降质先验引导的二维条码超分辨率研究

二维条码作为一种能够存储大量信息的图形标识,在工业生产的自动化控制、物流管理、质量追溯以及运输的信息交换等环节起着非常重要的作用。二维条码的高精度识别是实现快速、准确信息交换的基础。但是受拍摄环境和拍摄设备精度的制约,经常由于分辨率低而无法正确识别。针对此问题,提出了一种面向实际降质二维条码的超分辨率重建算法。考虑到实际降质的复杂性,提出了基于降质先验的超分辨率算法。首先,设计了一个降质先验信息编码器,用于提取和编码因拍摄环境和设备限制导致的图像质量降低的相关信息。然后,提出了一个降质先验引导模块,使用编码器提取的信息来引导主体结构的特征重建,包括降质特征图引导与降质先验引导两部分。由于目前缺少相关数据集,所以率先构建了真实退化条件下的二维条码超分辨率数据集(包含4944对低分辨率-高分辨率二维条码图像)。考虑到真实数据对之间有轻微位移,引入位移不敏感的损失函数对网络进行优化。实验表明,所提方法重建结果的峰值信噪比(Peak Signal to Noise Ratio,PSNR)、结构相似性(Structural Similarity,SSIM)以及扫出率这3种指标均优于5种经典的超分辨率重建算法,充分说明了所提方法的优越性。

基于SSD算法的老旧建筑墙面裂缝识别

老旧建筑物墙面裂缝识别是实现敏感工程环境中建筑物实时监测与及时保护的关键技术措施。该文介绍SSD算法的特点及其在墙面裂缝识别上的应用,通过实际带裂缝墙面照片实例展示识别效果,探讨模型超参数对识别效果的影响。结果表明,SSD算法适合墙面裂缝识别,识别的位置准确。

一种融合视觉与IMU的车载激光雷达建图与定位方法

针对激光雷达非匀速运动畸变问题,提出一种融合视觉惯性里程计和激光雷达里程计,进行三维地图构建与定位(simultaneous localization and mapping,SLAM)方法.经预处理和时间戳对齐后的数据,应用视觉估计和惯性测量单元(inertial measurement unit,IMU)预积分对视觉进行初始化,通过约束的滑窗优化和视觉里程计的高频位姿,将传统雷达匀速运动模型改进为多阶段匀加速模型,从而降低点云畸变.同时,利用列文伯格-马夸尔特(Levenberg-Marquardt,LM)方法优化激光里程计,提出一种融合词袋模型的回环检测方法,最终实现三维地图构建.基于实车试验数据,通过与LEGO-LOAM(lightweight and ground-optimized lidar odometry and mapping on variable terrain)方法的结果对比,本文方法在平均误差和误差中位数上分别提升了16%和23%.

积极心理学视阈下心盛理论及心理健康双因素模型的研究进展

综述积极心理学视阈下心盛理论及心理健康双因素模型的研究进展,总结国外心盛理论及心理健康双因素模型的研究现状,为国内心盛理论及心理健康双因素模型的研究提供理论依据及参考价值。

一种混合视觉的车载激光雷达即时定位与地图构建方法

为提高地图的构建精度,提出一种混合视觉即时定位与地图构建方法。利用相机和激光雷达标定获得具有颜色信息的点云,并对点云数据进行预处理,选取相邻帧点云之间的特征点,制定匹配策略,对匹配点采取未解耦的位姿求解算法,获取两帧间的变换矩阵作为后续帧间匹配的初值。分别利用KITTI数据集和实车试验数据进行验证,结果表明,所提出的方法轨迹点均方根误差分别优化了6.84%和4.53%,验证了所提出方法的有效性。