基于图割精细化和可微分聚类的无监督显著性目标检测

针对传统显著性检测算法分割精度低以及基于深度学习的显著性检测算法对像素级人工注释数据依赖性过强等不足,提出一种基于图割精细化和可微分聚类的无监督显著性目标检测算法。该算法采用由“粗”到“精”的思想,仅利用单张图像的特征便可以实现精确的显著性目标检测。首先利用Frequency-tuned算法根据图像自身的颜色和亮度得到显著粗图,然后根据图像的统计特性进行二值化并结合中心优先假设得到显著目标的候选区域,进而利用基于单图像进行图割的GrabCut算法对显著目标进行精细化分割,最后为克服背景与目标极为相似时检测不精确的困难,引入具有良好边界分割效果的无监督可微分聚类算法对单张显著图做进一步的优化。所提出的算法在ECSSD和SOD数据集上进行测试并与现有的7种算法进行对比,结果表明得到的优化显著图更接近于真值图,在ECSSD和SOD数据集上分别实现了14.3%和23.4%的平均绝对误差(MAE)。

基于虚拟导航线的农业机器人精确视觉导航方法

针对农田、野外环境中无人工标记情况下的导航问题,提出了一种基于虚拟导航线的农业机器人精确视觉导航方法。该方法不需要铺设导航线或者路标即可引导机器人行走直线。首先,根据需求确定需要跟踪的目标区域,之后控制机器人调整方向直到目标移至视野中央;其次,根据机器人和目标的位置确定参照目标,并依据两个目标的位置确定虚拟导航线;然后,动态更新导航线,并结合虚拟定标线和虚拟导航线确定偏移角度和偏移距离;最后,利用偏移参数构建模糊控制表,并以此实现对机器人旋转角度和行走速度的调整。实验结果表明,该算法能较为精确地实现对导航路线的识别,进而利用模糊控制策略使机器人沿直线向目标行走,且导航精度在10 cm以内。

化学工程技术的发展动向及应对举措研究

化学工程技术主要应用于化学工业,涉及到以化学工业为核心内容的各个环节,包含装置的研发、设计、实际操作以及问题等。本论文通过分析化学工程技术的发展动向,论述了化学工程技术发展的应对措施,旨在为化学工程技术相关研究人员提供一定的参考依据。

NAO机器人的复杂性动作编排研究

NAO机器人复杂性动作编程中往往难以提前预判会否发生摔倒等危险动作,目前尚未见到针对NAO平衡问题的改善方法。利用Choregraphe与Webots软件分析动作并结合物理方法测量物理属性,对NAO机器人重心进行数学建模,最终利用组合体重心公式,实现了机器人重心的实时计算。通过大量实验分析得出平衡动作的合理重心阈值,实现自动判定机器人复杂动作能否实现平衡;并通过编程对超出合理阈值的动作进行微调,输出调整后合适的重心位置,以便辅助完成复杂性动作的编排。经过反复测试,方法可以正确判断动作是否平衡并能对不合理动作给出相近合理重心的修正。

基于间隔棒跟踪的输电线舞动检测

针对输电线舞动危害电力系统安全、稳定运行的问题,提出一种基于间隔棒跟踪的输电线舞动检测方法;利用纹理、灰度分布等特征分割出天空区域,结合穿线法和旋转投影实现输电线的精确定位;采用滑动窗口遍历输电线,并根据窗口内投影曲线的Laws纹理能量值检测间隔棒;通过跟踪摄像头获取的输电线视频信息中的间隔棒并生成其运动轨迹,计算输电线舞动幅值和频率,进而判断输电线舞动。结果表明,该方法在八分裂间隔棒的输电线上的检测准确率、误报率、漏报率分别为96.9%、3.12%和3.03%,能够有效地检测输电线的舞动。