基于卷积神经网络的智能机器人视觉导航路径识别方法

由于视觉导航区域图像清晰度较低,导致识别路径的平均横向偏差较大,为此提出基于卷积神经网络的智能机器人视觉导航路径识别方法。结合图像匹配结果、导航相机的位姿偏差,设置横向和纵向约束条件,建立自适应区域图像处理机制,依据全卷积神经网络原理,结合U型编码-解码结构,形成高精度道路分割网络。通过道路分割掩码提取视觉导航信息,获取路径拟合中点,再运用多段三次B样条曲线拟合算法得到路径识别结果。实验结果表明,所提方法识别路径的平均横向偏差仅为0.53 cm,可为视觉导航提供有效帮助。

计算机视觉技术在电力系统自动化中的运用解析

计算机视觉技术是一种以图像处理为基础的科学技术,它能够自动完成对图像中目标的识别、分类、识别等工作,是计算机技术发展的重要方向。随着计算机技术在电力系统中应用的不断深入,对电力系统自动化产生了积极影响。计算机视觉技术在电力系统自动化中的应用,能够为电力系统运行提供良好保障,满足人们对电力系统安全、高效、稳定运行的要求。在电力系统自动化中应用计算机视觉技术,要以其所具有的优势为前提,保证其在应用过程中的有效性与安全性。文章对计算机视觉技术进行了概述,分析了计算机视觉技术在电力系统自动化中的运用优势,并提出了相关策略,以供参考。 。

基于算术编码的确定性安全量子通信

为了提高量子直接通信的光子利用率和通信效率,基于算术编码提出了一个确定性安全量子通信方案。首先利用喷泉码预先共享少量经典信息,完成测量基信息和解码信息的共享。然后通过简化的算术编码来编码机密信息并制备对应的单光子序列进行机密信息的传输,算数编码的使用提高了协议通信效率和光子利用率。使用与BB84协议同样的物理设备可实现该方案。通过安全性分析可知:该方案具有较高的安全性,可抵抗现有的截取-测量-重放攻击、假信号攻击、纠缠附加粒子攻击和光子数分离等攻击手段。

电力无线专网D2D中继链路延时分析

电力无线专网采用电力行业专用频点对于配网、计量自动化业务数据进行传输,D2D通信是该网络架构下提高数据采集实时性的有效方式。基于电力行业末端节点配网和计量数据采集的场景,对D2D中继链路延时进行建模,并分析该机制下影响延时的主要因素,研究D2D中继汇聚机制时间差以及海量终端同频并发冲突退避机制对于整体网络延时的影响。通过计算机网络仿真,验证了采用D2D中继可以有效降低20-30%的传输延时,并讨论了信道数量对于延时的局限性。