基于近邻点重加权的点云特征线提取算法

针对3维点云模型特征线提取存在断裂、不完整问题,提出一种基于近邻点重加权的点云特征线提取算法。算法分为提取特征点和特征点连接成线2个环节,在特征点提取环节,引入近邻重加权局部质心算子获取特征点集,通过欧式最小生成树构建特征线。实验结果表明:采用近邻重加权局部质心算法进行特征点提取,跟传统基于曲率的算法相比其结果更加准确和稳健,能有效提取点云模型的几何特征。

人机交互语音识别发展及军事应用分析

针对人机交互语音识别技术军事应用的现状,介绍语音识别技术的发展历史,并对其军事应用进行分析。将关键词识别技术应用于军事场景中,介绍目前主流的几种关键词识别模型,并对其在军事领域的应用进行展望。结果表明,该分析能为语音人机交互技术应用于军事装备提供参考。

基于改进YOLOv5与嵌入式平台的多旋翼无人机检测算法

针对在嵌入式平台上检测无人机时面临的资源占用率高、实时性差的问题,提出一种改进YOLOv5网络的目标检测算法。以YOLOv5s网络为基础模型,使用MobileNetV3网络代替CSP-Darknet53作为骨干网络进行特征提取,并优化改进特征加强网络以及算法的回归框损失函数。基于自建无人机数据集分别在PC机和嵌入式平台RK3399上进行测试,实验结果表明:改进后的YOLOv5算法与原算法相比,在保持较高检测精度的同时,检测速度提升了38%,模型大小降低了45%,有效提升了算法的检测性能,满足应用于嵌入式设备的实际需求。

面向动态物体场景的视觉SLAM方法

针对动态场景移动物体的运动估计问题,对视觉同步定位与地图构建(simultaneous localization and mapping,SLAM)方法进行分析。现有动态SLAM算法可分为基于几何的方法和基于深度学习的方法2类,重点介绍一种基于几何方法——基于点云相关性的动态SLAM方法;总结目前SLAM技术面临的挑战,展望动态SLAM针对未来战争的发展潜力与发展方向。结果表明,该研究可促进SLAM技术在机器人导航中的应用。

基于谱熵的动态双门限语音端点检测算法

针对通信设备语音通话控制的需求,通过综合分析语音端点检测主要方法及性能,提出一种基于谱熵语音端点检测算法。介绍语音端点检测算法,进行语音信号谱熵计算,通过建立背景噪声模型的方式动态调整谱熵值判别门限,实现语音端点检测功能。仿真结果表明:该算法不仅在低信噪比条件下具备较好的检测性能,而且在复杂背景噪声环境下具备良好的适应能力。