔的市场应用前景。

基于最优信噪比的饮水机动态水位识别方法

利用机器视觉技术识别通用饮水机水位能为家政服务机器人赋予更广阔的应用空间。通过分析饮水机水桶的颜色特征,利用彩色图像的单一通道实现水桶和背景的分割,利用水桶被动震动后液体水和固体容器达到稳定状态的时间长短差异实现水位线信号和噪声的分离。然后,利用提出的基于最优信噪比的灰度投影法实现水位线的定位,达到水桶内水量探测的目的。实验结果表明,该方法是有效的,并且其识别率较高。

红外与可见光图像融合的U-GAN模型

红外与可见光图像进行融合是解决单一传感器成像不足的有效手段,目的是得到适合人眼并有利于下一步应用和处理的融合图像。为解决大部分方法特征提取不全面,细节纹理丢失及公共数据集样本较少不利于训练等问题,提出一种用于图像融合的端到端网络结构。将U-net特有的卷积结构用于图像融合,最大程度地提取并保留源图像的重要特征信息。再通过生成对抗网络得到最后的融合结果,将U-net提取的特征输入生成器与包含红外图像的鉴别器进行对抗,得到训练模型。实验结果表示,所提算法能够得到轮廓清晰、纹理突出、目标明显的融合图像,SD、SF、SSIM、AG等指标明显得到提升。

嵌入式轮式机器人实验平台设计与实现

为解决科研用机器人价格昂贵、扩展性差的问题,给出嵌入式轮式机器人实验平台的设计。从平台硬件环境的搭建,Linux设备驱动程序开发,嵌入式多线程服务器的设计,上位机软件设计等,详细讨论了轮式机器人实验平台的设计及开发过程。该平台能通过MPU6050六轴传感器和HMC5883电子罗盘实时获取姿态角和航向角;能实时地将采集到的视频流及传感器数据发送到上位机客户端,同时接收并处理来自客户端的控制指令,进行运动控制、避障处理等。实验结果表明,该轮式机器人实验平台与PC之间数据及指令传输流畅稳定,造价低廉,功能丰富,模块化程度高,能满足开展机器视觉与导航等领域研究的要求。

基于GPU的虚拟内窥镜场景实时绘制算法

为满足影像引导手术(IGS)中高分辨率、海量数据的实时渲染,提出一种基于GPU的虚拟内窥镜场景实时绘制算法。该算法针对虚拟内窥镜渲染数据的特点(管腔数据占总数据比例小,5%左右),首先对图像进行自动分割,得到管腔组织的分割数据;仅将分割后的数据一次载入图像显存,利用光线投射算法进行渲染,并在多GPU负载方面做了优化。充分利用GPU渲染和并行计算的能力,实现了海量数据(1 024×1 024×1 024)的实时渲染。

基于大数据的金融风险预警系统

随着时代的发展,中国互联网已经得到了创新和发展,互联网金融也有了广阔的发展空间。互联网金融的发展过程中将出现各种风险因素。因此,有必要建立有效的风险预警系统。首先论述了国内外主要的区域金融风险预警系统,并以此模型为基础构建了金融风险预警系统。其次通过建立大量的相关支持数据,在建立风险指标和用户参与度等各种数据库的基础上,利用机器学习算法设计了预警预测系统。最后,将系统收集的数据库用于效果分析和相关性测试,并得出定量结论。

考场环境下考生视线估计方法

考生异常行为的监测容易使监考人员产生视觉疲劳。借鉴监考人员发现异常的过程,提出一种可用于考场异常行为分析的视线估计模型。为了减少图像中视线的信息损失,采用注视向量表示视线的大小和方向。该模型分为生成器、视线合成模块、鉴别器,先将考生头部图像输入生成器生成注视向量,再将头部位置和注视位置输入到合成模块得到真实注视向量。将头部图像与上述所得的两种向量输入鉴别器中,其生成对抗模式达到最优时,可得到生成真实值的生成器模型。实验结果表明,在多个考场环境中,该方法的性能优于所对比的几种方法。其中与Lian等人方法相比AUC(Area Under Curve)提高了2.6%,Ang(Angular error)和Dist(Euclidean distance)分别有效降低了20.3%和8.0%。

融合面部特征的Spindle Net行人重识别网络

目前在行人重识别(person re-identification)领域对行人特征的提取主要集中在整体行人或肢体躯干分别提取特征,较少使用面部特征。将面部特征融入到网络中以提高行人重识别的准确率。在行人重识别网络Spindle Net的框架中引入MTCNN面部提取网络,通过提高面部特征在整体行人特征中的权重来提高行人重识别的准确率。实验结果表明,文中提出的网络相比于Spindle Net在CUHK01,CUHK03,VIPeR,PRID,i-LIDS,3DPeS数据集上Rank-1的准确率平均提升7%。

融合掩码约束算法的Spindle Net行人重识别网络

行人重识别技术旨在解决不同摄像机下行人连续跟踪匹配问题,在现有的行人重识别算法的基础上引入实例分割策略,提高算法性能。首先在像素层面上识别目标轮廓,提取行人的掩码信息,掩码作为图片中行人最基本的特征之一,隐含了大量行人的信息,更有利于后续的特征提取和行人匹配。之后通过掩码约束算法学习的特征范围,能有效地提高特征的学习能力。实验结果表明,该方法在Shinpuhkan与Market-1501数据集中Top-1的准确率达到了3%的提升。