视觉驱动的变分配准方法

针对传统整体配准模型不能充分顾及局部变形的问题,提出了一种视觉驱动的变分配准方法。该方法在变分模型建立中综合考虑了局部变换、整体平滑和视觉约束,同时兼顾了亮度和对比度差异。首先,基于灰度均方根误差建立配准模型的数据项;其次,为了保证整体平滑,模型采用H1半范数进行自适应约束;最后,为了保证影像中的空间属性满足视觉的要求,不能出现扭曲变形,采用直线特征进行先验约束。在变分模型求解过程中先利用整个影像估计影像之间的整体变换参数,然后采用小的邻域范围进行局部估计。整个过程在多水平差分框架下迭代求解变换参数,进而兼顾了整体平滑和局部变形。笔者利用ZY-3卫星数据进行了试验,采用目视和量化指标进行了评价,验证了本文方法的优越性。

视觉驱动下的品牌形象设计:动力及形式

视觉驱动下的品牌形象设计,具有“非终端性”的特质,不以造物为设计终点,以构建受众对品牌的视觉认知为最终目的。品牌形象的呈现是视觉动力场,任何视觉式样都可以是力的式样,其动力模式可分为外在力模式、发散力模式、双向力模式;形式符号是动力模式实现的工具。品牌作为一个整体概念,在设计中要有效整合可选择的形式符号,促进品牌形象高效地传达。形式符号与动力模式的有机结合,将成为塑造品牌形象的利器。

视觉驱动机械臂自主作业技术综述

视觉驱动机械臂自主作业技术在工业生产、航空航天以及深海探测等诸多领域都具有重要的意义.在回顾多年视觉驱动机械臂自主作业技术的基础上,从基于几何驱动的控制和基于数据驱动的控制两个方向进行归纳总结.对不同的控制方法,介绍了控制的原理,总结了每一类自主作业控制的研究成果,并对每种控制方法的特点以及存在的问题进行分析.针对视觉驱动机械臂自主作业在关键领域中的研究,本文重点分析讨论了海洋开发与探测领域中存在的关键问题与挑战.

基于视觉驱动的自动嫁接机样机系统

随着土地资源的日趋紧张和轮作大田的逐渐减少,为克服土传病而采取的嫁接作业越来越多。在农村劳动力不断减少的情况下,自动嫁接机的使用能大大提高嫁接效率,解放劳动力,保证嫁接质量,提高成活率。本研究提出1种基于视觉驱动的自动嫁接机样机系统,采用多台低价的桌面机器人,在视觉驱动下保持动作的准确性及动作精度,可降低自动嫁接机的使用成本,同时减少人工操作,具有广泛的通用性。

视觉驱动:由“看见”到“完成”--微视频在小学体育教学中的精准应用研究

体育课堂中教师的教、学生的学以及学练方式都是为了促进学生达成学习目标。通过“视觉”激发学生的学习兴趣,通过展开“驱动”达成学习目标,两者结合可以培养学生终身体育意识,从而让课堂教学更有效。

3D场景立体画面绘制的视觉感知驱动光照复用方法

针对用蒙特卡罗路径跟踪绘制3D场景立体画面的计算开销巨大,而3D warping根据左眼画面生成右眼画面,但无法正确地呈现镜面反射现象,且存在空洞的问题,提出3D场景立体画面绘制的视觉感知驱动光照复用方法.首先,逐像素地跟踪少量路径实现预绘制,通过获取左右眼画面的可视场景点表、显著性图和背景掩膜等辅助信息,完成左眼画面绘制;然后分别进行背景复用和3D warping复用,避免右眼画面部分像素的路径跟踪计算;最后,根据显著性图分配镜面反射区域及剩余空洞区域的路径样本数,在低采样水平下完成右眼画面绘制.在PBRT-V3通用测试场景下的实验表明,该方法能够准确地呈现镜面反射现象,提高绘制结果的视觉感知质量,与基于3Dwarping和路径跟踪的方法相比,其平均PSNR,SSIM和VSNR分别提高5.68%~22.62%,6.38%~19.36%和4.25%~34.53%.

基于视觉质量驱动的无监督水下图像复原

基于深度学习的水下图像复原方法已经取得了较大进展,但大多数是有监督学习方法,其通常需要大量高质量的清晰图像作为参考,难以应用于实际水下场景.因此,从水下图像降质机理和视觉质量提升等角度出发,提出一种基于视觉质量驱动且无需任何参考图像的无监督水下图像复原方法.网络主体采用基于小波变换的编解码结构,包含一些对称的卷积层和反卷积层,学习端到端的数据映射;为了实现特征复用,在编解码对应层加入跳层连接,增强特征提取能力;使用小波变换取代传统上采样和下采样,保证特征提取过程中较好地保持图像细节;设计残差增强模块,有效缓解梯度消失和过拟合现象.更为重要的是,从图像视觉质量改善角度出发,设计一系列无参考损失函数,包括感知损失、全变差正则化损失、颜色损失、对比度损失等,网络可实现由水下降质图像到清晰图像的直接输出.实验结果表明,所提无监督水下图像复原方法优于部分监督式方法,无参考评价指标Entropy、UIQM分别取得最高值7.38、3.31,且复原图像细节丰富、色彩自然,具有较强的泛化能力,可较好用于实际水下场景.

一种新的移动机器人气体泄漏源视觉搜寻方法

为提高视觉信息的处理效率,将视觉注意机制引入到特定目标(泄漏源)的搜寻过程中,在此基础上提出了一种新的基于任务驱动视觉注意机制(TBVAM)的气体泄漏源搜寻方法.该方法分为3步完成:首先,确定能有效凸显目标物的对比映射图合并权值系数;其次,当获取实际场景的图像信息后,利用训练得到的权值系数加权合并不同特征及尺度的对比映射图,得到少数几个可疑目标区域,并结合激光测距信息计算出可疑目标所在的位置;最后,驱动机器人对可疑目标区域进行排查,通过判断嗅觉传感器检测到的气体浓度是否大于给定阈值确定其是否找到气体泄漏源.实验结果表明,所提出算法能显著提高对气体泄漏源的搜寻效率.

基于改进A2C目标驱动的室内无地图导航方法

室内无先验地图场景下的目标驱动式导航是机器人领域的公认难题,近年来兴起的深度强化学习方法为该问题的求解提供了新思路,同时也产生了诸如模型泛化能力不足、难以收敛的新问题。为解决上述问题,提出了一种基于深度强化学习的视觉目标驱动式室内无地图导航方法,设计了一种新的稠密奖励机制,同时引入目标驱动模型并嵌入深度残差网络进行场景特征提取,通过Actor-Critic强化学习算法进行模型训练。以室内导航模拟器Ai2thor为仿真环境,通过对比实验验证了算法具有更快的训练收敛速率及良好的泛化性能。

智能传感器及其在体温检测中的应用

随着高新材料的持续涌现,温度传感器性能不断提升,应用市场不断转型拓宽,其作为自动化控制、网络信息传递的基础,将感知、处理、通信结合不断地深入生活,深度影响我国科技化社会的生活方式,同时减少系统处理间的人为干预和管理控制。文章阐述几类智能传感器的结构原理、应用领域和发展态势,提出现代化医疗护理体征参数测量新策略,搭配研发的视觉驱动智能护理床配套使用,用户使用设备时,体温生理参数的检测是本文研究内容的核心之要。最后,智能化传感器正逐步结合AI向网络系统化方向拓宽,契合当下物联网趋势,能够为新旧产业注入新鲜活力,不断引领智能化行业进步,相信必将在崭新的时代中发挥更大的影响力,带动智能化、科技化社会稳步向前发展。

融合机器人视／嗅觉信息的室内气体源识别

提出了一种新的融合机器人视觉和嗅觉双模态信息的识别和定位室内通风环境下气体泄漏源的方法。该方法首先采用自顶向下的任务驱动视觉注意机制（TDVAM）计算模型对场景图像进行分析得到多个显著区域，其次对显著区域提取多个形状特征（面积、周长、紧密度、长宽比）并进行形状匹配分析，确定其是否为疑似泄漏源区域，最后采用最小二乘估计方法融合视／嗅觉双模态信息识别真正的气体泄漏源。实际室内环境的测试结果验证了该方法的可行性。