水深点与等深线协同综合的强化学习方法

针对当前海图中水深点与等深线两要素的自动综合过程相对独立,二者相互影响考虑不够充分,导致结果不够理想的问题,提出一种水深点与等深线协同综合的强化学习方法。首先,获取用于水深点与等深线协同综合的训练样本;然后,构建并训练强化学习模型,挖掘水深点与等深线在综合过程中的相互影响关系;最后,利用训练后的模型,动态自适应调整水深点与等深线的综合策略。试验结果表明,在航海安全保证的可靠性、制图综合结果的图理性、海底地貌表达的准确性及海图要素分布的美观性等方面,强化学习法的性能均要优于当前常见的简单综合法、冲突避免法及协调水深法,更适用于处理水深点与等深线的协同综合问题。

深度掩码下的网球运动员发球技术动作轮廓识别方法

传统的网球运动员发球技术动作图像分割方法,在发球动作的轮廓提取上不够精确,导致图像分割精度较低。因此,提出基于深度掩码的网球运动员发球技术动作图像分割方法。首先,输入需要配对的网球运动员发球技术图像,生成伪标签,将具有形状先验信息的标签作为辅助掩码,对图像进行标注处理,使用深度掩码,根据技术动作图像的标注结果,对具有完整轮廓的网球运动员发球动作类目标进行阈值分割,精确提取发球动作的轮廓,并使用Canny边缘支持方法,构建轮廓的边缘矩阵,形成分割后的网球运动员发球技术动作图像。进行实验,结果表明,本文设计的方法对网球运动员发球技术动作图像分割精度达到97.61%,能实现较高精度的发球技术动作图像分割,应用效果较好。

填装材料CT图像中脱粘缺陷识别与深度测量

脱粘缺陷是影响填装材料物理安全性能的重要指标,计算机层析成像(CT)是进行脱粘缺陷检测的有效方法。但填装材料脱粘缺陷紧贴外轮廓、面积小,对比度低,分割时易受其他信息干扰,传统活动轮廓模型难以适用。本研究提出了一种基于SoftMax和正则项的Chan-Vese (SRCV)模型用于填装材料脱粘缺陷分割,系统比较了SRCV模型与多种活动轮廓模型对脱粘缺陷分割效果的差异,利用不同图片分割效果揭示了SRCV模型的抗干扰能力和兼顾全局与局部信息的能力,利用分割曲线的欧氏距离实现脱粘深度测量。研究结果表明,SRCV模型对填装材料脱粘缺陷分割更贴近脱粘边缘,分割曲线更光滑,准确度达99.56%,Dice系数为99.82%,脱粘深度误差不超过6%,特别适用于有大量干扰信息的微小脱粘缺陷的分割,较其他活动轮廓模型具有明显的优势。

Below-ground growth characteristics of 13-year-old Pinus densiflora on different contour conditions in a post-fire plantation in Samcheuk,Korea

We estimated the growth volume of artificially reforested Pinus densiflora in a post-fire area on three different contour conditions by comparing and analyzing the vertical and horizontal distributions of below-ground roots on each contour. The main roots at the south-facing slope (SS) developed in a long and straight form, and those on the north-facing slope (NS) in a twisted form. The side roots developed more than the main roots on the Ridge. The depth of taproots decreased in the following order: SS > NS > Ridge. The roots on the SS developed in a pile-form root structure whereas those in the Ridge and NS developed concentrically near the root collar. The amount of root development decreased in the following order: SS > NS > Ridge. The ratio of fine roots from the whole-root development decreased in the following order: Ridge > SS > NS. These results can guide considerations of growth differences according to the planting contour conditions for future establishment of P. densiflora artificial plantations.

基于计算机视觉的太阳能光伏板轮廓提取与定位方法

针对车载机械臂清洁太阳能光伏板时需人工调整机械臂位姿的问题,提出利用计算机视觉提取太阳能光伏板外轮廓,并结合深度测量模型计算太阳能光伏板姿态信息的方法。搭建基于ResNet50网络的灰尘检测器,并改进下采样方法和引入注意力机制模块以提高检测精度。对于检测到灰尘的太阳能光伏板,将VoVNet27-slim网络作为DeepLabV3+的主干网络,采用GSConv卷积减轻模型的复杂度,同时将Decoder结构中的卷积模块改为MBConv以提高检测速率。在相似三角形测距算法的基础上,根据实际工况提出基于相机中心投影原理。结果表明,改进后模型的性能优于ResNet50和DeepLabV3+模型,在自动化生产方面具有较大的实用价值。

基于深度学习与深度信息的原木材积检测方法

针对工业现场整车木材摆放深浅不一且上下分层而导致的整车木材材积自动检测困难的问题,采用ZED2双目相机获取木材端面图像以及深度图像,在改进的基于掩模区域卷积神经网络(Mask region-based convolutional neural network, Mask R-CNN)实例分割模型完成对木材端面分割的基础上,对木材轮廓进行椭圆拟合,根据木材端面中心坐标以及深度图像获取每根木材的深度信息,利用整车木材上下层深度信息相差较大的特点,解决木材上下分层的问题,同时根据双目视觉视差原理,利用相机参数以及轮廓拟合后椭圆短径端点坐标,测量出木材端面检尺径,将检尺径和检尺长代入原木材积计算公式完成原木材积的检测。实验结果表明,使用本方法计算出的整车原木材积同人工检尺数据对比,材积误差率(偶数)为-1.61%,单根木材检尺径平均绝对误差(偶数)为0.33 cm,符合国家原木检尺要求。最终将模型以及材积计算算法部署于Nvidia Jetson Xavier NX平台,并在PyQt5核心库上设计了操作界面,用户仅需拍摄完整木材端面,即可实现原木材积的计算。利用本研究所提出方法可实现木材整车检尺,解决整车木材材积自动检测困难的问题,可提高木材检尺效率,减轻检尺工作人员的工作负担。

高层建筑边缘空间BIM透视式增强现实重建模型

针对易受噪声数据、建筑物复杂程度干扰,高层建筑边缘空间规划模型的重建完整率、正确率低的问题,提出高层建筑边缘空间BIM透视式增强现实重建模型。采用MVS点云算法,采集高层建筑边缘空间的点云集合,剔除集合中的噪声,采取BIM技术,提取高层建筑边缘空间的轮廓特征,将轮廓特征分割成长方体与三角体,采用投影映射,匹配轮廓的三维角点坐标,引入纹理映射法,优化高层建筑边缘空间BIM透视式纹理,完成高层建筑边缘空间重建。实验结果表明,所提方法的重建效果好,重建完整率高、正确率高,重建几何精度较高。

基于自适应伪轮廓消除滤波的比特深度增强

比特深度增强具有巨大的应用价值,如低比特图像采集、高比特图像显示、图像压缩等。然而,现有的比特深度增强算法或者不能有效抑制低比特图像中存在的伪轮廓,或者需要高性能的计算单元和大量的训练样本,缺乏实用性。为此,提出了一种基于自适应伪轮廓消除滤波的比特深度增强算法:FACE-BDE。FACE-BDE由3个模块组成:伪轮廓消除滤波器设计模块、自适应滤波器大小选择模块和伪轮廓区域检测模块。实验表明,所提算法能在消除不同大小的伪轮廓时保留真实轮廓和细节,使其在测试集上取得了0.28 dB的增益,伪轮廓的可见性也明显弱于同类算法。

基于激光轮廓检测仪的沥青路面路表离析评价

沥青路面离析必然影响沥青路面性能和使用寿命,是早期病害的重要原因之一。当前目测法、铺砂法和激光断面仪法等路表离析评价技术相对落后,试验数据的主观性强、代表性差。研发了路表轮廓激光检测仪,利用模拟铺砂法铺砂体积的"面区域"测点布局理念,对沥青路面宏观轮廓特征进行研究。提出新的轮廓特征评价指标:轮廓构造深度(QLGS);并利用MATLAB软件平台,实现了试验数据的自动处理。根据基于新指标的离析分级定量界限对离析程度进行了评判。试验表明:该方法操作简单,能真实客观的描述沥青路面的表面轮廓构造,离析评价的结果与路面实际情况比较吻合,可为沥青路施工质量控制提供借鉴。

一种智能的最短航线构建方法

航线的优化设计是舰船安全、经济航行的基础。本文提出一种智能的最短航线构建方法。通过追踪安全等深线,获取障碍区,然后测试线段与障碍区的空间关系来智能地搜索最短路径。实验表明,与传统方法相比,新方法在效率、准确性和可靠性上都具有明显的优势。

网格法追踪等深线的多义性问题研究

在采用网格法追踪等值线时,如果某个网格四条边上都有等值点,等值点的连接就会出现多义性问题。本文首先介绍了解决网格法追踪等值点中多义性问题的常用方法,针对绘制等深线的特殊要求,分析了这些方法用于追踪等深点的不合理性。为了解决网格法追踪等深线多义性问题,本文提出了追踪等深点的浅点相近方法。通过理论分析和实验,证明本文所提方法解决网格法追踪等深线时的多义性是有效的。

基于结构森林的RGB-D图像轮廓提取

为了获取更加清晰、更多细节的轮廓特征,充分利用Kinect传感器获取的RGB-D图像信息,将结构化的随机森林作为分类器,提出一种更加精确的轮廓提取器。首先,将RGB-D图像的多种信息利用数学公式表示出来;然后利用BSD500数据集以及NYU深度数据集训练结构化的随机森林算法,核心是将给定节点的结构化标签映射到一组离散标签;最后,利用该随机森林算法对RGB-D图像信息进行分类,得到图像轮廓。针对细节不同的四种场景图像进行对比实验,结果表明,经改进后的算法得到的轮廓效果更加清晰、准确。

由等t_0图进行变速空间校正绘制深度构造图的计算机实现方法

等t0 图可以看作是一二维空间曲面 ,其梯度矢量的大小和方向分别表示地层的倾角和走向。根据每一点的地层平均速度和倾角可以求出每点的空校量 ,从而实现对等t0 图的二维变速空校 。

水深三角网的快速构建及优化算法

Delaunay三角网目前被广泛用于等深线绘制,但存在将浅水区划入深水区的可能性,形成不合理的海底地形走势,从而对舰船航行安全构成危险。讨论了快速构建水深三角网的基本策略,如网格划分、逐点插入法、Delaunay子三角网的合并,提出了浅点相割算法。此算法通过比较相邻三角形顶点水深,对Delaunay三角网进行局部优化,构建合理的、符合航行安全原则的等深线。通过实例分析,证明本文所提算法是切实可行的。

汽车类外观专利图像三维重建

为实现由汽车类外观设计专利图像到三维模型的恢复,结合汽车类外观专利图像的特点,提出融合从明暗恢复形状(SFS)与轮廓线法的汽车类外观专利图像三维重建方法。结合右视图及主视图的轮廓对由SFS得到的模型进行深度校正,得到较为精确的单幅图像三维模型;利用轮廓法恢复物体的整体模型,通过计算各单幅图像模型及整体模型的位置坐标,进行各模型之间的对齐操作,使两种方法得到的模型融为一体,得到融合模型。实验结果表明,与其它方法相比,该方法得到的三维模型在整体与细节方面都得到较大提升。

20世纪40年代初以来渤海形态变化特征

20世纪中期以来中国沿海经历了多次围填海热潮,2000年以来环渤海区域大规模围填海已使其成为近期中国围填海的重点区域。利用地形图、海图和遥感影像等资料获取的渤海多时相的平面重心、立体重心、海岸线、低潮线、等深线、海区面积和海区体积等指标变化信息,系统揭示渤海形态的长期变化特征。结果表明:近70年来,渤海面积不断萎缩,岸线普遍向海扩张,导致渤海的平面重心总体向东偏北方向移动,但渤海的平面周长总体呈增加趋势,平面形状趋于复杂;近50年来,渤海体积总体呈下降趋势,立体重心的位置趋于变深。自然条件下的河口三角洲发育和人类围填海活动是渤海形态变化的主要原因,但渤海形态变化的驱动力已由早期的以自然因素为主转变为近期的以人类活动因素为主。

数字海底地形产品生产技术研究

分析和总结近些年来在数字海底地形模型构建及应用领域的研究成果,结合实际生产应用中遇到的问题,对数字海底地形产品生产技术流程进行了深入探讨。详细论述了数字海底地形产品生产中涉及的关键技术,从作业工序上给出了不同技术处理阶段的解决方案。

基于曲线特征的等深线自动综合方法研究

从等深线的特点及其制图综合的基本原则与方法出发,提出了一种基于曲线特征的Douglas-Peucker改进算法,在此基础上构建了等深线自动综合方法。该方法通过对曲线特征点的提取和弯曲特征的分析,可以自动确定等深线综合的数量指标和最小分界指标,经试验验证取得了较好的综合效果。

基于轮廓提取与深度筛选的双目三维重构技术

针对基于深度图融合三维重构方法获取的三维重构模型,易受到深度信息误差影响的情况,提出一种基于轮廓提取与深度筛选的双目立体视觉三维重构方法。采用标准棋盘校准双目三维重构系统,利用Canny算子对目标物体进行边界检测,综合采用形态学腐蚀与膨胀方法提取指定方向上的连续边界,用连续边界提取目标物体。在此基础上,对目标物体深度信息进行筛选、拟合插值以获取连续深度信息。结果表明,相对于常规三维重构算法,由本算法三维重构的目标物体表面完整度更高,且目标物体周围的背景环境噪声被去除。

基于曲面等高线特征的不同姿态三维人脸深度图识别

三维人脸识别因能克服二维人脸识别易受光照,姿态和表情等因素影响的缺点,从而日益受到关注和重视.文中针对三维人脸实时成像系统所获得的不同姿态下的三维人脸深度图,提出一种人脸识别方法(FDAC).首先利用微分几何相关理论来指导三维深度人脸深度图的校正,再根据曲面等高线来描述人脸的面部特征并使用傅里叶描绘子实现特征提取,最后利用提取的等高线特征进行人脸分类识别.实验结果表明,FDAC方法对于不同姿态下的三维人脸图像有较好的识别率,并且在时间开销方面优于常规的特征脸识别方法.