基于目标检测的室内动态场景同步定位与建图

为了提高室内动态场景下定位与建图的准确性与实时性,提出了一种基于目标检测的室内动态场景同步定位与建图(simultaneous localization and mapping,SLAM)系统。利用目标检测的实时性,在传统ORB_SLAM2算法上结合YOLOv5目标检测网络识别相机图像中的动态物体,生成动态识别框,根据动态特征点判别方法只将识别框内动态物体上的ORB特征点去除,利用剩余特征点进行相机位姿的估计,最后建立只含静态物体的稠密点云地图与八叉树地图。同时在机器人操作系统(robot operating system,ROS)下进行仿真,采用套接字(Socket)通信方式代替ROS中话题通信方式,将ORB_SLAM2算法与YOLOv5目标检测网络相结合,以提高定位与建图的实时性。在TUM数据集上进行多次实验结果表明,与ORB_SLAM2系统相比,本文系统相机位姿精确度大幅度提高,并且提高了每帧跟踪的处理速度。

基于图像融合的水下光照不均匀图像增强算法

在水下探测过程中,环境光照条件多变,采集的图像中由于光照不均匀,会导致一些重要的细节信息无法被表达甚至丢失,严重影响了图像的视觉效果及其用途。针对上述问题,提出一种改进的水下融合算法,将自适应伽马校正算法,MSRCR算法,CLAHE算法,锐化算法和水下图像融合增强算法相结合。通过自适应伽马校正算法改善图像光照不均匀区域;通过CLAHE扩大局部对比度,降低噪声;利用MSRCR算法弥补由于局部对比度增大造成的颜色失真;利用图像锐化弥补伽马校正造成的细节损失;通过图像融合算法融合不同图像的优势。实验结果表明,文中算法可以较好地解决光照不均匀和色偏的问题,改善图像的对比度,提升图像整体的视觉效果。

基于目标检测的室内动态场景SLAM

室内动态场景下的同步定位与地图构建(simultaneous localization and mapping,SLAM)系统容易受到运动障碍物的影响,从而导致其位姿估计精度和视觉里程计的稳定性降低。本文提出一种基于YOLOv4目标检测网络的视觉SLAM算法,获取语义信息,并利用LK光流法判断动态特征,在传统的ORB-SLAM2系统上将动态特征点剔除,只使用静态特征点来估计相机的位姿;建立稠密点云地图,并转化成节约内存空间的八叉树地图。在TUM公开数据集上对该方法进行测试和评估,实验结果表明:在动态环境下,该系统与ORB-SLAM2相比,相机位姿估计精度提高83%,且减少了生成的环境地图的存储空间,为后续实现机器人导航具有重要意义。

基于改进的RetinaFace人脸检测方法

针对RetinaFace在人脸检测任务中不能够兼顾检测精度与实时性的问题,提出一种基于改进RetinaFace的轻量化网络方法。首先使用MobileNetV3网络替代RetinaFace中的特征提取网络,大幅度降低参数和计算量;其次将高效通道注意力机制(efficient channel attention,ECA)与RetinaFace中的特征金字塔(feature pyramid networks,FPN)机制相融合,提高人脸检测精度;最后使用Soft-NMS非极大值抑制代替原始的非极大值抑制(non-maximum suppression,NMS)在2个候选框重合面积很大时也给1个权重,避免直接误删的情况,在人脸重合时也能更好地检测出来。实验结果表明:相较原算法,在widerface人脸数据集的easy、medium、hard分类情况下的准确率分别是93.79%、91.92%、72.18%,检测速度达到了72 f/s,满足人脸测任务中的准确率和实时性要求。本文分析结果可为人脸检测领域提供参考。

基于改进GD-HASLR算法的遮挡人脸识别

针对遮挡人脸识别方面的算法在训练样本数目减少时,其识别结果也会下降。为了解决该问题,文中提出了一种改进的GD-HASLR(Gradient Direction-Based Hierarchical Adaptive Sparse and Low-Rank)算法。该算法先求得人脸图像的广义梯度方向,计算人脸图像从一阶到三阶的梯度大小和梯度方向,再利用映射函数进行映射后求得梯度方向向量,然后将其作为层次稀疏低秩模型的输入,求解出图像的表示系数和误差。文中采用了重启的快速迭代收缩阈值算法-Ⅱ求解稀疏表示系数。最后,计算一阶到三阶测试样本的残差,选取其频率最高或者平均等级最低的类别作为分类结果。在AR、Extended Yale B数据库上的实验结果表明,与GD-HASLR等方法相比,文中改进方法获得的识别效果更好。

基于视觉的移动机器人实时避障和导航

阐述了移动机器人通过视觉传感器在不确定的环境中实现自主避障和导航的一种方法.首先讨论了路径规划的分层结构,然后通过简单的图像处理方法获取运动环境中的避碰点,最后给出机器人实现局部路径规划的算法.该方法有效地利用了全局环境地图和视觉信息,减少了计算量,提高实时性,通过仿真研究说明了该算法的有效性和可行性.

基于混合非线性偏微分方程扩散的可逆图像放大

综合应用冲激滤波器、改进的前向后向(forward and backward,FAB)扩散滤波器和全变差(total-variation,TV)扩散算法,提出一种双正交映射约束的混合偏微分方程扩散图像放大算法。改进的FAB滤波器能够很好地增强图像的小边缘,参数约束的冲激滤波器可增强图像的强边缘,基于水平集方法实现的TV扩散可以消除边缘的锯齿波,使边缘光滑,所提算法综合以上优点。利用退化模型的低通滤波器的双正交滤波器得到一个空域双正交映射,放大图像完全满足退化模型,使放大图像对于退化模型可逆。仿真实验表明,与其他算法相比,所提算法有较好的性能,得到的放大图像更加自然,在弱边缘和中等强度边缘都有更好的视觉效果。

基于全视觉图像中心的二次逆向快速解算方法

利用旋转体反射镜反射成像是一种性价比十分优越的全视觉图像获取方式.但由于反射镜的曲面反射,会造成图像的扭曲变形.根据反射镜成像系统的成像原理,进行基于原始图像中心的二次逆向解算方法,对展开图像的水平与竖直方向各进行一次解算,可以从根本上修正展开图中曲面反射所造成的图像扭曲失真,采用逆向的展开算法,能够减少解算点数,提高解算速度.

基于变分模型的梯度域色阶映射算法

针对梯度域动态范围压缩算法存在伪边缘以及局部细节扭曲等现象,提出了一种基于变分模型的梯度域色阶映射方法。首先,在梯度域内构造了一个既能够压缩图像的动态范围又能够保证边缘与细节信息的变分模型;其次,将Gibbs采样的思想引入到最速下降法中,在求解变分模型最优解的同时有效地提高了无约束最优算法的收敛速度;最后通过改进的最速下降法得到变分模型最优解。实验结果表明该算法能够有效地去除光晕,得到细节保持完好的低动态范围图像。另外,改进的最速下降法保证了算法的实时性。

多尺度模型结合改进前向后向扩散的图像放大

为了得到较好视觉质量的放大图像,提出一种图像放大方法.为了保证得到的放大图像完全满足图像退化模型的约束,在图像重建过程建立多尺度空间模型,利用拉普拉斯金字塔变换工具对图像零插值得到低分辨率空间的初始插值图像;对初始插值图像采用改进的前向后向非线性扩散得到图像的高分辨率分量,并把高分辨率分量利用拉普拉斯金字塔变换工具在空域中映射到高分辨率空间中,得到图像的高频细节和初始插值图像合成放大图像.该方法对前向后向非线性扩散进行了改进,在增强边缘的同时使边缘更加光滑.实验结果表明,文中方法能达到较显著的分辨率增强效果,比其他方法得到的图像边缘更加准确,减少了图像的不良人工效果,如边缘振铃、阶梯效应和边缘错位,而且计算复杂度低、运算速度较快.

认知无线电的频谱分配算法

认知无线电的频谱分配问题存在瓶颈用户,针对该问题,分析了并行频谱分配算法和CSGC(color-sensitive graph coloring)算法,提出在CMMB(collaborative-max-min-bandwidth)准则下,用并行分配算法来解决瓶颈用户问题,并对系统时间开销和频谱利用率等性能指标进行了仿真分析.结果表明,并行分配算法和CSGC算法的频谱利用情况大致相当,但并行算法的系统时间开销却明显减少,更有利于满足认知无线电中频谱快速分配的要求.

基于鱼眼镜头的全视觉图像

鱼眼镜头具有短焦距、大视场的优点,因而在很多领域都得到非常广泛的应用,但存在鱼眼图像畸变比较严重的问题,这就需要对图像畸变进行校正.为此,提出了一种能够实现全视觉球面图像的摄像机,并且给出它的标定方法.实验结果说明,根据给出的球面图像摄像机模型,图像畸变得到校正,并且也实现了球面摄像机对车辆周围环境的监测.

基于改进粒子群的盲源分离算法研究

简要地介绍了盲源分离的基本理论,针对独立分量分析传统的优化算法易于陷入局部最优、收敛精度低的缺点,提出了一种基于改进型粒子群的盲源分离算法,将独立分量分析算法与改进的粒子群算法相结合,以负熵作为目标函数.采用这种改进的粒子群算法对分离矩阵进行调整使各个信号分量之间独立,完成对瞬时混合信号的盲分离.实验信号的分离仿真结果表明,该算法能够有效地完成混叠信号的分离.同时,在与传统的盲源分离算法进行对比中,体现出了更高的分离精度和稳定的性能.

SUSAN角点检测算法改进

提出了一种改进的角点检测算法.本着好的算法不依赖于人为干涉的思想,在SUSAN算子基础上,通过对图像灰度值和对比度分析,提出灰度阈值t和比较函数C的快速自适应选取.针对SUSAN算法中对某些特殊型角点检测会失败的情况,构造一种针对SUSAN圆形模板的二圆环模板,对一些与边缘点难以区分的角点进行检测.试验表明,改进的算法近一步提高了检测的准确性.

基于非线性复扩散耦合冲激滤波器的图像放大算法研究

为了提高放大算法的适应性,采用改进的非线性复扩散和自适应冲激滤波器,提出了一种图像放大方法。根据像素局部方差进行自适应改变扩散门限,扩散图像的虚部除以扩散时间以消除扩散时间的影响,特别是初期扩散近似线性扩散的特性,得到改进的复扩散模型耦合冲激滤波器进行无噪图像放大。对于噪声图像放大,根据像素局部方差进行自适应非线性复扩散,耦合局部方差约束的冲激滤波器增强模糊的图像边缘和细节。自适应非线性复扩散通过局部方差和图像二阶导数相结合分辨边缘和噪声,对噪声进行平滑的同时保持边缘,克服了复扩散不能分辨噪声和边缘的缺陷,同时保持复扩散保护斜坡结构,免除阶梯效应的优点。仿真实验验证了所提算法不仅对无噪图像有较好的放大效果,而且对一定范围的噪声图像也有较好的放大效果。

基于混沌振子系统的电力谐波检测研究

利用混沌振子检测电力谐波的方法,改进了振子相变的自动判别方法。设计了一个电力谐波检测系统,仿真结果表明其在高次谐波检测上的优越性,为电力系统谐波时域检测的设计提供了依据。

复杂运动情况下的多目标检测与追踪

针对多运动目标视频序列中目标存在过缓运动且相互间遮挡的问题,提出一种改进的混合高斯模型(Gaussian Mixture Model,GMM)进行目标检测并结合卡尔曼滤波进行跟踪的新算法;在运动背景检测中,采用三帧差法和混合高斯模型的融合算法进行目标提取,解决了过缓运动目标检测区域不完整的问题;在运动目标跟踪中,由于Kalman滤波器采用目标检测结果进行预测,对观测噪声矩阵进行自适应更新,使得跟踪的稳定性得到加强;通过对比,验证了新算法对存在过缓以及遮挡的不规律运动情况的多目标检测识别与跟踪的实时有效性与准确性。

基于格林函数的图像增强算法

由于传统的图像增强算法得到的增强图像存在细节的缺失,主观效果较差等缺陷,提出了一种图像增强算法。通过Retinex模型保证了增强图像具有较突出的细节特性;通过求解泊松方程满足了增强图像与原始图像在梯度域的一致性;采用自适应亮度映射得到适于显示的边界条件;对区域的边界进行采样降低算法的复杂度。实验对比了几种图像增强算法得到的增强图像以及相关的评价系数,验证了该算法能够有效地提高图像的对比度,增强图像的主观视觉效果较高。

基于格林函数的动态范围压缩算法

为了解决高动态范围图像存在的视觉效果较差以及细节不突出的缺陷,提出一种基于格林函数的动态范围压缩算法.该算法通过稀疏表示将图像分割为多个亮度差异较大的不规则区域;并通过计算各区域的地球移动距离匹配出阴影与高光区域的相似区域;最后提出一种构造不规则区域格林函数的数值解法,结合边界条件,通过曲线积分得到适于显示的低动态范围图像.实验结果表明,稀疏表示抑制了由曲线积分产生的累积误差,数值解法在压缩动态范围的同时有效地增强了图像的细节信息,生成的图像视觉效果较好,清晰度较高.

基于SPIHT算法的感兴趣区域编码的研究

在多级树分裂算法(SPIHT)的基础上,结合JEPG2000中最大平移法和基于尺度法对感兴趣区域处理时的优点,提出了基于SPIHT算法的感兴趣区域图像编码新方法.实验结果证明,该方法在低比特率的情况下,可以传输部分背景区域图像,在RO I区域传输完毕的情况下,不再传输RO I上的0码,节省了码流,进一步提高了编码效率.