基于改进特征描述的SLAM动态算法研究

针对原ORB描述符算法匹配精度低、匹配耗时长,动态场景中移动的物体严重影响视觉SLAM系统的定位精度和鲁棒性,以及ORB-SLAM3系统只能构建稀疏点云地图,无法构建稠密地图的问题,提出一种基于BEBLID描述符和目标检测的改进型ORB-SLAM3。在跟踪线程中融合轻量级YOLOv5s动态目标检测网络和动态特征剔除模块,提高系统的定位精度;利用增强高效局部图像描述符BEBLID代替原特征描述算法,与原ORB特征提取方法结合,增强图像的表现力和描述效率,提升特征匹配精度和效率;增加稠密建图线程,根据关键帧与相应位姿完成稠密点云地图的构建。在公开TUM RGB-D数据集上的实验表明,与原ORB-SLAM3相比,本文算法特征匹配精度提高了7%以上;在高动态环境下系统定位精度提高98%以上,在低动态环境下最大提升60%以上,有效提高了系统在动态环境下的定位精度和鲁棒性;并构建了三维稠密点云地图,为后续应用于机器人自主导航、避障和路径规划等工作奠定了基础。

自适应特征融合的加权响应孪生网络跟踪算法

针对复杂场景下跟踪器难以提取丰富的特征信息导致出现漂移或者跟踪丢失的问题,提出了一种基于自适应特征融合的加权响应目标跟踪算法。首先,使用改进的VGG16网络来提高判别能力;其次,采用残差语义嵌入模块,将深层语义信息引入浅层特征;然后,将浅层特征响应和深层特征响应进行加权融合,提高定位精度和判别能力。实验结果表明,相比基准算法,所提算法在OTB2015和VOT2017数据集上的跟踪成功率和精度等评价指标均获得提升。

基于双目深度筛选的ORB-SLAM3算法

针对ORB-SLAM3算法中特征点存在易丢失、精度低,进而导致双目在复杂场景下运动轨迹误差大的问题,本文设计了一种改进的ORB-SLAM3算法。首先,在ORB特征匹配算法中引入自适应角点检测技术,增加特征点的采集数量,并采用光流法跟踪图像特征,提高关键帧的创建成功率;其次,以特征点为中心,作区域搜索,提高实时性;然后,采用双向左右一致性检验筛选最优视差,应用Prosac算法去除误匹配点对;最后,结合深度信息对关键帧进行筛选,提高关键帧的质量,优化相机位姿。采用KITTI和EuRoc数据集进行了试验,验证了改进算法在绝对轨迹误差上具有良好的优化效果。

基于双目视觉的无人机实时测距算法

无人机对目标进行测距时,其算法的实时性和准确性一直是研究的重点。针对算法的实时性,提出双向搜索策略以及采用三条数据流并行处理实现GPU加速,并引入蝶形排序算法,提高了运算效率;针对算法的准确性,提出改进AD算法与改进Census算法融合,有效地解决了算法过度依赖中心像素的问题;为了降低算法复杂度,在基于背景差法的目标检测中引入移动平均算法;针对无人机平台存储空间有限,提出存储数据优化方案,减少了数据的占用空间。在Middlebury数据集下与BM算法、SGBM算法进行对比实验,采集室外场景与BM算法进行测距性能对比,最后实现室外无人机测距。通过大量实验数据验证了所提算法可满足无人机实时测距的高精度要求。

一种双向目标RRT路径规划算法研究

鉴于双向快速搜索随机树算法在复杂环境路径规划中存在目标导向性低、路径冗长且曲折的问题,提出了一种双向目标RRT融合Dijkstra算法,其先采用目标约束采样和偏置扩展策略,提高采样的目标导向性;再融合Dijkstra算法去除双向目标RRT可行路径中的冗余点,获取最短路径;最后对优化路径进行平滑处理,得到一条最优可行路径。在随机障碍物、狭窄障碍物和迷宫障碍物三种情境下对双向目标RRT融合Dijkstra进行数例实验,结果表明融合改进后的B-RRT算法相较于传统的B-RRT算法,节点利用率提高1倍,扩展节点减少49%,搜索时间缩短33%,路径缩短7.9%。

基于强化特征学习和表达策略的孪生网络跟踪算法

针对基于全卷积孪生网络跟踪算法在面对相似物干扰、光照变化等复杂环境时容易出现跟踪漂移的问题,本文在分析与实验基础上提出如下特征强化策略。首先,将改良的深度卷积神经网络VGG16引入跟踪框架来提高模型的特征学习能力;其次,针对单一特征无法充分描述目标信息,且对干扰物比较敏感的问题,本文设计一种特征增强模块,由浅至深融合不同层次语义信息来提高特征的表达能力;最后,提出一种轻量级的三元注意力机制,帮助模型自适应关注优势特征,进一步提高了模型在复杂环境下的鲁棒性。将上述策略应用到全卷积孪生网络算法上取得了显著的效果。在OTB100数据集上,本文算法成功率曲线下面积较基准算法提升了15.1%,距离精度提升了16.3%,在复杂环境下也能对目标进行有效跟踪。

基于ORB-SLAM3的PROSAC双目优化补偿SLAM

为优化无人机SLAM系统运行过程中发生的跟踪失败导致局部建图失败以及双目摄像头在远近复杂场景下轨迹误差大的现象,提出了一种双目SLAM。首先在系统中加入新的约束优化双目匹配的视差与深度,然后应用光流法基于单应运动补偿原理和PROSAC算法去除误匹配,最后根据单应补偿结果投影得到新的数据关联,在关键帧和地图点应用新的手段提高对补偿结果的利用率,保证了系统的实时性和鲁棒性。所提算法利用双目视差优化计算关键点的深度从而提高系统的定位精度和系统鲁棒性,在室内无人机EuRoC数据集上取得了较为优秀的精度提升。

双目视觉图像边缘区域处理的精确立体匹配

立体匹配是双目视觉系统最关键一步,其处理图像的速度和精度直接影响系统结果。针对传统SAD(Sum of absolutedifferences)算法存在较多冗余计算问题,引入线性插值法降低算法复杂度;针对光照对算法干扰,提出一种融合算法策略避免光照影响;为了提高融合算法处理图像精度,引入Sobel边缘检测算子及自适应惩罚系数约束和保护图像边缘区域;为了获取边缘信息且抵御光照变化影响,采用基于结构森林快速边缘检测及大律法(OTSU)进行图像边缘和非边缘区域的分割;针对图像边缘出现的遮挡,采用左右一致性检测(Left-rightchecking)算法,并采用引导滤波器实现边缘优化。将该算法与传统SGM(Semi-global matching)算法在Middlebury测试集进行对比实验,平均误匹配率降到7.55%以下,平均运算时间较SGM算法缩短3.5s。

特征增强和双模板更新的目标跟踪算法

为改进在复杂场景下的跟踪性能,提出了一种特征增强和双模板更新的目标跟踪算法。首先,提出了一种改进的特征提取网络,并将深层特征和浅层特征融合,再利用通道空间注意力模块对该融合特征进行强化,获得表征能力增强的特征。其次,提出了一种双模板更新策略,将近邻高置信度图像帧保留为备份模板,当跟踪响应图置信度较低时,将初始模板与备份模板进行加权融合得到新的模板,再重新进行跟踪预测。最后,在数据集OTB-100和VOT-2017上进行跟踪性能评估,实验结果表明,所提算法提升了在遮挡、光照变化、背景杂乱等复杂场景下的跟踪成功率和跟踪准确率。

基于BIM技术的钢结构建筑优化设计与施工

本文探讨了建筑信息模型(BIM)技术在钢结构建筑设计与施工过程中的应用及其优化效果。通过分析BIM技术的特点及其在钢结构建筑中的应用,本研究阐述了BIM如何提高设计精度、优化施工流程、加强协同管理,从而提升钢结构建筑项目的整体效率和质量。文章探讨了BIM技术在钢结构建筑全生命周期管理中的潜力,为未来钢结构建筑行业的发展提供了新的思路和方向。

编程专业科技人才培养初探——以“C语言程序设计”课程教改为例

为了培养学生的编程能力、编程思维和创新实践能力,文章以C语言程序设计课程的教学改革实践为例,阐述了“新工程”背景下编程专业科技人才培养的课程改革思路,采用了以“五位一体”教学方法结合电子信息类工程案例的教学设计理念,提升了学生的编程实践应用能力、创新实践能力、工程应用能力。

节约型园林工程施工研究

当今社会,随着城市化进程的不断加速,使得人们对环境质量的日益关注,园林工程作为城市绿化的主要手段,其施工过程中的资源浪费、环境影响、施工效率等问题逐渐凸显。文章以实现节约型园林工程施工为目标,阐述了节约型园林工程施工的意义,通过深入分析其施工过程中存在的问题,提出相应的解决措施。

基于NSCT与自适应PCNN的多聚焦图像融合方法

常用的多聚焦融合算法不能很好的将多个聚焦不同图像的清晰部分融合成一幅清晰的图像,提出了一种有效的多聚焦图像融合算法;首先对多聚焦原始图像进行NSCT变换,得到不同尺度与方向下的子带系数;其次利用光学系统成像原理及点扩散函数在光学成像过程中的作用,对低频系数判定多聚焦图像中的聚焦点的近似位置;然后将高频系数作为PCNN的输入,选取区域对比度为PCNN的链接强度,利用PCNN的全局耦合特性和脉冲同步特性选择高频系数;最后经NSCT逆变换得到融合结果;实验结果表明,该方法得到的融合图像在边缘等细节上比常用方法具有更好的视觉效果,在熵、平均梯度、标准差等客观指标上优于小波融合方法和NSCT等传统融合方法。

GPS模拟器的FPGA实现及其杂散研究

论述了GPS模拟器中频信号数学模型,并着重介绍了GPS模拟器中频信号生成采用的直接数字频率合成技术(DDS技术),针对用硬件FPGA实现GPS中频信号生成时的杂散误差问题,提出并在FPGA上实现了一种抑制GPS中频信号载波杂散的方法,同时研究了在C/A码生成过程中的码相位误差修正方法,及导航电文和C/A码完成调制中信号同步的关键技术;经仿真实验,该方法能明显抑制信号杂散问题,并提高信号同步精度;最后在FPGA+DSP硬件平台上完成了GPS中频信号的设计和验证。

教育信息化2.0背景下以“SPOC+雨课堂”为主的混合创新模式课堂实践——以《计算机网络技术》为例

在教育信息化2.0背景下,教学团队进行了《计算机网络技术》课程SPOC课堂创建和微课的创作,并在雨课堂平台下进行实践,为电子信息类专业的课程教学提供一种顺应潮流的教学改革模式尝试。

电子信息类专业《计算机网络》课程教学的改革与实践

本课程以多媒体教学为主要手段,以问题导入、类比讲解、师生互动为主要方法,引入虚拟网络实验室,实现"懂、建、管、用"的教学目标,形成立体化的教学模式。

基于Quartus Ⅱ 9.0的《数字电路》教学研究

以集成计数器芯片74160为例,介绍基于Quartus Ⅱ 9.0的《数字电路》教学研究,分析Quartus Ⅱ 9.0仿真软件在《数字电路》教学中的优势,体现EDA技术在《数字电路》教学中的重要地位和作用。

边缘检测和小波变换在多聚焦图像中的应用

根据多聚焦图像的特点,把边缘检测方法和小波变换融合算法结合起来,可以获得同一场景内所有物体都清晰的图像。首先利用高斯—拉普拉斯算子对源图像进行融合,得到边缘清晰的融合图像;接着对源图像进行小波变换,变换后的小波系数融合规则采用选择融合和加权平均融合相结合,经反变换后得到整体清晰的图像;最后将边缘清晰融合图像与小波变换融合图像再一次融合,得到了清晰度增强的融合图像。仿真试验表明,边缘检测和小波变换相结合的融合方法可有效综合多聚焦图像。

基于小波分解的PCNN遥感图像融合算法

在小波变换理论的基础上,提出了一种结合小波分解和脉冲耦合神经网络(PCNN)的遥感图像融合新方法.首先对两幅已经配准的原始遥感图像进行小波多尺度分解,得到低频子带系数和各带通子带系数;其次对低频子带系数采取一种基于边缘的方法以得到融合图像的低频子带系数;对各带通子带系数提出了一种改进的基于PCNN的图像融合方法来确定融合图像的各带通子带系数;最后通过逆小波变换重构图像得到融合后的图像.仿真结果和评价指标结果表明,此方法更好地保留了原图像中的有用信息,提高了融合图像的质量.

基于最小二乘法的改进卡尔曼滤波算法

为了解决卡尔曼滤波处理伴有多径干扰的微弱卫星导航信号的码跟踪时,由于受噪声误差、系统误差、观测误差、设备误差等影响,导致由相干积分值组成的观测量误差较大的问题,基于最小二乘估计原理对相干积分值中的自相关函数因子进行修正,并重新构造一组无偏、均方误差和最小的修正观测值,作为卡尔曼滤波的观测量,提出一种最小二乘算法与卡尔曼滤波相结合的改进算法。另外,为解决卡尔曼滤波器发散的问题,在卡尔曼滤波器和环路滤波器之间加入了发散判断控制模块。仿真实验结果表明,与传统卡尔曼滤波相比,该改进算法显著提高了码相位跟踪性能,避免了前期误差被带进后续对目标参数的估计而降低环路跟踪性能的问题。