基于先验距离约束的3D卷积毫米波雷达目标检测方法

用于辅助和自动驾驶系统的各种传感器中,相机和激光雷达的感知性能受天气影响较大,而车载毫米波雷达是一种低成本且几乎不受天气影响的全天候工作器件,对于运动的物体,可提取丰富的多普勒信息。随着雷达技术和开源标注数据集的发展,基于底层雷达数据的目标检测已经成为一个非常有前景的领域。为解决车载毫米波雷达数据的角度分辨率低导致的目标检测和定位不准确的问题,并提升毫米波雷达目标检测的性能,提出了一种基于先验框距离约束的3D卷积毫米波雷达目标检测方法,以实现多种动态目标的检测及分类。在本文方法中,通过设计3D ResNet的特征提取器来表征距离-角度-多普勒张量中的目标信息,解决现有的模型因忽略来自原始3D雷达信号的多普勒信息而表征不足的问题;其次,添加了绝对距离损失函数来训练模型,克服距离对目标呈现的影响,提高目标检测的准确性和鲁棒性;此外,还提出了分距离单元区间重新设置先验框的方法,解决现有方法中先验框设计不合理的问题。所提出的模型在RADDet数据集上进行训练以及测试,实验结果表明:与目前的最先进的方法相比,本文模型在IoU阈值为0.1、0.3、0.5、0.7时均达到最优,其中IoU为0.1和0.3时提升最为显著方法,分别提升了6.6%和5.1%。

基于同态系统滤波的高分辨率遥感图像河流信息提取

为了解决在高分辨率遥感图像中易受同物异谱现象影响而导致河流信息提取不完整问题,依据河流区域在遥感图像中具有特定频率纹理信息这一特点,提出一种基于同态系统滤波的高分辨率遥感图像河流信息提取方法。该算法通过对遥感图像的频谱分析,确定河流信息在频域中的特征标识,采用一维剖面线加窗短时分析河流定位技术实现了全自动、快速全幅遥感图像河流定位和宽度估计,在同态系统下设计了低通滤波器实现对低频河流信息的提取。该算法采用"高分一号"遥感影像作为实验数据来源,相对于传统利用光谱信息的提取方法具有较高的提取精度,Kappa系数达0.85以上,并且实现全自动提取。实验结果表明所提算法能够快速、有效地提取复杂地貌区域内的河流信息。

基于单片机的温室大棚智能监控系统设计

设计一种新的基于单片机的温室大棚智能监控系统,用于解决目前温室大棚智能监控系统管理和扩展能力不足,不方便农民集中式监控等问题。系统采用单片机以及外围传感器构成下位机单元,在对温度、湿度等数据实时采集的同时,通过RS—485通信接口将数据传输至PC机的人机交互系统界面进行集中式监控。系统用户界面具有多个温室大棚单元内温湿度等数据的显示、处理、记录和报警等功能。反复实验表明,本系统具有反应迅速、界面操作简单、自动化程度较高、方便扩展和集中式监控等特点,可满足农业上对温室大棚监控系统的要求。

基于纹理方向和角点的居民地信息提取

高分辨率遥感影像中规则建筑聚集街区式居民地纹理方向性明显且含有丰富的角点,为了充分利用该特性,以简化滤波器参数设置,提高居民地提取精度及效率,提出基于纹理方向和角点的高分辨率遥感图像居民地信息提取方法。该方法首先对遥感图像进行特定方向角度的Gabor滤波变换;并将滤波器组输出的不同方向滤波影像进行重构。然后对滤波影像做Harris角点检测;并计算检测结果影像的角点密度似然度。最后将角点密度似然影像进行阈值分割以提取影像上的居民地信息。实验结果表明,该方法对乡村及山区居民地信息提取的Kappa系数分别达到0.954 2和0.894 4,保证了居民地提取的精度。同时,算法中各参数的鲁棒性较好,其中中心频率不需要反复的选取试验,从而提高了居民地信息提取的效率。