一种利用功率自适应的激光三角测距精度提高技术研究

外界环境光强、被测物表面粗糙度和颜色等都会对激光三角测距仪的CCD光斑图像产生影响,导致图像抖动,精度下降。同时当激光三角测距仪应用在测量范围较宽的场景时,由于激光功率损耗较大,导致远点和近点光斑状态不一致,最终对光斑中心进行计算时不能达到理想精度。为了提高其精度,提出了一种基于遗传算法优化PI参数的激光功率自适应的方法,该方法使用CCD接收到光斑的强弱作为反馈信号,控制注入激光器的电流,使得CCD接收到的激光信号强度在测量范围内任意位置均一致,同时保持恒定,不受外界干扰,从而解算出高精度的光斑中心。分析了激光三角测距仪对不同粗糙度、不同颜色的靶标在不同工作距离的光斑图像,设计了激光器功率自适应控制电路,设计了基于遗传算法优化PI参数的控制方案,对使用了功率自适应激光三角位移传感器的测量精度进行了对比。试验表明,相较于传统激光三角测距仪,使用了功率自适应方案的系统在全尺寸测量范围、不同粗糙度、不同颜色靶标情况下的测量精度达到0.050 mm,相对精度小于0.01%,对提升激光三角测距仪精度研究提供了一种可行性方案。

基于深度学习的混凝土表面缺陷检测方法

运用深度学习对物体表面缺陷进行检测已经成为了一种越来越受关注的自动化检测方法。针对混凝土表面缺陷,我们设计了一种两段式的学习网络。第一部分是从原始图像的各层特征图中逐像素的学习特征以完成对图像的像素分割,并进行上采样还原至原图像大小。第二部分是对图像中是否存在缺陷做出判断。实验结果表明,该方法分割准确率高,鲁棒性强,适合于混凝土表面缺陷检测。

基于超像素的感知哈希交通场景图像去重方法

针对构建典型交通场景样本库采集数据过程中存在数据重复、相似的问题,提出了一种基于超像素分割下感知哈希的交通场景图像去重算法。首先,对图像进行超像素分割;然后,记录每个超像素区域的像素均值作为图像特征,在分割后的图像中提取像素点组成整幅图像的描述集,并对其进行离散余弦变换,采用Zigzag模式顺序对变换的系数矩阵编码,并作为图像DCT特征;最终,采用Jaccard距离衡量图像相似度,根据权重确定2个特征对图像相似度的贡献,确定合理的阈值建立图像去重系统。在KITTI、DeepTesla等数据集上选择部分图像进行实验,实验结果表明,该方法对图像去重的准确率达98.55%,同时具有较高的鲁棒性和稳定性。

基于SVM-BP降雨型黄土滑坡灾害安全评价模型研究

地质滑坡灾害的监测预警体系中存在地质灾害调查、数据监测和预测预警环节融合度不够、相互分散、结果评价缺失等缺点。针对降雨型黄土滑坡灾害监测预警中存在的实际问题与不足,结合多源信息和智能风险评估,提出一种准确率高且可快速评价坡体安全性的基于SVM-BP的地质灾害安全评价混合模型。以降雨型滑坡地下水监测为主,以外部诱发因素为辅,在完成滑坡形变监测、风险源辨识和搭建监测预警云平台系统的基础上,以坡体含水率易诱发边坡骤发式瞬间失稳为出发点,实现了对降雨型危险坡体的实时监测与动态安全性评价。试验数据来源于西安市某地实测数据。首先确定滑坡风险评价指标体系,并基于灰色综合关联分析法和模糊层次分析法完成初步数据筛选,然后利用SVM分类器和BP神经网络模型分别完成数据判断和评价分类,建立基于SVM-BP的安全评价混合模型。在实际工程中坡体大概率为安全状态,这使得评价模型的SVM分类器具备运行时间短、满足快速性要求的特点;BP神经网络模型能够增加对于危险状态识别的敏感度,可提高整个评价模型的准确率。对危险坡体实测数据和系统功能试验验证表明:该评价模型的准确率达到99.94%,运行时间为0.0329 s,满足降雨型滑坡监测过程中对于采集数据实时评价分析的需求,并可快速准确地评价监测点的安全状态。