基于WiFi通信的可视化搬运机器人设计与实现

设计了一款基于WiFi通信的可视化搬运机器人。采用STC11F32XE单片机作为可视化搬运机器人控制系统的核心处理器;以搭载Android操作系统的智能设备作为机器人的控制终端;利用WiFi通信技术实现Android控制端和下位机之间的通信以及视频的实时传输;通过多种传感器发现安全隐患并短信报警;采用履带式车体和六自由度的机械臂构成机器人的机械结构,实现机器人对环境的适应能力和搬运功能。通过对软硬件系统的测试,表明本文设计的可视化搬运机器人系统性能稳定,能够有效实现实时视频监控和远程控制。

基于改进U-net的遥感影像建筑物提取

针对在遥感影像建筑物提取过程中,建筑物与周围环境信息混淆导致提取精度下降的问题,提出了一种低维特征信息增强的改进U型卷积神经网络(U-net)模型,用于遥感影像建筑物的提取。借鉴医学影像分割中应用广泛的U-net模型对建筑物进行提取;考虑到在网络传播过程中低维细节信息逐级削弱,在特征金字塔中的特征图与扩张路径同级上的特征融合前,先与上一层级的特征图进行融合,进一步优化了提取结果的边缘提取精度。在覆盖范围约340km^2的遥感影像数据集上进行实验,结果表明本文提出的方法在交并比、像素精度和Kappa系数3个指标上的均值分别达到83.9%、92.8%和83.6%,均优于模糊C均值、全卷积网络与经典U-net方法。

基于改进简单线性迭代聚类算法的遥感影像超像素分割

使用简单线性迭代聚类(SLIC)算法对遥感影像进行超像素分割时,存在运行时间长与边缘贴合度差的问题,因此,提出了一种基于改进SLIC的遥感图像超像素分割算法。首先,改进了初始种子点的初始化方式,消除了随机分配造成的影响;其次,在每次迭代后引入滤波操作,去除超像素内与聚类中心在颜色空间上差异较大的像素点,用剩余的像素点更新聚类中心;最后,用改进的均值计算公式进行迭代以实现超像素分割。在Python环境下的实验结果表明,在超像素个数相同的情况下,相比经典的SLIC算法,本算法在相同数据集中的分割误差率降低了7.4%、分割精度提高了1.4%,可在有效提高边缘轮廓贴合度的同时降低算法的计算复杂度。