基于双重迭代的零样本低照度图像增强

针对低光照条件下拍摄图像质量低下的问题,该文提出一种基于双重迭代的零样本低照度图像增强方法。其外层迭代通过卷积神经网络估计增强参数,再由内层迭代进行图像增强,增强结果进一步用于计算损失函数并反馈更新外层的参数估计网络,最终通过多轮迭代生成高质量的图像。在该框架下,还设计了多尺度增强系数估计模块、基于注意力的像素级大气光估计模块,并提出了基于亮度对比度、大气光、颜色均衡以及图像平滑性先验的无监督损失函数。大量实验结果表明,该方法可有效将低光照图像增强为高质量的清晰图像,其性能优于现有的同类方法。同时该方法基于零样本学习,不需任何训练数据集,具有良好的普适性。

实用型多功能自适应平衡车的设计

笔者采用陀螺仪加速度计为主要传感器,设计了一套实用的多功能自适应平衡车,能实时检测平衡车姿态并自动调整电机输出,使平衡车与地面保持相对平衡。同时该车还集成了GPS定位与图像采集模块,扩展了其应用范围。最后对该平衡车做了一些实验测试,确定了其通过路径的最大倾角,并采用卡尔曼滤波方式进行数据融合以减小累计误差,进一步提高平衡车的控制精度。