一种室内环境下点线特征综合的RGB-D VO算法

针对弱纹理场景下点特征提取不足影响同步定位与建图(SLAM)算法定位精度的问题,提出了一种室内环境下点线特征综合的RGB-D视觉里程计(VO)算法。通过跟踪深度信息计算垂直主导方向,基于曼哈顿假设使用线特征来加权搜索两个水平自由度,提取并优化曼哈顿坐标系;综合场景的结构规律,与点线特征的重投影误差进行联合优化,同时在位姿估计和局部地图优化中对残差引入自适应权重,提高位姿估计精度。实验结果表明,所提算法在ICL-NUIM数据集中的绝对轨迹均方根误差相比于ORB-SLAM2和MSC-VO分别平均减少62.93%、37.04%,与Planar-SLAM和Manhattan-SLAM精度相当;在TUM数据集中相比于ORB-SLAM2、Planar-SLAM、MSC-VO和Manhattan-SLAM,绝对轨迹均方根误差分别平均减小21.43%、54.40%、35.08%和26.94%;在TAMU数据集中相比于ORB-SLAM2,回环漂移平均减小43.34%。

基于改进YOLOV7的变规模网络重叠区域多目标跟踪方法

在实际场景中,目标之间常常存在重叠或部分遮挡的情况,若是未进行有效的多目标检测以及了解变规模网络重叠区域内的节点状况,会导致目标跟踪精度下降。对此,提出一种基于改进YOLOV7的变规模网络重叠区域多目标跟踪方法。首先,采用改进YOLOV7对变规模网络重叠区域多目标进行检测;然后,在目标检测的基础上,对多目标轨迹特征进行提取;最后,基于提取到的多目标轨迹特征,已知目标的速度、方向与距离,实现变规模网络重叠区域的多目标跟踪。实验结果表明,所提方法的跟踪精准度最高达到98%,曼哈顿距离明显小于对比方法,仅在0.1~-0.1之间,性能较优,具有实用性。

基于Manhattan距离的汽车总装车间带时间窗多AGV小车调度优化

为解决汽车总装车间物料配送AGV的调度问题,针对汽车流水线的布局特征,以AGV小车利用效率最高、数量配置最少为目标建立数学模型,提出了一种改进的两阶段启发式算法.通过基于Manhattan距离、时间聚集度的启发式分类算法将物料配送点进行聚类;按照聚类的结果,以及物料配送点的优先级,得到优化后AGV的行驶路径.最后通过某汽车企业总装车间多AGV调度优化的实例,与原先的调度方案进行结果对比,验证了该方法的有效性和可行性.

基于Manhattan距离的相干体技术的应用

地震相干体技术可以有效地压制连续性,突出不连续性,比地震切片的地质解释更直观,能更细致地进行断层解释。基于Manhattan距离的相干体技术,与传统的C1相干算法进行比较,该技术不仅在断层识别能力方面要强于C1相干算法,而且当利用两种算法获取断层信息的效果相当时,该技术的相关时窗长度要比C1相干算法所用的相关时窗长度小,这恰能提高程序的运行速度,提高了地震相干体技术的运行效率。此外,该相干体技术也能近似计算出每道在纵横测线方向上的视时间倾角。

基于Manhattan距离的网络拓扑推测方法研究

网络拓扑推测是网络断层扫描研究内容之一,是推测网络内部链路性能的前提条件。目前的网络拓扑推测方法主要是基于网络性能参数的极大似然估计方法,随着网络规模的增加,计算量相对较大,还有些需要先验知识,从而影响在实际网络中的应用。为了克服这些问题,作者提出了一种新的网络拓扑推测方法,通过直接计算节点间测量数据的Manhattan距离,对节点进行分组,从而推测网络的逻辑拓扑结构。该方法计算简单且准确推测的概率收敛速度快,在实际网络环境中有应用价值。

基于Manhattan距离与随机邻域嵌入的故障特征提取算法

随机邻域嵌入(stochastic neighbor embedding,SNE)算法在欧氏距离基础上定义了邻域概率函数,是一种基于数据间相似度的降维方法。针对欧氏距离在高维数据空间中不能提供较大的相对距离差、无法明显体现高维数据对象之间差异性的问题,提出一种基于Manhattan距离的随机邻域嵌入(Manhattan-SNE)算法。采用Manhattan距离衡量高维数据对象之间的相异度,得到高维空间和低维空间数据对象之间相似度的条件概率,嵌入目标是使得高维空间和低维空间的分布形式尽可能一致,选择KL散度作为算法的目标函数,通过梯度下降法寻找目标函数的最小值,从而得到算法的低维嵌入。测试与实验分析结果表明:所提算法的平均分类正确率有明显提高,证明了改进算法的有效性与实用性,可以用于故障数据的特征提取。

一种人脸表情分类的新方法——Manhattan距离

提出了一种利用Manhattan距离进行人脸表情分类的新方法。Manhattan距离计算出具有不同模式的两个对象的距离更大。在实验中,比较了Manhattan距离、欧氏距离、余弦距离在人脸表情分类中的性能,得出Manhattan距离比另外两类距离有着更好的识别效果。

高密度城市人口动静集聚与街坊形态关联解析——基于曼哈顿的实证

高密度城市中人口具有高度流动性,其动静态人口的集聚现象和城市空间形态之间存在着一定程度的关联性。本文以曼哈顿为例,回溯其城市建设与形态演进轨迹,基于当前市域范围内静态和动态人口数据,运用空间聚类分析和曼哈顿人口探索器,识别出人口密度的空间分布特征。然后分别选取两个动、静态人口密度集中的1 km×1 km城市地段切片,通过空间矩阵分析其中典型街坊形态的量值特征,结果发现4个地段的形体密度存在梯度分异格局,并且与人口动静态分布的差异化现象相关。在此基础上,辨识并抽象出高密度街坊的组构类型,并揭示构成影响城市形态的隐性秩序和关联因素,最后提出曼哈顿城市形态对我国高密度城市建设的三点启示。

应用改进曼哈顿距离的金属超声辨识研究

超声波与金属样品的显微结构相互作用而发生散射和反射等效应,造成声波能量的损失。将超声波信号与金属样品的显微组织和晶体结构联系起来,提出“超声指纹”这一概念。每个金属样品的“超声指纹”都是独一无二的,对已知的标准样品采样并留存其“超声指纹”,相当于为其贴上“防伪标签”。以3类成分相近的金属样品以及每类7个成分相同的金属样品为例,利用超声相控阵的扇形扫查方式进行信号采样。将改进曼哈顿距离作为指纹特征,结合高斯分布原理和三倍标准差法计算标准样品的辨识阈值,相较于以前的阈值计算方法更加科学合理。测试结果表明,提出的方法能够对成分相近金属样品甚至成分相同的金属样品全部实现准确辨识。

基于改进ORB特征的图像处理方法

针对传统的ORB(Oriented fast and rotated brief)算法在运算速度以及精度方面有时难以满足某些应用场合实际要求,在特征点提取阶段,利用金字塔光流法提取特征点并划分有效及无效区域特征点,从而降低特征点匹配个数和提高后续运算特征点匹配速度;在特征点匹配阶段,将传统算法中的欧氏距离改为曼哈顿距离,再用MLESAC算法来剔除误匹配点。将SURF(Speeded up robust features)算法、SIFT(Scale-invariant feature transform)算法、ORB算法和改进后的ORB算法对光照条件不同、模糊度不同以及尺度大小不同的两张图像进行处理,改进后的ORB算法无论是在匹配速度还是匹配精度方面相比于传统ORB算法都有了明显改善。

改进位姿估计环节的ORB-SLAM稠密建图算法

为提高ORB-SLAM2 (oriented fast and rotated brief, and simultaneous localization and mapping)系统的位姿估计精度并解决仅能生成稀疏地图的问题,提出了融合迭代最近点拟合(iterative closest point, ICP)算法与曼哈顿世界假说的位姿估计策略并在系统中加入稠密建图线程。首先通过ORB(oriented fast and rotated brief)特征点法、最小显著性差异(least-significant difference, LSD)算法和聚集层次聚类(agglomerative hierarchical clustering, AHC)方法提取点、线、面特征,其中点、线特征与上一帧匹配,面特征在全局地图匹配。然后采用基于surfel的稠密建图策略将图像划分为非平面与平面区域,非平面采用ICP算法计算位姿,平面则通过面与面的正交关系确定曼哈顿世界从而使用不同估计策略,其中曼哈顿世界场景通过位姿解耦实现基于曼哈顿帧观测的无漂移旋转估计,而该场景的平移以及非曼哈顿世界场景的位姿采用追踪的点、线、面特征进行估计和优化;最后根据关键帧和相应位姿实现稠密建图。采用慕尼黑工业大学(technische universit?t münchen, TUM)数据集验证所提建图方法,经过与ORB-SLAM2算法比较,均方根误差平均减少0.24 cm,平均定位精度提高7.17%,验证了所提方法进行稠密建图的可行性和有效性。

基于曼哈顿距离自注意力机制的 U-Net3+图像分割

目前主流图像分割算法在分割边界上对特征相似而类别不同的像素鉴别能力不佳,从而影响了分割精度。设计了一种基于曼哈顿距离自注意力机制的U-Net3+图像分割算法,通过关注不同特征点之间信息表征的差异程度来对大范围上下文信息关系进行建模,增强算法对特征相似而类别不同的像素的鉴别能力和对全局关系的学习能力;再通过U-Net3+的全尺度跳跃连接结构将不同尺度的特征相融合,为算法提供更多尺度的上下文信息,使分割算法兼顾细节信息和全局关系。使用COVID-19 CT数据集对该算法进行实验测试,结果表明,引入基于曼哈顿距离自注意力机制后U-Net3+的Dice和IoU指标分别提升了2.79%和3.17%,对比使用多头自注意力机制的U-Net3+分别提升了1.06%和1.02%,证明了该算法的有效性和优越性。

基于图论最大匹配的非Manhattan版面阅读顺序

非Manhattan版面中,区域形状不规则及空间关系复杂使得确定合乎视觉脉络的无歧义的文字阅读顺序成为排版及版面理解过程中的一个难点。针对此问题,建立了新的版面布局模型,提出了基于图论最大匹配理论的阅读顺序确定算法。已成功运用于专业中日文排版系统,取得了满意的效果,并对更深入研究文档图像理解具有十分重要的理论和实践意义。

基于KNN算法的复合绝缘子憎水性等级分类

传统的复合绝缘子憎水性等级分类主要依靠电网工作人员在高空下进行,受到环境、天气等因素的影响,检测质量难以保证,工作效率低下。提出一种基于KNN算法的复合绝缘子憎水性等级分类方法,并对KNN算法进行试验,选择最合适的参数进行复合绝缘子憎水性等级分类。试验结果表明,当K=8,使用曼哈顿距离,对复合绝缘子憎水性等级分类准确率最高,达到86.41%。

二维Manhattan格点上端点附壁自避行走的计算机模拟

采用精确计数法 ,计算了二维Manhattan格点上端点附壁自避行走的构象数CN,均方末端距R2 N,和均方回转半径Rg2 N,最长链长分别达到 5 0 ,5 0和 35步 .通过比率法和Pad啨近似法 ,处理精确计数数据得到有效配位数 μ =1.73377,标度指数γ =0 .934,ν =0 .7334.发现二维Manhattan格点上端点附壁自避行走的γ值和普通方格子上的相应值相同 ,且 μ值与二维Manhattan格点上的自由SAW的相应值一致 .由尺寸参数R2 N,R2 ∥ ,R2 ⊥,Rg2 N,Rg2 ∥ 和Rg2 ⊥ 随链长N的变化发现 ,壁对几何尺寸的影响十分明显 .

多篇章非Manhattan版面层次布局模型和阅读顺序确定

针对报纸中多篇章非Manhattan版面引入PMRegion对象 ,并建立了满足约束的层次布局模型和层次空间关系 ,给出了版面逐层快速分解和阅读顺序无二义性确定算法 该算法已成功应用于专业排版系统 ,取得了满意的效果 。

论埃姆斯实验室对美国曼哈顿工程的贡献

第二次世界大战爆发后,为应对纳粹德国潜在的核威胁,美国联邦政府在情报部门和学术界的双重压力下,与爱荷华州立大学在核科学领域展开了合作,并成立了埃姆斯实验室。该实验室不仅为曼哈顿工程提供了包括高纯度金属和稀土元素在内的大量工业产品,也在核科学领域展开了学术研究,从而有力地推动了美国核工业的进步。

基于Manhattan距离的城市轨道交通布控研究

研究了城市轨道交通布控理论中的设计技术,分析了城市轨道交通站点和线路布控原则、站点设计、线路布控、方案评价模型等内容.站点布控设计模型中,根据线路长度(L)和平均站点间距(d)可确定n个线路的站点个数,以最小站间距(dmin)和最大站间距(dmax)可依次优选具体站点,确定所有可行线路方案.线路布控设计模型研究认为,应尽量保持线路走向的平顺,以减少城市轨道交通线路总里程.基于Manhattan距离的覆盖量模型分析,将客流的乘坐意愿按站点距离分级(θi)加权折算,可量化预测站点客流量.根据线路覆盖量(C(sj))、轨道交通线路总建设费用(S)、单位长度承载客流量(T)建立的目标函数,当C(sj)较大、S和T较低,即线路单位建设成本较低时,设计方案较优.

变电站二次控制电缆敷设机械化设备联动控制技术

针对联动控制能力较差,导致电缆磨损次数较多、电缆敷设成本较高的问题,提出新型变电站二次控制电缆敷设机械化设备联动控制技术。根据空间曼哈顿距离算法,构建电缆敷设基础模型,设计敷设调速与转矩检测方法,完成单一设备控制。根据电缆敷设机械化设备联动控制原理,构建PID联动控制器,进行机械化设备联动控制。实验结果表明:该技术可进一步降低电缆磨损次数,较早到达固定位置,保证初始端设备与末尾端设备速度一致,具有较为明显联动速度的控制能力。

数据融合和Manhattan距离在液压泵故障诊断中的应用

对液压泵的信号经特征提取后,构造了时域和频域两个证据体,并利用Manhattan距离方法建立了证据体的基本可信度分配函数,对得到的可信度通过数据融合进行液压泵的故障诊断。实例表明该方法计算量小,故障诊断准确率高。