基于单目视觉与改进势场法的避障算法

针对无人平台在未知环境缺乏全局障碍物位置信息难以进行实时避障的问题,提出一种融合深度神经网络和改进人工势场的动态避障方法。首先利用YOLOv5s轻量目标检测网络和轻量化深度估计网络构建障碍感知模块,探测障碍物位置和深度;其次使用目标框和等效深度描述周围障碍物的三维信息;然后将自身平台投影到图像平面形成核心区,并根据障碍物的等效深度网格与核心区的位置关系计算核心区在像平面虚拟势场受力方向、所需要的偏航角和线速度;最后控制系统接收到信号后引导无人平台转向或制动,使核心区内部深度大于设定的安全距离完成动态避障。实验基于单目可见光和红外进行避障测试,结果表明视觉感知模块可以准确探测常见障碍物的位置和深度,核心区能够直观地反映无人平台与障碍物的位置关系,方法仅依赖单目传感器便可实现有效避障,相比于传统方法成本低廉、部署灵活,为无人平台在日间、夜间的未知环境进行避障提供了新思路。

Web数据转换模式映射优化方法

Web数据转换是Web异构数据源集成的重要研究之一,通常分为实例层和模式层两方面进行。本文的研究主要针对模式层,由于给定的源到目标模式映射通常使数据转换结果包含大量冗余,为了生成不含冗余的数据作为数据转换核解,本文设计了一种基于同态关系的模式映射设计与优化方法。该方法首先引入模式映射之间的同态关系作为模式映射重写方法基础,通过对模式映射进行分解,定义不同规则生成的数据冗余的大小程度,确定需要重写的规则。最后将给定的模式映射重写为能够直接生成核解的核模式映射,并将其转换为可执行的SQL语句来计算核解。本文实验使用来自中国土地市场网的数据验证本文方法的有效性。

基于卷积神经网络的古建筑脊兽自动识别方法

针对古建筑脊兽识别准确率和自动化程度不高的问题,本文提出一种基于卷积神经网络的脊兽自动识别方法。该方法主要分为4个步聚:①爬取众源数据建立脊兽数据集;②构建脊兽特征金字塔网络(Ridge Beast-Feature Pyramid Network,RB-FPN)提取图像深度语义,检测脊兽的潜在区域;③利用ImageNet预训练权重精调ResNet50模型参数,实现脊兽种类精细分类;④识别测试集样本综合评价性能指标。试验结果表明,本文所提出的脊兽自动识别方法准确率可达92.17%,召回率为82.02%,F 1值为0.87,能有效地识别数字图像中的脊兽装饰件种类,结果可满足屋顶精细三维重建、维护管理与断代等应用需求。

我国餐厨垃圾、餐厨废弃油脂规范管理运行机制研究

介绍了餐厨垃圾、餐厨废弃油脂定义,论证了餐厨垃圾、餐厨废弃油脂分开管理的必要性;分析了上海市餐厨垃圾、餐厨废弃油脂规范管理经验、运行机制,针对餐厨垃圾、餐厨废弃油脂源头管理、收运和处理管理,提出了相应的建议。

生活垃圾收集运输卫生防控技术研究

文章介绍了生活垃圾收集运输作业过程的相关防控工作,梳理了相关卫生防控技术并提出了建议。

图像与稀疏激光点融合的单目深度估计

近年来,随着深度学习的快速发展,涌现出大量单目深度估计算法。但由于缺乏视差等几何约束,限制了算法深度预测精度的进一步提升,无法满足实际应用的需求。因此本文提出了一个二维图像与稀疏激光点融合的深度估计网络,通过实时输入少量激光点的高精度测距结果,提高深度预测精度;其次,为解决自采集数据激光雷达点分布不均匀问题,在有监督网络基础上,加入相对位姿估计网络与深度估计网络联合训练,同时增加光度一致性、深度重投影两个损失函数;最终,利用自采集数据进行实验分析,实验结果表明,当使用160个激光点时,即可将深度预测绝对相对误差由10.1%降至7.6%,当使用1280个激光点时,深度预测绝对相对误差变化趋于平稳,降至4.1%。