ECA_SB:一种轻量级人体骨架点提取网络

SB(Simple Baseline)网络提取人体骨架点具有较高精度,但SB网络存在参数量和计算量大、学习效率低的问题,限制了其部署和应用。通过设置SB网络中Bottleneck组件的expansion参数为1,在Bottleneck组件的最后一个卷积层后引入一个高效通道注意力(efficient channel attention, ECA)模块,并设置ResNet骨干网络的最后三个Bottleneck的卷积步长为1,采用反卷积组代替ResNet之后的转置卷积,从而提出一种轻量级的人体骨架点提取网络:ECA_SB。在COCO2017数据集上的对比实验结果表明,ECA_SB网络在保留较高人体骨架点提取精度的同时,参数量和计算量均有明显降低。

基于骨架点的矮化密植枣树三维点云自动配准

为了实现枣园的自动化管理,针对枣树自动化选择性冬剪作业要求,需要重建出矮化密植无叶枣树枝干的三维模型。利用2台固定的Azure Kinect DK深度相机搭建获取枣树点云信息的三维重建系统平台,然后把系统平台逆时针旋转55°获取同一棵枣树的另一帧三维点云信息。为了自动完成2帧点云的配准,提出了基于骨架点的枣树点云配准方法:首先利用FPFH特征描述子计算骨架点的特征向量,并采用SAC-IA(采样一致性)算法对2个视角下的枣树骨架点云进行初始匹配;其次利用经典的ICP算法对初始位姿进行优化;最终只采用2个视角下的点云重建枣树枝干的三维模型。实验对比了在3种典型自然环境下(晴天、阴天、夜间)枣树点云的配准精度和配准时间,结果表明:晴天时对采集系统有一定的影响,使得配准后的枣树枝干有部分不完整;阴天和夜间对采集系统影响小,能够重建出完整的枣树枝干;相对于阴天和夜间,晴天时,枣树点云配准耗时最少,为0.09 s,而配准误差最大,其拟合分数为0.00029;阴天时,枣树点云配准时间介于晴天和夜间之间,为0.12 s,而此时配准误差最小,其拟合分数为0.00011;夜间配准误差介于晴天和阴天,且此时配准时间最长,为0.16 s。

一种基于SX10点云的单株树木骨架点提取方法

骨架点是单株树木几何模型重建的基础。本文结合水平集、聚类方法和图论3种方法,采用ILMSVP和天宝SX10获取模拟与实测单株树木点云数据,并实现单株树木骨架点提取,其中模拟数据用于方法实现,实测数据用于验证。为解决单株树木点云数据缺失情况,本文重复利用水平集、聚类方法和图论方法得到较完整的单株树木骨架点。结果表明:本文采用的单株树木骨架点提取方法可行。

基于MEMS传感器的奶牛骨架点自动标记方法

目前对于奶牛的智能识别准确度提升方法主要为提升图片质量和改善算法。在各类人工智能算法中,如果加大训练数据集则能获得更好的准确率。而标记大量的图像带来的人工成本和时间成本是巨大的。该文将通过探究一种自动的标记方式,以在加大算法训练数据集的同时,降低人工和时间成本,加强各类算法的实用性和在多种条件下的可用性。

考虑点云骨架特征的未知物体六自由度抓取

针对机械臂在非结构化环境下对未知物体生成稳定抓取位姿困难的问题,文章提出一种基于点云骨架特征的未知物体六自由度抓取方法。首先,通过深度相机获取包含物体的场景单视角点云,并在物体表面随机采样得到初始采样点,设计考虑L1中值骨架提取的迭代移动采样算法,保证抓取点最终均匀排布在物体的骨架上;然后,利用骨架点的分布信息和骨架点周围点云的几何信息生成候选抓取位姿,根据抓取器与物体之间的位置关系,使用启发式评价函数评估抓取位姿,从而保证位姿的最优化采样;最后,对不同形状的物体进行仿真实验和实际抓取试验。测试结果表明,文章所提方法可以对常见物体生成稳定的抓取位姿,并能有效拓展到更多形状复杂的未知物体。

一种改进的基于特征点求解的骨架提取算法

基于特征点求解和Reeb图思想,实现了一种新的骨架提取算法。首先求取模型特征点集,以特征点为计算依据,根据三角网格中每个顶点与特征点的不同对应关系得到网格分支点,聚合成一系列骨架点,依据骨架点携带的拓扑信息,连接拓扑相邻的骨架点得到模型骨架。采用了改进的特征点提取算法,其时间复杂度由O(n3)提高到了O(n2log(n)),实验表明算法能够快速提取骨架,针对一般模型的骨架提取效果令人满意。

骨架关节点跟踪的人体行为识别方法

基于彩色图像的运动检测和分割方法难以获取完整的人体骨架,并且只能提取关节点的二维坐标信息,而Kinect传感器能通过捕获深度图像来重建完整的人体骨架关节点三维模型,提高了骨架关节点模型的表示精度。本文通过Kinect的骨架跟踪模块对人体的骨架关节点模型进行提取;然后,提出一种坐标转换方法得到人体骨架关节点的三维坐标表示,利用k均值聚类将关节点坐标量化为符号序列;最后,建立离散隐马尔可夫模型来进行人体行为识别。通过自建的数据集进行实验,实验结果表明:本方法能取得94%的识别率。

基于骨架关节点约束的交互式局部变形

利用广义元球变形技术,提出一种基于骨架关节点约束的交互式局部变形方法。该方法提取多边形网格模型的骨架关节点并结合模型骨架图结构确定骨架关节点对应的局部区域,计算三维网格点到骨架节点的欧式距离,将约束区域的最大欧氏距离作为约束半径,得到各骨架节点对应的势函数值,通过控制骨架节点的空间位置给出三角形面片点的新坐标位置。实验结果表明,该方法有效保持多边形网络模型的局部特征,并确保了模型变形的直观性和高效性。

基于硬点-骨架约束的汽车低阻曲面优化研究

针对汽车车身局部修形传统气动减阻方法存在经验式和盲目性问题,以某款成熟简化实车发动机罩低阻曲面优化减阻为例,提出了基于硬点-骨架约束的车身低阻曲面优化设计法.采用DOE(design of experiment)试验设计方法对发动机舱罩进行硬点采样,通过硬点-骨架约束建立样本曲面.构建以硬点为设计因子,阻力系数为响应值的数学近似模型,并使用多岛遗传算法获得发动机舱罩理论最优解.计算表明:优化后的实车车模气动阻力减少3.32%,证明了硬点-骨架约束在车身减阻上的可行性和有效性.

基于点云数据的树木三维重建方法改进

激光点云数据以其详尽、高精度的三维信息,在森林参数估算、精确重建植物形态结构三维模型方面具有特殊优势。为进一步提高三维模型精度,综合集成多种算法,在改进现有PC2Tree软件基础上,基于点云数据进行树木三维重建。首先根据树木局部点云的主方向相似度和局部点云轴向分布密度分离枝干与树叶;其次采取水平集和最小二乘法提取枝干部分的骨架点,通过下采样方法提取冠层部分的特征点;最后根据骨架点和特征点拓扑结构重构树木三维模型。以樟树为例,分析枝叶分割精度,自动分割与手动分割结果相近;以无叶的鸡蛋花树为例,分析重建模型精度,模型主枝长度相对误差范围集中在0~8.0%,半径相对误差范围集中在0~10%;枝条重建过程避免了噪声点的干扰,对噪声点具有一定的不敏感性;重建三维模型与原始点云吻合度高,基本解决了冠层内部枝干遮挡严重带来的三维建模困难的问题;依据模型提取树高、冠幅、胸径、体积等参数,增加了重建模型的应用范围。

车身逆向设计中点云多视拼合技术

针对整车车身点云空间尺寸较大,数据量庞大,还原精度要求高等特点,提出基于骨架点的点云拼合算法,算法的基本思想是构造整车模型的骨架点和分块点云的mark点,由全等三角形法则搜索骨架点与mark点的映射关系,应用加速迭代的改进ICP(Iterative Closest Point)算法拼合整车点云.某厂轻卡整车点云的拼合实例证明,该算法拼合精度高,运算速度快,是拼合整车点云行之有效的方法.

一种改进的基于形态骨架的二值图象编码

基于图象形态学的二值图象编码方法 ,近来在国际上得到了比较多的研究 .为了提高基于骨架的编码方法效率 ,提出了一种基于形态骨架的子集——终极腐蚀 ( ultimate erosion)二值图象编码方法 ,该方法是基于扩展的非骨架点判定定理 ,使得有更多的点在编码过程中被判为非骨架点 ,从而提高了编码效率 .与其他同类方法相比 ,这一方法更充分地去除了图象形态分析中的信息冗余 ,从而得到了很好的压缩效果 ,其对二值图象“工具”的压缩率达到 0 .0 65 ,大大优于游程码、四分树、链码等方法 .

利用最大圆盘提取作物行骨架的改进算法

作物行骨架线提取的精准度是农业机械自动导航的关键,针对传统作物行骨架线提取算法存在的连通性差、无法保持单一像素以及存在冗余像素等问题,提出一种利用最大圆盘提取作物行骨架的改进算法。首先采用预处理操作对作物行图像进行二值化处理,然后对二值作物行图像进行细化,在细化过程中通过引入欧氏距离寻找其中点的方法保持骨架的连通性,同时采用追踪扫描的方法有效地对冗余像素进行剔除,提高骨架的拓扑结构能力。实验结果表明,该方法对成行作物具有很好的适应性,且提取的骨架线更准确,与传统的算法相比,采用本文算法提取的骨架拟合后的导航线误差相对较小,能满足实际应用需求。

主法向方向单调自由曲面简易骨架图生成算法

利用骨架图进行三维模型的相似性比较研究在工程中有着重要的应用,可以有效地解决检索与重用等问题。本文给出了一种用简易骨架图描述主法向方向单调自由曲面(沿曲面的主法向方向的任一直线与该曲面最多只有一个交点)的方法。首先,求自由曲面的总法向量,按照总法向量的反方向将自由曲面投影到二维平面上,得到投影曲面;然后,求取投影曲面的骨架点和骨架线;最后,将投影曲面的骨架线按照自由曲面的总法向量方向进行柱面拉伸与自由曲面产生交线,该交线就是自由曲面的简易骨架图。并将本文算法与MATLAB中求骨架算法进行比较,实验表明,本文所得的简易骨架图可以更好地描述主法向方向单调自由曲面的几何与拓扑特征,为比较自由曲面的相似性提供了理论技术基础。

三维网格模型局部骨架交互式提取方法研究

利用种子生长算法获取模型拟提取骨架局部区域,然后在局部区域首尾处交互确定出初始截平面,并自动插值出中间的等分截平面,最后求解几何截面与局部区域网格的截交线,将截交线的几何中心(即骨架点)顺序连接即生成局部骨架。实验表明该方法将人机交互与自动插值相结合生成截平面,算法简单,交互方便,易于控制,并且得出的模型局部骨架较精确。

融合层级注意力机制的二维骨架动作识别方法

为了解决传统的基于RGB的动作识别方法易受到光照、遮挡等背景因素的影响,降低了识别准确率和实时性,提出了一种融合层级注意力机制的二维骨架动作识别方法。使用人体姿态估计算法OpenPose提取视频中的人体骨架关节点,对所提取的骨架数据中缺失点和异常点通过均值补全法和指数平滑法进行数据预处理,构建了基于CNN-LSTM与层级注意力机制融合的网络模型CNN-HALSTM实现动作分类。结果表明:本文方法在交互运动数据集和KTH数据集上的识别准确率分别为96.73%和98.35%,模型参数量显著减少,具备实时性优势,优于其他同类型方法。

基于单模态的多尺度特征融合人体行为识别方法

针对人体行为识别任务中未能充分挖掘超距关节点之间潜在关联的问题,以及使用多模态数据带来的高昂训练成本的问题,提出一种单模态条件下的多尺度特征融合人体行为识别方法。首先,将人体的原始骨架图进行全局特征关联,并利用粗尺度的全局特征捕获远距离关节点间的联系;其次,对全局特征关联图进行局部划分以得到融合了全局特征的互补子图(CSGF),利用细尺度特征建立强关联,并形成多尺度特征的互补;最后,将CSGF输入时空图卷积模块中提取特征,并聚合提取后的结果以输出最终的分类结果。实验结果表明,在行为识别权威数据集NTU RGB+D60上,所提方法的准确率分别为89.0%(X-sub)和94.2%(X-view);在具有挑战性的大规模数据集NTU RGB+D120上,所提方法的准确率分别为83.3%(X-sub)和85.0%(X-setup),与单模态下的ST-TR(Spatial-Temporal TRansformer)相比,分别提升1.4和0.9个百分点,与轻量级SGN(Semantics-Guided Network)相比,分别提升4.1和3.5个百分点。可见,所提方法能够充分挖掘多尺度特征的协同互补性,并有效提高单模态条件下模型的识别准确率和训练效率。

基于DinoPose的列车司机手比行为检测研究

本研究针对铁路场景列车驾驶室驾驶员监控视频图像提出了一种列车司机手势动作识别算法模型DinoPose。通过引入Transformers中的编码器–解码器结构来实现基于回归的人体骨架关键点检测,有效地将Dino网络的应用场景从目标检测扩展至人体骨架检测。通过多组列车驾驶室的视频图像所抽取的关键帧数据集测试,本文提出法在精度上优于Openpose和Yolo-pose算法,其中mAP达到了95.72%,手比项点的检测准确率达到85.74%以上,能够满足铁路局机务段机车司机室监控视频智能分析的实际业务需求。

贝雷法参数CA比对沥青混合料性能的影响

通过贝雷法选择5种不同CA比的沥青混合料级配,对其进行马歇尔试验、粗集料松装空隙率试验、车辙试验和旋转压实试验,分析了CA比对沥青混合料各项性能的影响.结果表明:CA比对沥青混合料的空隙率、矿料间隙率、粗集料骨架的形成、抗车辙性能和压实性能具有显著影响;CA比在0.4～0.6之间的沥青混合料具有较好的稳定性;CA比同沥青混合料中整个集料骨架的形成之间并无较好的规律性关系.

改进的符号图像并行细化算法

针对符号图像的细化,提出了一种并行细化算法的改进算法,通过对符号图像目标像素中非骨架点的逐层剥落,最终获得图像中符号的骨架,提高了算法的执行效率;同时在图像细化过程中记录了获得骨架点时当前正在剥落的层,为解决细化图像中特征点的畸变提供了可能。