基于scan context描述子的LVI-SAM算法改进研究

针对LVI-SAM算法中视觉惯性子系统容易因快速运动或明暗变化激烈导致算法回环检测无效的问题,文章设计了一种结合scan context描述子的回环检测系统的多传感器融合算法。首先,在原有的LVI-SAM算法的激光惯性子系统中增加scan context模块,形成scan context矩阵,用二进制矩阵来形成关键帧提取策略,以减少算法的计算冗余。同时,基于scan context描迷子解决在光照环境不佳情况下的回环检测问题。

中文文本分类相关算法的研究与实现

通过对分词歧义处理情况的分析,提出一种基于上下文的双向扫描分词算法,对分词词典进行改进,将词组短语的固定搭配引入词典中.讨论了特征项的选择及权重的设定,并引进2χ统计量参与项的权值计算,解决了目前通用TF-IDF加权法的不足,同时提出了项打分分类算法,提高了特征项对于文本分类的有效性.实验结果表明,改进后的权重计算方法性能更优越.

基于自适应扫描的遥感图像压缩算法

目的为提高基于上下文算术编码器的效率。方法首先分析了上下文模型以及上下文量化对信源熵的影响,得到了上下文量化的两个优化准则,并根据准则建立了一种时变的上下文性能模型。结果给出了一种自适应位平面扫描顺序,改善了上下文条件概率的时变稳定性,提高了编码过程中对上下文条件概率的估计精度。结论该方法较顺序扫描方式在同码率下有一定的PSNR提高,具有比顺序扫描更优的编码效率。

JPEG2000的系数位上下文建模算法及其应用研究

提出了系数位上下文建模算法,利用它可先建立每个位平面的上下文,再直接进行编码,大大提高了编码的并行性。利用它还可以容易地实现一次性扫描的快速编码系统和位平面并行编码系统。

无人机倾斜摄影结合激光扫描仪三维逆向建模

近年来随着科学技术水平的不断提高,城市三维数字化成为数字城市建设的重点应用方向。无人机遥感技术、三维激光扫描技术的发展,使数字城市建设逐渐开始向全面自动化、智能化转变。本文利用拓普康猎鹰8号多旋翼无人机,并结合拓普康GLS-2000L三维激光扫描仪对建筑物进行数据采集,然后利用Context Capture自动建模后处理软件解决城市自动化三维建模的技术难题,为智慧城市的三维系统建设提供有力的技术保障。

“一V一个X”的构式语义及语用效果

本文研究对象为半图式性构式“一V一个X”。我们将其构式语义概括为说话人主观认为每一次相同的行为动作都能对应地引发相同的结果或状态,构式具有描述、阐释及评价等话语功能。本文将该构式的语义浮现机制归结于次第扫描的认知加工模式与语境规约的相互作用,并从说话人的认识、视角以及情感三个方面阐释该结构的主观性特征,文章的最后还讨论了该构式特有的语用表达效果。

大幅扫描仪预视图像的高效显示研究

与普通扫描仪相比,大幅面扫描仪处理的图像面积、数据量大。为提高大幅面扫描仪软件界面中的图像显示效果和程序运行速度,提出了使用内存环境(Memory-devicecontext)对图像进行预处理,消除了人机交互中预视图像的闪烁,通过对预视区域图像映射方法的改进减少了处理时间。

基于层次分析法的移动扫码支付意愿研究

目的确立用户移动扫码支付意愿评估体系。方法在层次分析法基础上,以用户扫码支付意愿为总目标,将总目标拆分为侧重于外部环境的用户情境和侧重于内部感知的用户体验两个子目标,建立了双体系评估模型。并改良了传统的层级分析法,修正专家打分的主观性,将问卷调查结果和实验数据融入到分析过程中,提高层次分析法的准确度。结果确立了双体系用户扫码支付意愿评估体系,总结了八个一级指标和十八个二级指标,并计算了双体系中各层级指标权重,针对最底层指标与方案层的关系提出了更切实际的改进意见。结论确立用户移动扫码支付意愿评估体系,分析了影响用户支付意愿的指标,并参考此体系对方案层提出了改良建议,为研究用户扫码支付意愿提供了新的研究方向。

基于轮廓的侧扫声呐图像配准

针对侧扫声呐图像存在局部畸变,导致共视目标不一致的问题,本文提出了一种基于轮廓的侧扫声呐图像配准方法。首先提取图像中目标轮廓并计算每个轮廓点的环境上下文描述,以环境上下文的χ2检验统计量作为代价函数;然后通过使得所有匹配点对的代价和最小,获得轮廓点的对应关系;最后使用正则化的薄板样条函数对图像变换关系求解,建立轮廓内部像素的对应关系。试验结果表明,本文方法能够较好地保证共视目标的一致性,具有一定的借鉴价值。

基于扫描上下文优化的紧耦合激光SLAM方法

高精度地图与定位是无人车实现自主导航作业的重要前提,针对现有松耦合融合方法对观测信息利用不充分,以及传统闭环检测方法匹配精度低等问题,提出一种基于扫描上下文优化的紧耦合激光SLAM方法—–optimized SC-LIO-SAM.首先, IMU通过预积分对点云进行去偏校正,同时为激光里程计提供初始位姿估计;激光里程计通过滑动窗口的方法将当前帧的特征点云与局部地图匹配,随后基于扫描上下文的方法对特征点云进行编码生成点云描述符,实现高效的闭环检测;基于LIO-SAM的框架,将IMU预积分因子、激光里程计因子、GPS因子以及闭环因子插入全局因子图中,通过基于贝叶斯树的增量平滑优化算法对全局点云优化更新.为了验证所提方法的有效性,采用KITTI数据集评估optimised SC-LIO-SAM的性能,并与LOAM、LEGO-LOAM以及LIO-SAM对比,结果表明, optimised SC-LIO-SAM相比于LOAM、LEGO-LOAM以及LIO-SAM等算法,定位精度显著提升.最后将算法应用在开源数据集中,验证了optimised SC-LIO-SAM能够构建全局一致的地图.

基于空间上下文关联的车载点云聚类方法

点云聚类是移动车载点云数据处理和信息提取的重要组成部分,同时也是实现地物自动识别的前提和关键环节。针对密度聚类中仅考虑点间空间距离聚类造成的过分割或分割不足的问题,提出了一种基于空间上下文关联的城市街景车载点云数据聚类方法,以超体素为对象,分析对象的特征及相互间的空间上下文关联,在综合多因素权值的基础上进行自适应聚类。通过两组数据的实验结果表明,该方法有效改善了车载点云数据聚类结果,提高了分类的效率和可靠性。

结合超体素和图优化的激光点云树木分割

针对在复杂城市环境中难以有效自动提取树木信息的问题,该文首先基于移动激光扫描(MLS)数据,利用超体聚类对点云数据结构进行组织管理;然后从超体素局部上下文信息中提取去趋势几何特征,结合去趋势几何上下文特征,采用随机森林分类器对树木进行初始语义标记;接着,基于局部上下文信息进行迭代正则化,在全局图模型上进行整体优化,从而对初始语义分类结果进行空间平滑;最后根据语义标记结果,基于图割算法实现单木分割。该方法基于超体素的结构可以有效地保持场景中目标的几何边界,而且提升了处理效率。去趋势几何特征可以克服局部上下文中的冗余和显著性信息,使得获取的特征更具代表性。实验结果表明,该方法在3个数据集的树木语义标记结果达到90%左右,对结构简单且稀疏分布的树木都能正确提取。