并网型可再生能源发电系统容量配置与优化

为了准确地配置并网型分布式发电系统容量,针对并网型风光混合发电系统,给出一种基于发电效率衰减、分时电价和负荷逐年增长等条件的并网型分布式发电系统容量优化配置方法。利用NASA气象网站的风速和日照辐射资料,生成单位容量风光电源的年度出力曲线,根据风光电源的年度衰减性,在单一电价、分段电价和本地消纳的不同应用场景下,对固定负荷和逐年增长负荷建立起分布式电源容量优化模型。在实例分析中,通过遗传算法求解,验证了该方法的有效性和正确性。该模型更加贴近实际工程应用,并能很好地扩展到包含多种分布式电源的并网型发电系统中,有利于并网型分布式发电系统的应用和推广。

基于轮廓特征的场景动态目标实时分类研究

针对动态场景目标的分类问题,提出一种基于轮廓特征的运动目标分类方法。通过构建多种轮廓特征相结合的特征向量模型来描述动态目标,作为分类器学习判别的基础。该方法首先通过混合高斯模型提取出视频中的动态场景目标,经图像形态学的处理,获得较为精确的动态场景目标轮廓图像,然后使用特征向量模型提取轮廓的相关特征作为分类器学习判别的依据,并得到最终分类结果。以常见的运动目标汽车、行人、自行车作为分类类别进行实验。结果表明该方法有较高的分类精度,且具有实时性好,易于实现的特点。

H-S直方图反向投影结合特征点提取的双目视觉定位算法

低成本双目视觉系统通常采用价格低廉的非测量相机,其视觉定位精度较低.若需获得较高的视觉定位精度,可通过算法来弥补或减少定位误差.本文阐述了基于H--S(hue-saturation)直方图反向投影结合特征点提取的双目视觉定位算法,可提取左右摄像头图像特征点,并用左图特征点和极线约束对右图特征点进行修正,从而可实现双目视觉定位.在此基础上,为了进一步提高定位精度和减少计算量,采用了快速鲁棒性特征(SURF)算法提取左右图像的兴趣点,并利用间接立体匹配法改进了右图特征点提取.实验结果表明,在低成本视觉定位系统中采用该算法可以有效地提高定位精度.

基于极线约束SIFT特征和粒子滤波的目标跟踪算法

针对采用颜色或边缘等特征的目标跟踪算法所存在的跟踪效果不稳定的问题,提出了一种基于极线约束尺度不变特征变换(SIFT)和粒子滤波的目标跟踪方法.该方法采用SIFT特征向量构建目标模型,引入极线约束改善目标匹配精度,采用粒子滤波算法获得SIFT特征向量的候选目标模型,利用似然函数计算目标模型与候选目标模型间的相似性.实验结果表明,该方法可解决目标与背景颜色相似时的跟踪失败问题,且对目标外形与位姿发生变化具有较好的适应能力.

基于视觉显著性的场景目标识别

场景目标识别是场景理解的重要内容之一,提出一种新颖的基于视觉显著性的场景目标识别方法。该方法受生物视觉认知机理的启发,利用视觉显著机制来凸显场景中的感兴趣区域。首先利用GBVS模型对图像数据进行高效筛选,获得特定感兴趣的显著性区域。然后基于图分割理论(Graph Cuts Theory)的Grab Cut算法被用于提取图像中的显著性目标。最后运用SURF特征描述目标对象,通过SURF特征的学习产生目标物体的Bo VW视觉词包,运用视觉词包的SVM分类匹配实现目标对象的图像特征与语义描述之间的知识映射。麻省理工学院LabelMe图像库的实验测试结果表明所述方法具有较高的识别率。

基于SPM-IBOVW模型的自然场景识别

提出一种基于空间金字塔匹配的集成化视觉词典(SPM-IBOVW)模型的自然场景识别方法.对各个类别的特征集合分别聚类形成各类别视觉词包,并连接成为集成化视觉词包(IVV);采用一种新的5层空间金字塔划分方法,相比经典划分方法在降低算法复杂度的同时,提高了场景识别率,并通过15类通用复杂场景的识别实验验证其有效性.结果表明,所提出的方法对复杂场景的识别率达到83.17%.

基于改进Camshift算法的移动机器人运动目标跟踪

提出了一种改进的Camshift跟踪算法来获得目标质心的位置,并在此基础上设计了一种采用单目视觉和声纳反馈信息的移动机器人运动目标跟踪系统.改进的Camshift算法通过自适应地扩展搜索窗口,解决了传统Camshift算法在跟踪中因目标加速度而引起的目标瞬间丢失问题.分析了移动机器人对运动目标的搜索、跟踪及避障等3种基本行为,并赋予不同的优先级,从而实现了机器人行为的协调.实验结果表明移动机器人系统能灵活、有效地完成运动目标的实时跟踪任务.