非结构化场景下的无人车轨迹规划研究

针对传统无人车轨迹规划算法在非结构化场景下存在实时性较低和轨迹平滑性较差等问题,提出了一种前后端分离的轨迹规划算法。该算法的前端路径搜索部分对Hybrid A*算法在控制空间进行搜索范围的剪枝且保留了车辆的运动学约束,并通过优化启发函数的计算方式,提高了图搜索的实时性。该算法的后端轨迹优化部分分为两个阶段:第一阶段设计了一个软约束非线性多目标优化器对路径进行局部优化,生成离散的轨迹位姿点和时间分配值;第二阶段基于五次样条曲线利用最小化Jerk的思想对离散位姿点进行平滑连接,提高了轨迹的平滑性。最后在室外停车场环境下对所提算法进行了实车测试,前端路径搜索和后端轨迹优化的实验结果表明该算法具有较高的实时性和轨迹平滑性。

基于深度学习的非约束场景多车牌识别方法研究

为解决非约束场景下的车牌识别精度问题,提出一种能够适应非约束场景并识别不同类型单车牌以及多车牌的自动车牌识别模型。该模型应用数据迁移技术,通过YOLOv5检测车辆并通过后处理筛选有效车辆目标,经检测并矫正后,通过ResNet18以及双向长短期记忆网络BLSTM网络结合连接时序分类损失CTC识别车牌字符。在模型训练过程中使用数据增强技术进一步提高了模型性能。该模型在CCPD以及AOLP的多个子数据集上进行了测试,展现出了优于其它方法识别精度和识别速度。

非限制场景下铁路机车车号定位检测方法

针对传统铁路机车车号定位检测模型泛化性较低,不适用于多种检测应用场景等问题,提出一种适用于非限制场景、基于YOLO(You Only Look Once)v4-tiny模型的铁路机车车号定位检测方法。文章采用空洞卷积代替标准卷积,增大机车车号特征提取感受野,提升传统YOLOv4-tiny模型的检测精度;建立铁路机车车号数据集(RLND,Railway Locomotive Number Dataset),用于模型训练,并对模型的检测效果进行验证。验证结果表明,该方法对铁路机车车号的定位检测精度为99.44%,检测速度为50帧/s,能够应对非限制场景下的机车车号定位检测需求。

基于场景的扫描线非均匀性校正算法

目前扫描红外热像仪有着广泛的应用,且一般采用基于定标的非均匀性校正方法;该类方法不能有效地校正图像中出现的扫描线。针对这一问题,本文对扫描线的表现进行分析,提出了一种基于场景的非均匀性校正算法,该算法采用图像像素点邻域标准差作为基础,通过类标准差对图像的差异信息进行计算,能够排除复杂场景的干扰,成功地识别扫描线,并对扫描线提取补偿。该算法计算简单,可以根据场景进行自适应校正,校正效果显著,具有一定的工程应用价值。

基于分部特征计算的轻量化非结构目标检测

针对非结构化场景(工地、矿场)缺少特殊目标的通用数据集、复杂特征难以准确提取以及计算复杂度高的问题,构建了一个面向非结构场景的特殊目标检测数据集,并提一种轻量化目标检测模型YOLO-PT,以极低的计算量达到了较高的检测精度。通过构建分部特征计算(partial feature calculation, PFC)模型减少特征冗余信息的计算,并引入了多头自注意力机制来增强复杂特征的提取精度,同时设计多通道金字塔结构对多尺度特征进行渐进式融合,提高复杂对象的识别精度。最后在非结构场景进行实验验证,结果表明,所提出方法仅在4.3×10^(6)的参数量下就达到了53%的准确率,在精度、参数量以及浮点运算量上均优于其他方法。

自适应置信度阈值的非限制场景车牌检测算法

针对车牌检测模型泛化性低,在智慧交通的不同应用场景中复用困难的问题,提出一种自适应置信度阈值的非限制场景车牌检测算法。首先,构建多预测头网络模型,利用分割预测头减少模型复用的预处理工作,利用自适应置信度阈值预测头提升模型的检测能力,并利用多尺度融合机制及边框回归预测头来提升模型的泛化能力;其次,采用可微分二值网络训练方法,利用可微分二值变换联合训练分类置信度及置信度阈值来学习模型参数;最后,利用连通感知非极大值抑制(CANMS)方法提升车牌检测的后处理速度,并引入轻量级网络ResNet18作为特征提取骨干网络,以减少模型参数量,进一步地提高检测速度。实验结果表明,在中国城市停车场数据集(CCPD)的6个不同限制条件特点的场景中,所提算法可获得平均99.5%的准确率与99.8%的召回率,并达到每秒70帧的高效检测速率,优于Faster R-CNN、SSD等锚框类算法的性能;在3个补充场景测试集上,所提算法对不同分辨率、不同拍摄距离、不同拍摄俯仰角等非限制场景下的车牌检测精度均高于90%。可见,所提算法在非限制场景下具备良好的检测性能及泛化能力,可以满足模型复用的要求。

一种非均匀场景复合高斯杂波下的自适应检测器

该文考虑一种非均匀环境中,复合高斯杂波下的目标检测问题,即待检测单元杂波协方差矩阵与参考单元杂波协方差矩阵之间并不相等,且杂波数据满足复合高斯统计分布模型。利用已知的先验信息,选择合适的先验分布,基于贝叶斯方法,该文给出了杂波协方差矩阵的最小均方误差估计,并将其应用于正则化匹配滤波器检验。计算机仿真结果表明,采用该文提出的杂波协方差估计算法,能够在参考数据较少的情况下,获得较好的检测性能。

非结构化场景下移动机器人FastSLAM应用研究

FastSLAM算法是当前移动机器人自定位与自建地图领域中研究的热点和关键。系统论述FastSLAM关键技术及基本理论,并设计非结构化场景进行自定位与自建地图应用研究。首先,对贝叶斯滤波理论进行了概述,得到移动机器人SLAM问题的基本贝叶斯滤波递归形式;其次,应用Rao-Blackwellised理论将状态分解为采样部分和解析部分进行讨论,得到SLAM问题的解耦形式;再次,论述了算法中序贯和综合重采样粒子滤波器;最后给出FastSLAM伪算法的整体实现过程,给出在非结构化场景下仿真结果。仿真结果表明FastSLAM算法在非结构化场景下能够有效快速地实现自定位与地图创建,当取粒子数合适时,在快速性和精确性方面都能够达到理想效果。

基于改进梯度抑制的非平面场景运动目标检测

针对非平面场景3D结构产生的视差对导弹及无人机等空中机动成像平台运动目标检测影响,从提高运动目标检测的快速性和准确性角度,基于梯度抑制算法,提出了改进算法。首先,在非平面场景的运动目标检测中,考虑到视差干扰主要出现在背景边缘上,采用梯度抑制法滤除视差像素。其次,对经过梯度抑制法滤波后的像素,应用外极几何约束,进一步滤除机动成像平台大角度机动产生的剩余视差像素,从而提取出离散的运动目标像素,并进行二值化处理。然后,采用行列投影的方法对二值化的运动目标像素进行分类,确定运动目标区域。最后,对所提的方法进行了实验验证,验证了算法的有效性。

基于90°旋转定标和场景校正相结合的非均匀性校正技术

非均匀性是影响红外遥感系统探测灵敏度的重要因素之一。随着红外遥感系统探测性能的提升,探测幅宽越大、辐射分辨率越高,对非均匀性要求也越高,而传统的非均匀性校正技术残差较大,难以满足要求,非均匀性已经成为限制红外系统在各领域深入应用的严重问题。针对高灵敏度长线阵推扫型海洋红外遥感系统,提出一种采用90°旋转定标(side-slither)和基于场景相结合的自适应校正技术。首先根据海洋背景红外辐射特性模型和系统响应特性,完成红外图像的仿真;通过side-slither定标技术,实现对图像的预校正以及盲元替换;根据side-slither原理,分析链路中影响校正残差的各因素,主要包括平台偏航和场景的高频动态变化,导致所有像元不能对同一辐射强度的场景成像,增大校正后图像的非均匀性残差。为进一步抑制非均匀性残差,对图像进行基于场景的自适应校正,仿真结果表明,经side-slither定标和恒定统计场景校正后,图像非均匀性残差能接近或小于时间噪声水平,满足高灵敏度探测需求,能够为后续红外弱目标的检出提供高品质图像。

基于场景的空间投影估计和时域迭代非均匀性校正算法（英文）

提出了一种基于场景的空间投影估计和时域迭代百均匀性校正算法(SPETI).这种方法主要是通过投影估计来估算全局位移,并且在连续多帧图像中进行迭代计算.首先,为配准准则设计了一个新的投影估计;然后,计算相邻帧并进行迭代计算,以此来获得较快的固定图案噪声(FPN)收敛,同时减少鬼影的产生;最后,将本算法移植至基于FPGA的硬件系统中.在连续单调运动的系统中测试算法的各项指标,并且将实际的校正效果予以展示.为了与自适应最小均方差算法和全变差算法进行比较,对一个完全干净的红外图像序列添加了人为的非均匀性.将固定标准增益和偏置非均匀性添加到图像序列上,以测试迭代次数与非均匀性等级的关系.

基于场景的非均匀校正算法在红外系统中的应用

在分析了几种非均匀校正算法特点的基础上,提出了一种易于硬件实现的新算法,并给出了具体的硬件实现方法。与许多基于场景的非均匀校正算法不同,它不依赖目标的运动来抑制固定的图像噪声,而是将图像中的固定图像噪声和随时间温度的缓慢变化带来的信号漂移,看作是一种低频信号,利用时域高通滤波,将低频滤除;由于滤除的低频信号远低于帧频,因此不会影响图像细节。应用结果表明,该算法能有效消除红外探测器的非均匀噪声并有效抑制温度变化带来的漂移。

麦尔维尔的哥特小说与《白鲸》的场景非美国化

麦尔维尔用对小说形式的实验来打破传统的浪漫主义小说创作传统,探讨了英美小说创作中的哥特小说传统和分析《白鲸》的非美国化场景,赋予了作品丰富的艺术价值与主题意义。借助于场景的非美国化,麦尔维尔成功地抨击了美国19世纪的奴隶制。

基于场景自适应收敛非均匀性校正方法(英文)

收敛问题是基于场景非均匀性校正算法的一个共性问题。提出了一个能够自适应收敛的非均匀性校正算法。该算法的一个特点是只对非均匀性空间频率的高频部分进行处理,详细论述了该处理的优点。同时还提出了一个控制收敛速度的因子,使得算法的收敛速度根据场景的动态范围自动调整。这将很大程度的改善基于场景非均匀性校正算法收敛特性。最后通过实验数据论证了该算法的性能。

基于轻量型卷积神经网络的非固定场景天气识别算法

针对传统方法无法准确识别天气情况且计算量大的问题提出了一种基于轻量型卷积神经网络的非固定场景天气图像分类方法。该方法应用扩张卷积和深度分离卷积来提取天气特征信息,采用残差结构来防止网络退化,并且采用改进的空间金字塔池化层实现多尺寸图片的处理。经验证,所提方法可以对不同尺寸的非固定场景天气图片进行分类,在构建出的数据集上相对于经典分类卷积神经网络以196M的计算量获得93.2%的准确率。所提方法一定程度上可以准确识别非固定场景的天气情况,并且具有应用到嵌入式平台上的前景。

海陆交界非平稳场景星载ScanSAR扇贝效应抑制方法

扫描式合成孔径雷达(ScanSAR)因不受光线、天气影响,能够提供宽测绘带图像而被广泛应用在海洋监测领域。但ScanSAR图像的扇贝效应(Scalloping)和子带拼接效应(Inter-Scan Banding,ISB)严重地降低图像质量,尤其在海陆相接一类的非平稳场景下,干扰更为严重,影响图像的应用效能。针对上述问题,文章给出了一种基于图像分层和卡尔曼滤波的ScanSAR图像扇贝效应和子带拼接效应的抑制方法。针对非平稳场景,先进行图像分层处理使其满足线性卡尔曼滤波需求;然后,利用加性二维周期函数对子图层的扇贝效应和子带拼接效应进行建模;再将卡尔曼滤波器应用于条纹抑制;最后,对真实ScanSAR图像数据的有效处理结果验证了算法的有效性。

移动机器人非结构场景图像边缘检测算法

针对非结构场景没有规则形状,传统算法不易识别以及红外图像对比度低很难区分灰度值相近的道路、水、天等目标的难点,提出了一种新的改进蚁群算法;新算法针对复杂背景图像的微弱边缘检测问题,围绕现有蚁群算法的关键步骤,从两个方面对其进行了改进,一是对信息素的表达式进行了改进,二是改进了启发信息值的计算方法;通过实例对新算法进行了验证,结果表明,新算法具有边缘检测位置准确、连续性好且干扰少的优点。

非控场景下主成分稀疏表示与低秩分解的人脸识别

针对非受控场景下人脸识别率低的问题,提出一种非控场景下基于主成分稀疏表示与低秩分解的人脸识别算法。首先通过核心基础信息平台收集的数据自构建基础人脸库,然后采集课堂照片并对采样照片通过主成分稀疏表示和低秩分解算法进行分割,最后以基础人脸库为样本进行匹配识别,并将未进行低秩分解的情况与低秩分解后的结果进行比较。实验结果表明,在非受控场景下通过主成分稀疏表示叠加低秩分解的识别效果对光照变化影响的鲁棒性较强,对遮挡情况受到的影响相对明显,总体识别正确率最高达到92.4%,达到较好非控场景下人脸识别效果。该算法对开放型非受控场景下的人脸识别及由此衍生出的表情识别、行为识别等研究都有积极助益。

基于图像绘制的非照相真实感场景绘制技术研究

本文对虚拟环境中非照相真实感场景绘制技术进行了分析,通过基于图像绘制解决了在柱面全景图场景绘制过程中未解决的交互性及帧与帧之间连贯性的要求。利用簇集图画和分片图画实现了纹理映射中图画尺寸控制,同时对场景绘制中纹理内存的管理提出了解决方案。

基于面元模型的非刚性动态场景重建方法研究

场景目标几何变形和运动的同时表述是非刚性动态场景重建的一个关键问题,出现遮挡、开—合拓扑变化、快速运动等情况都可能导致场景重建失败。针对这一问题,研究提出了一种基于面元模型的非刚性动态场景重建方法,利用基于权值算法的深度相机点到平面迭代最近点(Iterative Closest Point,ICP)算法改进了已有系统非刚性变形场估计中ICP能量函数的求解过程。与基于SDF模型的重建方法相比较,基于面元模型的方法支持在线高效更新,占用计算资源更少,更加轻量化。在VolumeDeform数据集上的对比实验表明,改进后的方法提高了系统的鲁棒性,重建的模型更加完整。