基于编码标志的无人机电力巡检自主定位方法

为了实现无人机在变电站巡检时自主避障,提出一种利用编码标志作为控制点的无人机自主定位方法.首先讨论编码标志的设计与解码,然后利用灰度方向直方图(histogram of oriented gradient, HOG)特征和支持向量机(support vector machine, SVM)检测并跟踪图像中的编码标志,以提高算法运行效率,最后根据编码标志在电塔上的位置及其在图像上的对应坐标,由物点与像点的透视关系解算无人机位置.实验表明:HOG+SVM组合检测图像中的编码标志召回率为99%;解码算法在编码标志模糊、变形等极端条件下依然保持强鲁棒性,解码错误率仅为0.05%;无人机定位误差不超过±0.03 m,算法运行速度达10帧/s,可用于变电站的实际巡检.

深度学习实时多人姿态估计与跟踪

基于计算机视觉的人体姿态估计技术可应用于人机交互和实时监控人员异常行为,具有广阔的应用前景。针对现有基于深度学习人体姿态估计效率较低的问题,提出一种实时多人姿态估计方法。算法采用自底向上的思想,首先预测出所有骨点位置,并将骨点连接形成图结构,通过图优化实现多人体姿态估计。算法创新点在于利用双分支深度神经网络同时预测骨点位置和骨点之间的空间关系,有效减少图结构冗余连接,提高图优化速度;实验表明,本文提出的姿态估计方法在不同图像分辨率下均达到实时效果。

基于多源遥感数据的水体信息提取研究

卫星遥感技术已被广泛应用到水体信息提取中,但目前基于遥感技术的水体信息提取多采用单一的遥感数据源,而没有充分利用多源数据的信息复合优势,因此,提取结果经常受天气气候或空间分辨率限制。本文研究了不同尺度、不同平台的多种遥感数据源的水体信息提取方法。首先,基于波谱间关系决策树分类算法对Landsat ETM+图像进行水体提取,利用其分辨率优势较准确地提取出水体范围;其次,在Radarsat SAR图像上利用阈值法粗提取水体信息后,结合DEM剔除阴影得到水体信息;最后,利用灾前Landsat ETM+图像水体信息提取结果和灾中Radarsat SAR图像水体信息提取结果,进行差值处理,得到洪水淹没范围。研究结果可以为洪水灾害监测与评估提供信息依据。

基于多任务压缩激发网络的行人属性识别

自然场景下的行人属性识别是一个具有挑战性的研究课题,存在行人属性类别多样、行人视角和分辨率多样、样本不平衡等诸多难点,致使难以有效建模。为克服上述难点,提出基于多任务压缩激发(squeeze-and-excitation,SE)网络的行人属性识别方法,通过多任务卷积神经网络、联合压缩激发模块与残差模块、焦点损失函数三方面改进,研究了自然场景下行人属性识别效果提升的不同方式。结果表明,研究结果相比基线模型在Market-1501数据集和DukeMTMC-reID数据集上的准确率和效率均有提升,研究结果具有普遍有效性。

基于连续图像消影点的视觉定位算法研究

将消影点作为视觉定位的描述特征具有独特优势,针对消影点容易受到环境因素影响的问题,提出一种基于图像梯度场的消影点提取算法。利用优化的检测算法提取直线特征,对直线段筛选后估计消影点,并利用精度因子得到有效消影点,根据计算机视觉中的多视图几何实现视觉陀螺仪和视觉里程计。实验结果表明,通过过滤不可靠的消影点能够提高定位精度,视觉陀螺仪整体准确度优于惯性导航,部分数据点视觉里程计准确度优于惯性导航。