基于物体像的干涉条纹图像中散斑噪声的识别方法

散斑噪声是激光干涉时的普遍现象,其覆盖被测表面对应区域的形状信息,造成测量误差。针对斜入式激光干涉测量中散斑噪声的特点,提出一种基于物体像的散斑噪声的识别方法。该方法通过统计物体像中有效测量区域和背景区域内灰度分布的特点,自动计算出判定散斑噪声的上下阈值。基于物体像与干涉条纹图像间微米级的映射关系,得到干涉条纹图像中散斑噪声的位置。设计了相关实验,对干涉条纹图像中识别出的散斑噪声区域进行修补,消除了包裹相位图中一个条纹周期内相邻像素点间大于π的相位突变。

基于表面高度和不确定性的单目3D物体检测

单目3D (three-dimensional)物体检测是自动驾驶和机器人导航中的一项基础但具有挑战性的任务.直接从单张图片预测深度本质上是一个不适定的问题.几何投影是一种强大的深度估计方法,它从物体的物理高度和图像平面中的投影高度推断物体的深度.然而,高度估计错误将会放大深度估计的误差.研究了预测物体表面点的物理高度和投影高度,而不是物体本身的高度,由此可获得一系列深度候选值;还研究了估计高度的不确定性,并根据不确定性来组合这些深度候选值,以获得最终的目标深度.实验证明了此深度估计方法的有效性,且该方法在KITTI数据集的单目3D目标检测任务上达到了SOTA (state-ofthe-art)结果.

基于三维关键点投票的物体位姿估计方法

针对单帧RGB-D图像进行物体六自由度位姿估计时,在物体遮挡、光线情况不良、低纹理情况下性能不佳的问题,本文设计了一种基于多网络特征融合(颜色特征提取网络和点云特征提取网络)的深度学习网络.首先,使用颜色特征提取网络提取RGB图像中的纹理特征,使用点云特征提取网络计算深度图中的点云特征,进行几何特征与纹理特征计算后,回归计算点云的关键点投票及实例语义信息.然后,通过投票聚类方式计算每个实例的所属类别和关键点位置.将RGB-D图像中的颜色信息与几何信息分别计算,由于后续操作需要充分考虑像素及点云的局部信息与全局信息,分别使用改进后的残差神经网络和RIPoint(residuals inverted point)网络提取数据特征.采用神经网络中的特征融合方法将颜色信息与几何信息充分提取,为后续模块提供更有效的点云特征.使用深度霍夫投票算法与均值偏移聚类算法计算实例的三维关键点坐标.最后,利用最小二乘拟合方法计算预测三维关键点的物体位姿参数.在LineMOD数据集和YCB-Video数据集上进行测试,实验结果表明:与六自由度物体位姿估计方法相比,本文模型预测的物体位姿准确率高于其他方法,平均准确率分别达到99.5%和96.9%.网络同时基本满足实时性要求,完成一帧RGB-D图像的多实例物体位姿估计时间需0.06 s.

基于文本挖掘的水电工程施工物体打击事故致因分析

为探明水电工程施工过程中物体打击事故的致因及作用关系,提出针对性的事故预防措施,从源头遏制事故发生。遴选水电工程施工物体打击事故调查报告,运用文本挖掘从人、机、环、管4个方面提取14项事故致因。融合关联规则、决策试验和评价实验室(DEMATEL)方法,厘清致因因素间的关联关系,构建重要度分析模型,确定事故近端致因因素。结果表明:水电工程物体打击事故各致因间联系紧密,其中,安全监督检查不到位、违章作业、安全防护措施不完备、安全意识淡薄等致因因素对事故发生具有直接影响作用。现场清理不彻底、安全技术交底不到位、安全教育培训不到位等是诱发事故的深层影响因素,且安全意识淡薄的中心度排名第一,对事故致因系统的影响较大,在实际施工中应着重考虑上述致因因素。

何以情动:人工智能时代的物体间性逻辑与“人—物”认识论新进路

人工智能的飞速发展催生了技术哲学“物体间性”的新思考,提供了从机体、认知、感受三个层面重新理解“人—物”关系的可能:机体层面,智能技术物通过聚合机制产生了拟仿人体感知、行动反馈以及自我演化的生机性,消弭了有机物与无机物的绝对边界;认知层面,智能技术物的生机性和物质活力使其成为人类的“伴侣物种”,改变了技术客体化的偏狭观念,形成了一种具有生成性、动态性的物质过程认识论;感受层面,跨越物种的“情动”使人与物的情感关系经过二阶分化不断适配彼此的尺度,最终延伸了交流的媒介化逻辑,生成“人—物”关系的内置连接。物体间性逻辑激活了“物活力”与存在秩序的张力,勾勒出“物”的能动性向度,推动了“人—物”关系的认识论更新。

基于光学成像探测的仅测角高轨空间物体接近感知方法

提出一种仅利用任务航天器光学成像探测设备给出的测角信息进行高轨空间物体接近行为感知的方法。首先,分析了空间物体相对任务航天器的方位变化规律,得到物体接近时在任务航天器轨道坐标系下方位角正切值随时间波动幅值逐渐增大;其次,分析了在光学成像探测设备成像过程中,逆光与探测设备灵敏度对空间物体可见性的影响,得到物体可见弧段在每个轨道周期内具有一定的相似性;进一步地,根据物体相对方位及可见性的变化规律,设计了一种空间物体接近行为感知方法,利用物体观测量的轨道周期一致性进行多段观测量关联,拟合方位角正切值随时间波动趋势,预测波动极值并统计极值变化规律,实现物体接近行为感知;最后,仿真验证了该方法具备不依赖距离信息感知高轨空间物体相对任务航天器接近行为的能力,仅利用3个轨道周期内、每周期有效弧段大于30 min的高轨空间物体指向测量信息判断物体相对任务航天器存在接近行为的准确率优于96%。结果证明:该方法通过赋能任务航天器常用光学成像探测设备高效费比地实现航天器自我防护能力有效提升,可普遍用于高轨航天器任务。

融合语义信息与物体级几何特征的实时动态激光SLAM算法

针对现有的激光SLAM算法在动态场景下鲁棒性差、定位与建图精度易受动态物体干扰的问题,提出了一种融合语义信息与物体级几何特征的实时动态激光SLAM算法Object-SuMa。首先通过地面滤波、物体分割、方向包围盒解算等过程,生成物体级几何特征并表示为纹理,用于并行计算和修正物体内部错误的语义分割结果;然后在配准过程中分解计算方向包围盒间的IOU,并基于包围盒IOU和语义分割结果引入物体级几何加权和语义加权,减少误匹配和动态点匹配;借助图形渲染管线构建并行计算过程,进行地面点配准和非地面点配准两步优化,降低计算复杂度和耗时;最后在KITTI里程计数据集测试表明,Object-SuMa算法相比SuMa++算法的相对位姿估计精度提升15%,ICP平均耗时下降17%,改善了动态场景下的激光SLAM定位精度和鲁棒性。

透明物体非侵入式三维重建方法综述(特邀)

玻璃、透镜以及显示屏等透明物体在各个领域有着大量需求和应用,需要快速、精确和完整地对它们进行三维重建,从而客观描述物体形态、检测表面质量和保障元器件功能。但由于透明物体表面的镜面反射和折射特性,传统的三维重建方法并不适合直接应用于其三维形貌测量。为此,概述了透明物体的非侵入式三维重建方法,从基于反射光重建和基于透射光重建两个方面展开,回顾了近年来的主要研究工作。然后,详细比较了各种技术的优缺点及其适用情况,使用者们可以根据不同应用需求和测量条件选择合适的透明物体重建方案。最后,展望了该领域未来的研究方向,希望能为研究人员在完善现有方法或探索新方法时提供参考和思路。

语义重建的动态监督伪装物体检测

伪装物体检测旨在分离视觉上高度融入周围环境的物体,但是物体前景与背景存在大量相似干扰,导致分割过程中易于出现明显错误.针对上述问题,文中提出基于语义重建的动态监督伪装物体检测网络(Dynamic Supervised Camouflaged Object Detection Network with Semantic Reconstruction,DSSRNet),通过重建特征图的空间语义和引入置信度指导网络训练,实现对伪装物体的准确分割.首先,提出空间语义低秩重建机制,精细感知不同尺度下伪装物体具有区分性的语义特征.然后,生成预测置信度图,对分割过程进行动态监督,减少网络因过于自信造成的假阳性和假阴性判断.最后,提出模糊感知损失函数,对网络施加强约束,改善预测时产生的图像模糊问题.在3个具有挑战性的基准数据集上的实验表明,DSSRNet可较好地排除相似信息干扰,取得精准的分割效果.

真实场景中的物体识别与环境理解:开放世界的视觉问题

机器视觉研究的主要目的是提出能够在真实场景中开展有效工作的物体识别与环境理解方法与系统.近年来,随着深度学习与大模型技术的广泛使用,机器视觉已经在结构化静态物体与环境的识别等领域取得了巨大的进步,为信息技术产业的发展提供了坚实的技术基础.

部分反射直墙前二维物体的绕射和辐射问题

基于映像理论将部分反射直墙前物体的散射问题,等效于开敞水域中原物体的散射和关于直墙映像体散射的线性叠加进行求解。采用高阶边界元方法建立了部分反射直墙前二维任意形状物体波浪绕射和辐射问题的数值分析模型,通过与已发表的海底方箱和淹没圆柱结果的对比验证了数值模型的准确性。应用该模型研究了直墙反射系数幅值及相位、方箱与墙间距离等参数对水面方箱上波浪激振力、附加质量和辐射阻尼的影响。结果表明:直墙反射系数幅值越大,波浪激振力、附加质量和辐射阻尼的波动越大,附加质量在一些频率下出现负值;相位角的变化会改变波浪激振力、附加质量和辐射阻尼曲线的偏移,在低频区对升沉附加质量有显著影响;方箱距离直墙越远,方箱上的波浪激振力、附加质量和辐射阻尼随波数振荡的频率越快,峰值频率向低频侧移动。

基于Hough变换的动态目标物体识别算法研究

与静态物体不同,动态物体具有实时变化的特点,加大了目标识别难度,为了精准识别动态目标物体,提出一种单目AR环境下动态目标物体识别算法。通过摄像机采集单目AR环境下的动态目标图像序列,采用MMTD和软阈值滤波方法对目标物体图像滤波处理。引入Hough变换方法获取动态目标物体的直线信息,并通过模式识别获取动态目标物体的位置和朝向信息,结合获取的信息实现动态目标物体识别。实验结果表明,采用所提算法方法可以在较短的时间内准确识别动态目标物体,且目标识别误差较低,对动态图像识别研究具有一定的参考价值。

基于单目视觉的三维物体高度检测方法设计与研究

文章针对三维物体高度测量的单目机器视觉方法进行研究,设计了以射影几何为基础,利用被测工件形体几何约束构建测量函数,基于单目视觉图像处理,利用投影直方图统计分析的方法构建函数,并通过实验分析该几何投影测量存在的误差。验证了投影直方图统计分析方法在三维物体尺寸测量中应用的合理性和正确性。

基于多频相移的相位偏折测量透明物体表面三维形貌

光学三维测量中的相位偏折测量术以其快速、高精度、稳定抗干扰的优点,在光学表面测量、快速检测等领域得到广泛应用。透明物体因其上下表面的折射和反射,导致相机采集到不同表面反射叠加的混合条纹,传统的相位偏折测量术难以对其进行有效的三维测量。为解决该问题,文中提出一种基于多频相移的相位偏折法测量透明物体的表面三维形貌。首先,显示屏显示多种不同频率与多步相移结合的正弦条纹,从另外一个角度相机采集物体表面反射的混合条纹。然后,利用最小二乘法迭代将混合条纹进行分离,得到上下表面折叠相位并展开。接着,通过梯度标定确定相位与梯度的关系,根据梯度积分恢复透明物体表面的三维形貌。最后,实验证明所提方法能够有效实现混合条纹的分离,实测透明玻璃板上表面的平均误差从32.4μm减少到5.1μm,结果验证了混合条纹分离方法的有效性,提升了透明物体表面三维形貌测量精度。与已有方法相比,文中方法可以有效避免初始相位值偏差较大带来的影响,缩短计算时间,适用于不同形状透明物体表面三维形貌的测量。

基于三通道并行的高反光物体三维形貌测量

传统条纹投影技术测量高反光物体时因过度曝光导致相机失真,而常用的多重曝光时间法采集图像数量过多、耗时过长,为此提出了一种基于三通道并行的条纹投影强度预测与图像融合的方法。该方法根据被测物体的光强直方图分布计算条纹最佳投影光强比例关系,投影对应的红绿蓝条纹。利用彩色相机在多光通道下对投影条纹的不同响应,分离对应条纹图像并选择其中不饱和并且调制度最大的像素生成各自通道的图像掩膜,根据三通道下的掩膜图像和条纹图像合成高动态范围条纹图。通过相位解算与系统标定,最终恢复出高反光金属平面与球面零件的三维形貌。实验结果表明,该方法测量误差减小至传统方法的61.2%,同样采集12张条纹图像,仅增加1张预投影图像,提高系统适应性的同时也提升了测量精度。

光学图像中空间物体条痕检测方法综述

空间物体在光学图像中常常表现为拖长的条纹形状,即条痕,条痕的准确检测对空间物体的识别与测量具有重要意义。近年来,许多研究人员对空间物体条痕的检测方法进行研究,取得了丰硕的成果。随着空间物体探测能力的提高,暗弱条痕的检测在空间物体精确探测中变得越发重要。对当前光学图像中空间物体条痕检测方法的主要原理和步骤进行了综述,根据不同方法的特点进行了分类和总结,并选择了四种不同类别的代表性单帧图像空间物体条痕检测算法,利用模拟图像和实测图像对这四种方法进行了实验对比,根据实验结果分析了各方法的优缺点,最后对光学图像中的条痕检测方法的未来发展方向进行了展望。

开放世界物体识别与检测系统:现状、挑战与展望

探究了从封闭环境到开放世界环境的转变及其对视觉感知(集中于物体识别和检测)与深度学习领域的影响.在开放世界环境中,系统软件需适应不断变化的环境和需求,这为深度学习方法带来新挑战.特别是,开放世界视觉感知要求系统理解和处理训练阶段未见的环境和物体,这超出了传统封闭系统的能力.首先讨论了技术进步带来的动态、自适应系统需求,突出了开放系统相较封闭系统的优势.接着,深入探讨了开放世界的定义和现有工作,涵盖开集学习、零样本学习、小样本学习、长尾学习、增量学习等5个开放维度.在开放世界物体识别方面,分析了每个维度的核心挑战,并为每个任务数据集提供了量化的评价指标.对于开放世界物体检测,讨论了检测相比识别的新增挑战,如遮挡、尺度、姿态、共生关系、背景干扰等,并强调了仿真环境在构建开放世界物体检测数据集中的重要性.最后,强调开放世界概念为深度学习带来的新视角和机遇,是推动技术进步和深入理解世界的机会,为未来研究提供参考.

基于方向编码与空洞采样的室内点云物体分割

针对现有方法在处理局部特征时忽略方向信息,且由于卷积核大小的限制无法有效地提取点云邻域特征等问题,提出一种点云分割方法.首先结合方向编码和空洞采样最大程度扩大网络的局部感受野.其次利用图卷积神经网络挖掘局部邻域内点的信息.然后使用邻域特征提取层自动加权融合邻域特征为更具有代表性的单个特征点.最后结合空间注意力机制,增加远程点之间的联系.在S3DIS数据集上进行物体分割实验的结果表明,所提方法的OA和mIoU比PointWeb高1.3个百分点和4.0个百分点,比基线方法 RandLA-Net高0.6个百分点和0.7个百分点,使用空洞采样与方向编码能够有效地提高点云的语义分割精度.

视觉显著物体检测综述:方法、挑战及未来

视觉显著物体检测作为计算机视觉领域的关键研究方向,也是学术研究的热点之一。本文系统性地梳理了该领域的研究方法、面临的挑战和未来的发展方向。首先,概述了视觉显著物体检测的发展脉络,以及其在计算机视觉领域的广泛应用;其次,对视觉显著物体检测方法进行了详尽的回顾,涵盖了基于显著性特征以及深度学习框架下的检测方法;再次,深入探讨了基于传统卷积神经网络和全卷积神经网络的显著物体检测方法,以及基于注意力机制的显著物体检测方法,并对视觉显著物体检测领域常用的数据集和评价指标进行了介绍;从次,针对当前视觉显著物体检测面临的挑战,如现有数据集的局限、复杂场景下的检测准确度等,文章进行了总结分析;最后,展望了视觉显著物体检测的未来发展方向。通过本文的综述,旨在为从事视觉显著物体检测的研究者提供全面而深入的参考,以促进该领域的进一步发展。

爆炸冲击波作用于生物体损伤的数值仿真研究进展

立足于爆炸冲击波作用下生物体损伤高精度数值仿真与准确评价的需求,对爆炸冲击损伤数值仿真算法、力学本构模型与参数确定、以及不同部位损伤表征力学参量3个方面的研究现状进行了综述,结合相关现状,分析了影响现有损伤评价精度的主要因素:①现有适用于描述爆炸冲击生物体损伤的本构模型理论发展尚不完善,需构建考虑塑性、损伤、率相关等非线性效应的力学模型,且同步发展生物体动态试验模型参数确定方法;②现有生物体损伤表征量尚未统一,需关注数值仿真结果分析与实验结果对比研究,确定影响生物体不同器官损伤的主要力学参量,获取精确的损伤阈值;③与自由场爆炸相比,密闭空间爆炸冲击波传播情况更为复杂,需进一步发展密闭空间爆炸生物体损伤高精度仿真方法并揭示相关损伤机制。