一种四轴飞行器单目视觉测距算法

为解决四轴飞行器在执行目标检测与跟踪任务时无法判断机身与障碍物或跟踪目标之间安全距离问题,提出一种四轴飞行器单目视觉测距算法,算法融合基于帧间差分技术的水平测距模型与基于小孔成像的垂直测距模型.首先,算法可利用基于YOLOV4-Tiny的目标检测算法识别视频帧中的物体类别,并可在视频帧中框选出被测物体,依据现场环境选择最佳的测距方法进行测距;其次,系统终端执行测距方法,基于被测物体的视频帧成像位置与设定参数之间的差值控制四轴飞行器飞行,并记录飞行数据;最后,通过测距模型对飞行数据进行处理,计算出四轴飞行器在初始位置和最终位置与被测物体之间的距离.通过在特洛(Tello)飞行器平台上的实际飞行验证,实验结果表明所提出的四轴飞行器单目视觉测距算法可以有效分析出视频帧中各物体的景深,测距误差百分比均值为4.07%.在四轴飞行器与障碍物或跟踪目标之间距离较近,却无法评估此距离是否处于安全距离时,所提出的算法可为搭载单目摄像头的四轴飞行器提供可靠的测距技术支持.

基于深度学习的视频修复方法综述

视频作为常见的媒体信息之一,目前已在各个领域得到广泛应用。尤其是以抖音等为代表的短视频软件的兴起,使得与视频相关的技术不断迭代更新。其中,视频修复技术是视频处理研究中的一个热点。视频修复技术是利用视频帧内的像素信息和帧间的时域参考信息对视频帧受损的区域进行内容推理并修复,在补全缺损视频、物体移除及视频伪造检测等场景中具有广泛应用前景。该技术可追溯到二十世纪末的老电影修复技术,该任务通常由专业的技术团队逐帧修复完成。而随着数字技术的发展,近年来已有一些人工智能技术用于视频修复,让老电影重获新生。目前,视频修复技术可分为传统方法和基于深度学习的两类方法。其中,传统方法由于缺少对高层语义信息的理解,在场景复杂、缺失区域较大的情况下修复效果不佳;而基于深度学习的方法随着算法框架的优化和图形处理器性能的提升展现了出色的效果,对修复结果的语义结构准确性和时间一致性都有明显的提升。本文在简要回顾传统视频修复方法的基础上,重点分析四类基于深度学习视频修复方法的网络结构、参数模型、性能表现与优缺点;介绍视频修复领域中常用的数据集和评价指标;最后,对视频修复领域现存的问题进行总结并展望未来可能的研究方向。

基于轻量级MobileNet-SSD模型的人流量检测

利用深度神经网络模型识别行人目标并检测具有十分高的价值。现实高密度行人检测场景中由于硬件基础以及网络性能消耗等问题的影响,常常需要选取处理速度高、硬件条件要求低的网络且同时兼顾视频监控的连续特性,因此选取了轻量级MobileNet-SSD网络来高效处理人头目标并引入帧间差分的方式,来有效对人头的椭圆特征目标进行跟踪;结合相关数理方法实现行人跨线计数的高性能人流量检测解决方案。在不同数据集上同现今一流的检测模型作比较,该方法皆表现出优良的检测性能。

袖带充气高血压与单臂缺血诱导的臂间舒张压差异关联性研究

目的探讨袖带充气高血压与单臂缺血诱导的臂间舒张压差异(dIAD)之间的关联性。方法选取2019年1月至2021年11月于南昌大学第二附属医院行冠状动脉造影的64例患者作为研究对象,根据袖带充气高血压的诊断标准分为A组(袖带充气高血压患者)与B组[非袖带充气高血压且非假性高血压(PHT)患者],每组32例。比较两组生化指标、影像学指标、内皮功能指标及血压。结果A组估算肾小球滤过率(eGFR)低于B组,差异有统计学意义(P<0.05);两组总胆固醇(TC)、甘油三酯(TG)、空腹血糖(FPG)、低密度脂蛋白胆固醇(LDL-C)水平比较差异无统计学意义。A组颈动脉内膜中层厚度大于B组,左心室舒张功能减退率高于B组,差异有统计学意义(P<0.05);两组左心室收缩末期、舒张末期内径及室间隔厚度比较差异无统计学意义。束臂前后,A组一氧化氮(NO)浓度均低于B组,内皮素(ET)浓度均高于B组,差异有统计学意义(P<0.05);束臂前后两组过氧亚硝基阴离子(ONNOO-)浓度比较差异均无统计学意义。A组袖带收缩压与腔内收缩压差值(SS)、脉压(PP)均大于B组,差异有统计学意义(P<0.05);两组袖带舒张压与腔内舒张压差值(D-D)比较差异无统计学意义。束臂前,两组dIAD比较差异无统计学意义;束臂后,A组dIAD小于B组,差异有统计学意义(P<0.05);两组束臂前后收缩压差压(sIAD)比较差异无统计学意义。结论单壁缺血诱导可减小袖带充气高血压患者的臂间舒张压差异,对诊断袖带充气高血压具有较好效果,值得临床推广应用。

基于现场可编程门阵列的水果识别系统设计

针对目前大多数水果识别系统实时性差和成本较高的问题,本文提出一种基于现场可编程门阵列(FPGA)的水果识别系统。整体硬件设计包含图像采集、检测识别和显示模块。软件部分通过图像采集平台将水果图像存储至双倍数据率同步动态随机存储器(DDR3)控制模块,进行图像灰度化处理,并创造性地提出背景帧差法对水果图像进行分割。通过融合水果颜色和几何特征,实现对水果数量、颜色和种类的识别。整个水果识别系统在不同光照下对常见水果进行了测试。实验结果表明,水果平均识别准确率达到93.25%,识别速度约为16.67 ms,FPGA硬件资源消耗率仅占28.02%,可以满足实时性需求。

虚拟环境中大尺度空间定向能力的地域差异

基于空间参照系理论,本文采用虚拟现实技术探讨了大尺度空间定向能力的地域差异及其原因。实验1采用基于两种空间参照系且生态效度更高的路线重走与回溯任务以考察空间定向能力的地域差异;实验2进一步采用基于空间参照转换灵活性的定向接近任务以澄清该差异产生的原因;实验3通过在任务前激活环境中心参照,提高转换灵活性以改善南方被试大尺度空间定向能力。结果发现,大尺度空间定向能力存在地域差异,北方被试更擅长环境中心参照的任务,南方被试的自我中心参照在任务中有更大优势作用;说明该地域差异除与个体空间参照使用偏好有关之外,还与其空间参照转换灵活性有关;而当南方被试环境中心参照被激活,任务绩效显著提升。

基于高分一号遥感影像的水体提取方法对比分析与改进

以高分一号遥感影像为数据源,以安徽省黄山市屯溪流域内的东方红水库为研究对象,采用单波段阈值法、两波段差值法、波段比值法、归一化差分水体指数(NDWI)法、归一化差分植被指数(NDVI)法共5种水陆像元度量方法,分别应用平均值法和最大类间方差迭代法两种阈值选取方法对东方红水库进行水体提取,探索最大类间方差迭代法在水体提取变量上的改进效果,在此基础上提出了一种改进的最大类间方差联合水体提取法,并对比了改进前后的水体提取效果。结果表明:改进后的水体提取方法可以很好地降低影像提取中产生的噪点,提高水体提取的精度,提取成果的平均相对误差为4.69%,决定系数为0.8579,相比于改进前平均相对误差降低了0.68%,决定系数提高了0.0539。

基于MR混合现实的足球机器人目标跟踪仿真

机器人跟踪足球时,由于目标具有较强的运动随机性,且较小的目标尺度增大了跟踪框的自适应跟踪难度,目标跟踪时会将很多背景信息包含在内,导致目标模型的更新错误。为此,提出基于MR混合现实的足球机器人目标跟踪方法。构建MR混合现实平台,令足球机器人在虚拟现实场景下完成人机交互,在保证目标跟踪安全性的同时提升目标跟踪性能;采用帧差法获取目标模型,利用投影法对二值图像投影,并对差分图像滤波,以此获取足球机器人在目标模板区域及候选目标区域中的直方图。基于此,更新足球机器人目标模型,实现基于MR混合现实的足球机器人目标跟踪。实验结果表明,当跟踪误差阈值为0.8mm时,研究方法的目标跟踪准确率和成功率均可达95%以上,平均耗时为55.17ms。当足球目标出现遮挡问题时,该方法仍能完成高精度跟踪。

基于切削区域温度数据的刀具磨损预测

刀具磨损预测是制造业中至关重要的问题,提前预测刀具的磨损,并及时进行更换,能够降低生产成本,提高生产效率。选择切削区域温度数据来预测刀具磨损,同时考虑到加工过程中切削屑的脱落会影响数据的采集,设计了降噪算法来去除切削屑的干扰。具体而言,首先,设计了基于帧差法的降噪算法;之后,构建了卷积长短时记忆网络预测刀具磨损;最后,通过实验对方法的有效性进行验证。实验结果表明降噪算法能够有效地去除切削屑产生的噪声,提出的网络模型相比传统的BP神经网络模型预测精度有所提高,不同工况下的预测结果均方根误差平均降低了0.0171。

低可见度环境下基于改进YOLOv3的井下人员定位方法

煤矿井下光照不足、粉尘遮挡,井下视频监控系统采集的人员目标在二维图像中表现为小目标或低可见度目标时,原始YOLOv3网络的Darknet53特征金字塔结构无法充分提取和保留目标的细节信息,导致定位结果不准确。针对上述问题,提出了一种低可见度环境下基于改进YOLOv3的井下人员定位方法。首先,结合β函数映射和帧间信息增强技术,提升低可见度环境下煤矿井下监控视频的清晰度。然后,采用更轻量级的Darknet-19替代YOLOv3中的Darknet53,并引入CIoU作为损失函数,利用改进YOLOv3识别增强后视频中的井下人员目标。最后,基于映射模型将识别到的目标从二维空间投影至三维空间,结合三维定位结果完成井下人员定位。选用某煤矿一段低可见度环境下井下监控视频进行实验,结果表明:①经过基于改进YOLOv3的井下人员定位方法处理后的视频帧亮度、可见度和各项评价指标(平均灰度、平均对比度、信息熵与灰度谱带宽)较原始视频均有明显提升,整体光照条件得到显著改善,且处理后的视频帧对比度得到增强,目标和背景之间更易区分,证明了采用的图像增强技术的有效性。②改进YOLOv3模型能准确识别视频帧中的井下工作人员,不存在漏识别问题。③采用已知位置的标定物或人工标注的的真实三维位置作为基准,计算投影结果与真实位置之间的偏差(偏差计算涵盖X,Y,Z方向上的距离偏差),其中X方向和Y方向上的偏差均小于0.2 m,Z方向上的偏差小于0.002 m,表明构建的映射模型的映射效果好且定位精度较高。

基于性能的含可更换耗能梁段高强钢框筒结构抗震性能研究

含可更换耗能梁段的高强钢框筒结构(HSS-SFT-RSL)结合了耗能梁段耗能强、钢框筒抗侧刚度大、高强钢承载力高等优点,是一种抗震性能优良的结构体系.传统设计方法需要进行复杂的迭代和计算才能使结构达到预期性能目标,且无法较为准确地控制结构的塑性发展顺序和破坏模式,本文采用课题组提出的基于性能的塑性设计方法(PBPD)各设计一个30层HSS-SFT-RSL算例和含可更换剪切型耗能梁段的普通钢框筒结构(CS-SFT-RSL)算例,通过静力和动力弹塑性分析对比两算例的抗震性能.结果表明:采用PBPD法设计的两算例具有相似的顶点侧移角和破坏模式,HSS-SFT-RSL算例抗侧刚度略低,但极限承载力更高;在罕遇水准地震下,两算例各层耗能梁段均能参与耗能,层间侧移角沿结构高度分布均匀,避免了薄弱层,残余层间变形较小,有利于耗能梁段更换和结构震后功能的快速恢复.

基于活动标架法推导球面三角形公式

活动标架法在解析几何中的应用侧重于描写"变换"的观念.着眼于标架的运动变换,得到两个标架之间的差异矩阵,再利用差异矩阵之间的运算法则可以得到运动面上的一些非常有用的公式.本文利用活动标架沿球面三角形运动可推导出球面三角形的边和角之间的一系列公式.

基于语音节奏差异的情感识别方法

语音情感识别在金融反欺诈等领域有着重要的应用前景,但是语音情感识别的准确率提升变得越来越困难。现有基于语谱图的语音情感识别等方法难以捕捉节奏差异特征,从而影响识别效果。文中基于语音节奏特征的差异性,提出了能量帧时频融合的语音情感识别方法。其关键是,针对语音中高能量区域进行频谱筛选,以高能语音帧的分布和时频变化来体现个体的语音节奏差异。在此基础上建立基于卷积神经网络(CNN)和循环神经网络(RNN)的情感识别模型,实现对频谱的时域和频域变化特征的提取与融合。在公开数据集IEMOCAP上进行实验,结果表明,该基于语音节奏差异的语音情感识别与基于语谱图的方法相比,在加权准确率WA和非加权准确率UA指标上分别平均提升了1.05%和1.9%;同时也表明个体的语音节奏差异对提升语音情感识别效果具有重要作用。

基于深度学习的激光无线充电保护系统

为了提高智能家居远程激光无线充电系统使用的安全性,采用了一种基于深度学习的激光无线充电保护系统。针对贴附于智能家居表面的光伏电池属于小目标,具有不易识别的难点,改进得到了YOLOv7-NH网络模型,设立保护监测区,并融入帧间差分法用于实时监控充电区域;通过创设原理分析-算法框架搭建-环境调试等环节,编写了对充电目标所在区域进行图像监控的保护算法,并搭建了测试系统。结果表明,当激光发射端与充电目标距离在10 m以内,基于该算法搭建的保护系统的响应启动时间均低于1 ms,即当移动异物以低于常规速率1.5 m/s进入大小为40 mm×40 mm的保护监测区时,该保护系统能够在其运动到激光束所在光路前停止激光发射。这一结果对室内激光远程无线充电保护技术的发展是有帮助的。

基于车辆外观特征和帧间光流的目标跟踪算法

在复杂道路场景下,车辆目标之间频繁遮挡、车辆目标之间相似的外观、目标整个运动过程中采用静态预设参数都会引起跟踪准确率下降等问题。该文提出了一种基于车辆外观特征和帧间光流的目标跟踪算法。首先,通过YOLOv5算法中的YOLOv5x网络模型获得车辆目标框的位置信息;其次,利用RAFT (recurrent all-pairs field transforms for optical flow)算法计算当前帧和前一帧之间的光流,并根据得到的位置信息对光流图进行裁剪;最后,在卡尔曼滤波过程中利用帧间光流进行补偿得到更精确的运动状态信息,并利用车辆外观特征和交并比特征完成轨迹匹配。实验结果表明,基于车辆外观特征和帧间光流的目标跟踪算法在MOT16数据集上表现良好,相较于跟踪算法DeepSORT,成功跟踪帧数占比提高了1.6%,跟踪准确度提升了1.3%,跟踪精度提升了0.6%,改进的车辆外观特征提取模型准确率在训练集和验证集上分别提高了1.7%、6.3%。因此,基于高精度的车辆外观特征模型结合关联帧间光流的运动状态信息能够有效实现交通场景下的车辆目标跟踪。

改进五帧差法机器视觉气密性检测研究

气密性是真空设备最重要的技术指标。在工业设备检漏中,传统皂泡法依赖人工目视,其检测准确性和效率取决于工作人员的专注度和操作技能。文章采用机器视觉技术,基于五帧差目标检测算法,进行检漏和漏点定位。由于传统帧差法存在部分画面重叠、边缘信息缺失和处理高帧率视频效果较差等问题,文章提出用Otsu算子和Canny边缘检测共同改进五帧差法。首先对连续图像做差分并转化为二值图,然后对中间帧进行Canny边缘检测,将二值图和Canny边缘检测的结果进行逻辑运算、中值滤波和形态学处理,最后获得完整的皂泡目标。实验表明,新算法能够处理高帧率视频并获得更完整的皂泡轮廓信息,可用于机器视觉真空设备气密性检测。

基于改进yolov5s网络的火焰检测算法研究

火灾因其破坏范围大,蔓延速度快等特点给人们的生命带来了威胁,使人们的财产遭到破坏,而准确的火灾检测在一定程度上能够避免灾难的发生,该文提出了一种基于改进yolov5s的目标检测模型。该模型在主干网络中加入CBAM注意力机制,使模型更加关注火焰信息,提高检测正确率;将主干网络中的C3模块改进为Ct2f模块,该模块通过ELAN的思想进行设计,让模型可以在保证轻量化的同时,通过更多的分支跨层链接获得更加丰富的梯度流信息;针对火灾视频检测,根据火焰燃烧时的动态特征,在该模型检测头部分加入帧间差分的思想,有效降低了对火灾视频检测的误判。实验结果表明,改进的yolov5s模型火焰检测平均精度更高,比yolov5s原模型平均精度提高了4.2%。通过火焰视频检测实验,表明该模型能够有效降低对火灾视频检测的误判。

模块化钢框架模块间内套筒连接节点抗震性能试验研究

设计了3个足尺模块化钢框架模块间内套筒连接节点试件,针对节点试件的抗震性能开展了拟静力低周往复加载试验,研究了节点试件的滞回曲线、骨架曲线、延性、耗能、刚度退化、层间位移角和转动刚度等抗震性能指标,并对影响节点试件的抗震性能参数进行分析。研究结果表明:节点试件的滞回环呈梭形,且形状较为饱满,其具有较强的耗能能力;3个节点试件均出现明显的刚度退化现象且下降坡度平缓;3个节点试件的层间位移角分别为0.085 rad、0.082 rad和0.096 rad,节点试件均具有良好的转动能力和延性性能且满足节点抗震设计要求。试件破坏特征表明,在模块柱内梁的上、下翼缘对应位置设置内隔板对节点的抗震性能有显著改善作用。

不同架式对‘南太湖特早’葡萄果实香气成分及品质的影响

为探索不同栽培架式对葡萄果实香气成分和品质的影响,以温棚种植的倾斜棚架栽培与常规“厂”字形栽培(CK)的6年生‘南太湖特早’葡萄为试验材料,对倾斜棚架不同结果部位(前部,C1;中部,C2;后部,C3)的果实性状、挥发性香气物质进行评价,利用Flavour Spec■气相离子迁移谱联用仪(gas chromatography-ion mobility spectrometre,GC-IMS)对‘南太湖特早’葡萄进行香气成分分析,测定树体和浆果的相关理化指标。结果表明,‘南太湖特早’葡萄采用倾斜棚架栽培,与棚架其他结果部位及CK相比,从C1部位开始结果枝基粗依次增加,C1浆果的糖酸比适宜,花色苷含量最高,为438.69 mg·L^(-1),比C2、C3和CK分别增加21.4%、108.1%和8.9%。棚架各结果部位的酯类、醇类和醛类香气总量均高于CK,酯类香气物质C1最高,为4944.24μg·L^(-1),比C2、C3和CK分别增加1.5%、21.9%和37.9%;醇类香气物质总量C1最高,为15930.07μg·L^(-1),比C2、C3和CK分别增加了5.8%、7.7%和1.3%,但各结果部位与CK差异均不显著(P>0.05);C1结果部位的醛类总量最高,为8865.41μg·L^(-1),比C2、C3和CK分别增加1.5%、6.6%和17.2%。结果部位C1处的挥发性香气物质丁酸甲酯、(E)-2-己烯醇和α-蒎烯的香气活性值最大,可作为葡萄主要的呈香物质,C1、C3和CK浆果中的挥发性香气种类含量较多,香气更加突出;C1在甜香味上表现更加典型、浓郁。不同架式不同结果部位的‘南太湖特早’葡萄表现出不同的香气特征和风味,研究结果为‘南太湖特早’葡萄的栽培架式选择和风味机理的形成提供理论参考。

基于因子图的多机器人协同算法改进

为解决多机器人协同定位与建图在复杂、大规模场景下耗时久、工作效率低等问题,提出一种融合算法PO-ORB。在因子图模型中引入锚点,用于存储世界坐标系相对位置,将改进后的因子图算法与ORB-SLAM3算法融合,用于帧间优化,结合两种算法的优点,解决大规模问题下多机器人定位精度低和实时性差的问题。通过DBoW2数据库和筛选策略进行地图融合,对全局地图进行优化,提高地图精度。实验结果表明,所提算法能够有效应用于多机器人协同定位与建图。