双三次样条插值法的磁熵变计算系统的研究

本文详细探讨了基于双三次样条插值法的磁熵变(ΔSM)计算方法,并通过软件实现;该方法与传统方法相比,可更精确地找到最大磁熵变,计算速度大大提高,为磁制冷材料提供了更准确的依据。

基于双三次插值的巡检机器人初始位姿优化

针对变电站稀疏环境下智能巡检机器人初始定位误差大的问题,提出一种基于双三次插值法的巡检机器人初始位姿优化方法。首先对栅格地图进行定位窗口的扫描,计算出可能的位姿候选。然后根据变电站的环境特点,对位姿候选点进行置信度计算,从而得到分值最高的位姿作为初始定位估值。最后根据双三次插值法来构建初始位姿的优化目标函数,对初始定位的估值进行更精确的计算从而确定最优的初始位姿。实验结果显示,该方法能实现精确的初始定位且具有较强的鲁棒性。

格网DEM的几种插值方法实践

最邻近插值、双线性内插和双三次插值是格网DEM常用的插值方法,借助于MatLab,文章实现了这三种插值法,实验表明:双三次插值法具有良好的连续性和较高的地形仿真度。

基于SRCNN的条形码图像超分辨率重建

针对像素较低的摄像头对条形码进行拍摄识别时,需要靠近条形码并保持较久的时间,且存在一定的扫描结果错误率等问题,利用卷积神经网络技术SRCNN对单幅低清晰度条形码图片进行超分辨率重建,将低分辨率图片转换为高分辨率图片。通过实验验证,SRCNN相对于传统超分方法,在图像处理和评价指标方面取得了更好的效果,实现了条形码图像的超分辨率重建,获得了更为清晰的图片。

矢量填充和插值算法的图像放大

论文针对图像放大问题,建立了矢量化填充放大模型。并针对矢量化填充放大模型不能处理复杂图像的缺点,使用并比较了最邻近插值法、双线性插值法、双三次插值法三种不同的算法。并综合以上四个模型,得到以下结论:矢量化填充放大模型适用于较简单的可矢量化的图像,可无限放大,且不影响其成像。基于插值算法的三个模型中,最邻近法模型算法简单、计算量小、处理速度快,但处理后的图像会出现块效应,造成图像模糊。双线性插值法模型克服了最邻近法处理图像出现块效应的问题,其计算相比双三次法简单,但边缘细微结构会受到影响,产生轮廓模糊的现象。双三次插值法模型解决了以上两种算法的缺点,计算精度高,带有边缘增强的效果,能够较好保持图像的细微结构,但计算量较大。

基于优化Hector-SLAM算法的机器人自主导航系统设计

针对机器人在复杂地形环境下定位不准确、建图精度不高和误差堆积等问题,设计了一种基于优化Hector-SLAM(simultaneous localization and mapping,实时定位与建图)算法的自主导航系统,以实现机器人在及时躲避障碍物的同时准确到达目标点。首先,采用双三次插值法代替原有插值法,以解决Hector-SLAM算法在使用低精度激光雷达数据建图时易出现地图不清晰等问题,从而提升扫描匹配的精准度。其次,采用扩展卡尔曼滤波算法对里程计和惯性测量单元的数据进行融合,以提高定位的准确性。再次,针对激光点数据无法瞬时获得而机器人持续运动所导致的运动畸变问题,结合里程计辅助法与PL-ICP(point to line iterative closest points,点到线迭代最近点)配准法,以实现运动畸变的校正;同时,设置倾斜角阈值以消除地图重影,并利用A*算法和动态窗口法规划最优路径。最后,以AGV(automated guided vehicle,自主导引车)为例,在实际场景中开展建图实验和自主导航实验。结果表明,优化后自主导航系统的平均建图相对误差约为0.44%,最小建图误差为0.236 m,较优化前减小了0.041 m,有效地解决了因误差堆积和运动畸变而导致的建图不清晰问题,增强了AGV在复杂地形环境中的适应能力,实现了高精度定位。研究结果对提高移动机器人在室内多障碍物环境下的自主导航能力具有一定的理论和工程意义。

基于改进梯度法的数字图像相关亚像素位移求解算法

在数字散斑相关法中,传统梯度法搜索的亚像素测量精度已无法满足实际工程中的要求。针对此问题,提出了一种基于插值和梯度的亚像素位移测量混合算法。该算法在已知整像素配准点的基础上,先利用双三次插值法粗匹配出精度为0.2 pixel的亚像素配准点,再通过梯度法匹配得到更高精度的亚像素配准点,避免了梯度法在一阶泰勒公式展开时的舍弃量过大问题,在不提升摄像机分辨率的情况下,有效地提高了测量精度及计算效率。通过仿真实验测试了该算法的性能,并与曲面拟合法、插值法及梯度法进行对比,显示该算法的精度可达0.01 pixel,高于另外三种算法的精度。此外通过刚体平移实验检验该算法在实际应用中的效果,实验结果显示,所提算法的位移精度可达0.001 mm,误差在0~3%之间,计算时间为0.027 s。综上所述,所提出的亚像素位移测量混合算法的精度较高,计算效率也满足工程应用的要求。

改进YOLOX的跨座式单轨PC轨道梁面裂纹检测算法

PC轨道梁作为跨座式单轨交通系统的重要组成部分,其表面裂纹缺陷会直接威胁整个交通线的运营安全。针对传统PC轨道梁面裂纹检测精度低、效率低等问题,提出一种基于改进YOLOX的轨道梁面裂纹检测方法。该方法通过在加强空间特征提取网络中使用Ghost轻量化卷积提取目标特征,以降低模型计算复杂度;将自适应特征融合(adaptively spatial feature fusion,ASFF)模块嵌入特征融合层,让模型自适应学习各个特征层间的联系,加强网络对裂纹区域的重视程度;使用双三次插值法进行上采样,进一步提升网络检测性能。实验结果表明,改进后模型相较于原基准模型平均检测精度提升4.40%,在参数量上比原模型下降25.08%,每秒检测裂纹图像数量为119帧,说明模型在准确性和实时性方面符合实际工程需求。