基于场景流的可变速率动态点云压缩

针对现有的动态点云压缩神经网络需要训练多个网络模型的问题,提出基于场景流的可变速率动态点云压缩网络框架.网络以原始动态点云为输入,利用场景流网络进行运动向量估计,在压缩运动向量和残差的同时,引入通道增益模块对隐向量通道进行评估和缩放,实现可变速率控制.通过综合考虑运动向量损失和率失真损失,设计新的联合训练损失函数,用来端到端地训练整个网络框架.为了解决动态点云数据集缺少真实运动信息标签的问题,基于AMASS数据集制作带有运动向量标签的人体数据集,用于网络的训练.实验结果显示,与现有的基于深度学习动态点云压缩方法相比,该方法的压缩比特率下降了几个数量级,与静态压缩网络单独处理每帧的重构效果相比,该方法有5%~10%的提升.

一种基于动态点云的三维监控与压缩系统

动态点云能准确表达三维空间位置关系,相较于二维影像,在目标检测、人脸识别以及可视化等方面具有更好的表现,因此动态点云在视频监控领域具有较大应用前景。基于所提出的改进的动态点云编解码框架,实现一种基于动态点云的三维实时监控与压缩系统。首先,通过ZED 2i双目相机进行点云视频获取,以Jetson Nano作为数据处理器,应用基于统计学的滤波算法实现离群点与噪声的去除。其次,依据监控场景的静动特性进行前后景分割,分别应用提出的改进算法和PCL库的压缩算法进行编码。实验表明,在监控场景下,获取的动态点云序列取得了较好的主观效果的同时,实现了点云数据的高效压缩。

采用SJND模型的动态点云感知编码方法

动态点云能有效描述自然场景与3D对象,提供沉浸式视觉体验;但其数据量庞大。需对其进行有效压缩。提出了采用显著性引导的恰可察觉失真(Saliency-guided Just Noticeable Distortion,SJND)模型的动态点云感知编码方法。针对纹理图感知冗余,构建了基于离散余弦变换域的SJND模型,应用于纹理图编码过程中的DCT系数抑制;考虑到相同失真等级下显著区域的几何失真更易被察觉,提出使用投影显著图将几何图进行分层;最后,为不同层级的编码树单元进行自适应量化参数选择和编码。与V-PCC标准方法相比,在保证动态点云视觉质量的前提下,所提出方法提升了动态点云的编码效率。

矿山GIS中动态点位置的不确定性表达

空间、属性和时间是描述现实世界中地理实体和地理现象本身固有的特征 .在详细分析和描述地理信息动态性的基础上 ,建立了矿山GIS中动态点位置信息的表达模型 .然后 ,探讨了运动轨迹为已知和未知两种情形时动态点位置的不确定性 ,给出了相应地不确定性可视化表达途径 。

基于动态点切分的多决策树包分类算法

针对传统的包分类算法存在较多规则冗余问题,该文在分析规则集特征的基础上,提出一种基于动态点切分的多决策树包分类算法(Clustered Dynamic Point Split,CDPS)。该算法首先通过聚类具有相似空间交叉关系的规则,划分规则集为若干子集,然后在每个子集中动态地选取规则投影点完成空间分解并建立决策树。仿真结果表明,在保证算法的时间性能前提下,CDPS算法的内存占用较HyperSplit和EffiCuts分别减少了95%和50%。

动态点片在无明显移位性肋骨骨折中的应用

目的 :研究动态点片在无明显移位性肋骨骨折应用中的价值。方法 :选择常规正斜位肋骨片检查后无明显移位性肋骨骨折的患者 ,使用目本东芝 85 0 m A遥控 X线机或美国 GE公司 80 0 m A多功能数字化遥控 R/ F/ P X线机(DRS)进行多轴位动态观察及点片。结果 :34例无明显肋骨骨折病例中 ,左侧肋骨不完全性骨折 2 3人 ,右侧肋骨不完全性骨折 8人 ,无骨折 3人 ,共发现肋骨骨折 6 1处 ,无肋骨骨折 4处。结论

GPS动态点定位的研究

本文就“GPS动态点定位”这一主题进行了研究,内容主要包括: (1)用伪距观测量进行动态点定位及其数抛处理的数学模型; (2)从点定位的误差来源出发,分析所能达到的理论精度和适用范围; (3)介绍作者初步开发的“KSPP—DP”软件; (4)分析实测数据的验算结果,并得出了一些有益的结论。

CT低剂量灌注成像“动态点征”对急性脑出血血肿扩大的预测价值

目的 探讨320排CT低剂量灌注成像“动态点征”对急性脑出血血肿扩大的预测价值。方法 48例发病在6h内的急性脑出血患者行基线CT平扫以及320排CT低剂量灌注成像检查,24h内复查CT,根据血肿体积变化分为血肿扩大组和无血肿扩大组,由两位有经验的影像科医师对“动态点征”进行观察,比较两组间“动态点征”比例的差异。结果48例急性脑出血患者中有18例出现血肿扩大,低剂量CT灌注成像发现16例“动态点征”,其中有13例出现血肿扩大,3例无血肿扩大。两组间“动态点征”比例的差异有统计学意义(x^2=16.9,P<0.001)。“动态点征”预测急性脑出血血肿扩大的灵敏度为72.2%、特异度为90.0%、阳性预测值81.3%、阴性预测值84.4%。结论 320排CT低剂量灌注成像“动态点征”可以预测急性脑出血血肿扩大的风险,为临床治疗方案的选择提供更为丰富信息。

一种实现动态点亮的光学系统

随着技术的发展,目前汽车信号灯越来越多的具有动态点亮功能,比如动态点亮的转向灯,或者动态点亮的迎宾灯等。本文提供一种实现动态点亮的光学系统,由厚壁光导、光导、光导光源和厚壁光导光源组成,厚壁光导位于光导后方,光导光源放置于光导的入光端的焦点,厚壁光导光源放置于厚壁光导的每个准直结构的入光端的焦点,依次点亮厚壁光导光源,实现厚壁光导的动态点亮,厚壁光导实现光学系统动态点亮,点亮光导实现光学系统的配光和均匀性。依次点亮厚壁光导每个准直结构入光端的光源,光线入射到厚壁光导后全反射,然后从厚壁光导外表面出射,出射光线经光导光学齿入射进光导,最后经过光导出光面出射。实现本发明的整个光学系统的动态点亮。厚壁光导光源亮度低于光导光源亮度,位于前方的光导能实现光学系统的法规满足及光学系统均匀性的满足。

联合目标检测与深度信息的动态特征点去除方法

针对在动态环境中,视觉定位系统的定位精度和鲁棒性容易受到动态特征点影响的问题,提出了一种联合目标检测与深度信息的动态特征点去除方法.引入YOLOv7目标检测网络快速获得当前图像帧的目标类别及位置信息,加入坐标注意力(coordinate attention,CA)机制优化深度学习模型,提升网络目标检测精度.此外,提出了一种利用深度信息和对极几何约束的动态特征点优化策略.有效剔除了动态特征点,同时保留了尽量多的静态点,从而降低了动态点对系统定位精度和鲁棒性的影响.在公开的数据集TUM上进行实验验证.结果表明:与ORBSLAM2(oriented fast and rotated brief-SLAM)相比,所提方案在定位精度和鲁棒性上有明显优势.同时与动态同步定位和地图构建(dyna simultaneous localization and mapping,DynaSLAM)相比,定位精度基本持平,但在运行速度上实现了显著提升.

惯性测量单元辅助的LiDAR动态点云剔除方法

针对动态场景下动态目标影响激光雷达同时定位与建图算法(LiDAR SLAM)的精度和成图效果问题,该文提出一种基于惯性测量单元(IMU)辅助的多层次模糊综合评价动态点云剔除方法。通过标定IMU/LiDAR外参统一两类传感器坐标系,再将每帧点云聚类分割为若干点云簇,以此为基础,利用IMU信息辅助建立相邻帧各点云簇间的配对关系,构建点云运动状态多层次模糊综合评价模型,判定各点云簇的运动状态,最终将动态点云簇从原始点云数据中剔除。为验证该文方法的可行性和精确性,设计了动态点云剔除实验,并将剔除动态点云后的点云数据输入激光雷达里程计与建图算法(LOAM)进行定位与建图。实验结果表明,该文方法动态点云的剔除成功率为98.67%,静态点云的误剔除率为2.01%,能够有效地提高点云数据质量。相比基于原始点云数据的LOAM算法,均方根误差降低了66.06%,最大误差降低了72.78%,实现了厘米级精度的定位,并且优化了建图效果。

基于改进YOLOv8s的动态视觉SLAM算法

针对SLAM系统在动态场景中因物体快速移动导致特征匹配性能降低的问题,本文在ORB-SLAM2框架上提出基于改进YOLOv8s的动态视觉SLAM算法。使用轻量级网络Fasternet替换YOLOv8s主干网络,使用RT-DETR中的Transformer Decoder Head改进检测头。结合几何与语义信息实现动态特征点的高效剔除。在TUM数据集上的实验表明,本算法在动态场景下的定位与建图精度比ORB-SLAM2提高约96.06%,并且具有良好的实时性。

基于位姿状态的激光雷达点云帧间编码方法

激光雷达动态获取点云压缩在智能驾驶领域具有重要应用。为了应对点云序列时域冗余问题,本文设计了基于位姿状态的激光雷达点云帧间编码方法。在动态获取点云场景中,点云在三维空间上分布广泛且稀疏。对此,将其映射到二维距离图上。并在此基础上,结合激光雷达位姿关系,提出了一种高效的帧间预测编码方法,以消除时域冗余。由于三维物体遮挡的原因,激光雷达运动时易导致预测距离图产生空洞现象,影响预测编码性能。采用空洞填补方法可提高算法预测精度,并对预测残差进行量化和压缩。实验结果表明,相较于G-PCC等编码方法,所提出的方法在编码性能方面表现更为优越。

GPS动态点定位的研究

本文主要介绍了用伪距观测量进行动态点定位及其数据处理的数学模型；从点定位的误差来源出发，分析了所能达到的理论精度和适用范围；简介了作者初步开发的“ＫＳＰＰ—ＤＰ”软件；最后在分析实测数据的验算结果基础上得出一些有益的结论。

动态试验指标定点差异的显著性检验

科学研究中广泛存在着呈动态变化的试验指标。通过建立动态试验指标随时间变化的回归方程,估计动态试验指标非观测点的指标值与试验的随机误差。在每个观测点没有设置重复的条件下,分别按照线性与非线性回归方程,提供了不同处理的动态试验指标在任意动态点间差异的显著性检验方法。

基于动态参照点的损失厌恶投资组合优化模型

在连续时间下,考虑损失厌恶投资者参照点的动态调整特征,构建基于动态参照点的损失厌恶投资组合模型,使用鞅方法对模型进行求解,得到最优风险资产权重的解析表达式。并计算损失厌恶投资者在参照点动态调整条件下的预期最优期末财富。进一步应用数值算例,分析投资者的参照点动态调整幅度和损失厌恶水平对模型最优风险资产权重和预期最优期末财富的影响。

异质网中基于张量表示的动态离群点检测方法

挖掘隐藏在异质信息网络中丰富的语义信息是数据挖掘的重要任务之一.离群点在值、数据分布、和产生机制上都明显不同于正常数据对象.检测离群点并分析其不同的产生机制,最终消除离群点具有重要的现实意义.目前,针对异质信息网络动态离群点检测的研究工作相对较少,还有很多问题有待解决.由于异质信息网络的动态性,随着时间的变化,正常数据对象也可能转变为离群点.针对异质网络提出一种基于张量表示的动态离群点检测方法(TRBOutlier),并根据张量表示的高阶数据构建张量索引树.通过搜索张量索引树,将特征加入到直接项集和间接项集中.同时,根据基于短文本相关性的聚类方法来判断数据集中的数据对象是否偏离其原聚簇来动态检测网络中的离群点.该模型能够在充分降低时间和空间复杂度的条件下保留异质网络中的语义信息.实验结果表明:该方法能够快速有效地进行异质网络环境下的动态离群点检测.

基于动态参照点的多主体有限理性路径选择模型

为了研究有限理性假设下出行者的自适应调整行为对交通网络分流的影响,利用累积前景理论结合演化元胞自动机建立了具有个体交互机制的多主体路径选择模型。在模型中将出行者划分为风险追求者与风险厌恶者,基于出行时间可靠性并借鉴元胞遗传算法的思想设计了具有异质特点的出行者动态参照点及其演化规则,使出行者个体能够依据决策环境的变化动态地调整自身的出行时间预算,更加符合出行者的实际行为特征。最后将多主体参照点演化规则与传统的相继平均算法相结合,求解路网配流。研究发现:演化模型较好地继承了传统模型中的路径分流特点;不同的出行者类型比例及出行者的信息接收程度是影响路网分流结构的重要因素。

动态随机点立体图刺激所引发的立体视觉诱发电位

目的:应用视觉电生理方法,客观地估价外斜视患者术前、术后的立体视水平,并借此评价手术矫正眼位对其立体视恢复的作用和机制。方法:应用自制动态随机点立体图(DynamicRandom Dot Stereopsis,DRDS)视刺激系统,记录30例正常人双眼及单眼观察DRDS的立体视觉诱发电位(VEP)。结果:(1)30例正常人应用Titnms立体图及同视机随机点立体图检查其立体视均≤100″。(2)双眼刺激30例正常人均记录到—恒定的负、正复合波,负波平均于218.70ms达到高峰,其后的正波波峰平均位于286.03ms处,波幅平均为7.80μV,其正波波峰的95%可信区间为277.99～294.07ms。(3)单眼刺激均未记录到电位,图形呈一条直线。结论:这种DRDS刺激是测定立体视的有效刺激,是探讨立体视觉发生、发育的一种方法。

动态盈亏平衡点法在油气田开发投资中的应用

近年来 ,静态盈亏平衡分析法在油气田开发投资项目中已得到广泛应用。在总结国内外研究的基础上 ,探讨盈亏平衡法由静态应用引伸到动态应用 ,获得了动态盈亏平衡点计算方法 ,并根据不同的利率水平确定不同的盈亏平衡点 ,从而更全面地进行油气田开发投资决策分析。结合我国西部某油气田开发投资项目进行了经济评价。