基于注意力模型的视觉/惯性组合里程计算法研究

由于外界环境的干扰和传感器精度的限制,视觉/惯性组合里程计的输入数据存在一定的噪声,这会增加里程计的解算误差,而且误差会随着时间积累。针对以上问题,设计了一种基于注意力模型的视觉/惯性组合里程计算法。该算法使用卷积神经网络和长短时记忆网络分别构建了视觉特征提取器与惯导信息特征提取器,同时引入了两种注意力模型:加权组合网络以及开关组合网络,对视觉特征信息和惯导特征信息的融合噪声进行降噪处理。通过在组合里程计算法中添加闭环校正环节,有效地抑制了里程计误差随时间的积累。对比实验结果表明,设计的组合里程计算法与其他算法相比,无论在性能上还是在精度上都有明显的提升。     

噪声检测自适应窗口滤波算法

脉冲噪声的存在,从视觉上影响图像的质量。为了去除图像中的脉冲噪声,提出了利用相似邻居数对图像中的噪声像素进行标记并建立相应矩阵,接着根据噪声的污染程度自适应的选择滤波窗口,最后对噪声像素进行自适应均值滤波去除图像中的脉冲噪声。实验结果表明,算法能有效降低图像中的脉冲噪声,对图像的边缘与细节保持较好。     

图像配准关键技术综述

图像采集设备的快速发展带来了图像种类和数量的迅速增加,图像拼接、融合等视觉系统提高了对图像配准的技术需求。图像配准利用原始图像数据或图像特征信息对输入图像的重叠区域进行变换和对齐,是为后续图像拼接、图像融合等图像处理任务提供操作基准的核心技术,是当前计算机视觉领域的热点研究问题。首先介绍了图像配准技术的主要应用领域及重大发展前景,然后说明了图像配准技术的基本框架和技术难点,详细阐述了基于特征以及基于区域的图像配准技术的实现算法及关键技术,分析了不同配准算法的优缺点及适用性,并对图像配准技术的发展前景进行了讨论和展望。     

基于属性形态学分析的图像显著极值检测及应用

由于图像噪声的存在,使得利用传统的极值检测算法通常会使要提取的显著极值淹没在大量的噪声极值中;同时由于先验知识的缺乏,采用普通滤波技术也往往不能很好的滤除噪声,反而会破坏图像的关键结构。本文提出了一种基于属性形态学分析的图像显著极值检测算法。该算法可以在不需要对图像进行滤波的前提下,从数学形态学的角度对图像极值的显著性进行计算和评估,从而能够较好地提取出显著的极值。在沉浸模拟算法的基础上,给出了基于属性形态学分析显著极值检测的快速算法实现,并将其成功应用在视觉注意选择和独立运动目标检测上。实践证明,该算法不仅具有较好的抗噪声特性,而且快速实用,具有广泛的应用价值。     

基于CUDA的椒盐噪声自适应中值滤波算法

针对传统中值滤波算法的优缺点,结合椒盐噪声的特征,提出了一种有效的自适应中值滤波算法。首先依据椒盐噪声的特征,将图像像素分为噪声和信号,然后根据窗口内噪声点的个数自适应地确定滤波窗口的尺寸,仅对噪声像素进行中值滤波。但随着噪声密度和图像规模的增大,在CPU上执行的时间显著增加。分析并利用图形处理器(GPU)的并行处理特征,并在CUDA平台中实现了算法。实验结果表明,所提出的算法能够有效地去除椒盐噪声、保留边缘和细节,并且能显著缩短计算时间,随着噪声密度和图像规模的增大,最大加速比达到6 000倍。     

自适应融合 RGB图像特征的稀疏深度修复

深度修复的目的是从稀疏深度图像中恢复出稠密的深度图像。现有方法通常是以稀疏深度图像及其对应的 RGB图像为输入,通过 1个卷积神经网络恢复出密集深度图像。然而,普通的卷积层在处理稀疏且不规则的深度信息时有较大的局限性,同时,RGB图像特征和深度图像特征属于不同的模态。针对这些问题,文章提出了自适应稀疏不变模块,根据输入像素的有效性来处理稀疏深度,并提出了结合注意力机制的多尺度特征融合模块,在关注有效特征的同时,抑制不必要的特征,进一步提高深度修复性能。文章在 NYUv2数据集上进行了一系列实验,实验结果表明了所提出算法和模块的有效性。     

一种改进点线特征融合的双目视觉惯性定位算法

在复杂产品装配过程中,对增强现实设备定位是实现虚拟引导信息与装配现场实时融合的核心。传统基于标签或预先构建离线装配基体模型的定位方式,存在装配任务与视觉定位兼容性低,单一视觉定位鲁棒性和稳定性差的问题。利用多传感器融合的视觉惯性导航方式进行定位,可提高定位的精度和鲁棒性,有效提高复杂产品装配质量和效率。本文提出了一种基于点线特征融合的双目视觉惯性定位算法,对双目相机和惯性测量单元（Inertial measurement unit,IMU）进行联合标定,并通过ORB和LSD线端融合的点线特征提取匹配,采取视觉和IMU紧耦合的方式,建立基于点线特征的视觉惯性融合的位姿误差融合模型。对比VINS-Fusion、PL-VIO和本文改进IPLVIO算法,结果表明IPL-VIO算法在结构化场景下的绝对位移和旋转误差比原算法误差更小,同时结构化场景信息更加丰富,能够应用在弱纹理的AR装配现场中,为增强现实辅助装配平台提供稳定可靠的位姿数据。     

面向视觉着陆的高精度结构化约束特征点研究

为提高视觉着陆过程中无人机的相对定位精度,选取视觉图像中的直线交点作为结构化约束特征点,设计了基于梯度一致性的边缘检测算法,并结合Shi-Tomasi角点检测算法进行结构化约束特征点的粗定位。对LSD直线检测算法进行改进并设计了亚像素角点定位精度改进算法,在结构化约束特征点粗定位的基础上,将其精度提高到亚像素级。基于实际场景中固有约束的结构化约束特征点具有鲁棒性、旋转和尺度不变性,抗干扰能力更强,其高精度定位有利于提高视觉着陆相对定位的精度与可靠性。     

面向视觉着陆的高精度结构化约束特征点研究

为提高视觉着陆过程中无人机的相对定位精度,选取视觉图像中的直线交点作为结构化约束特征点,设计了基于梯度一致性的边缘检测算法,并结合Shi-Tomasi角点检测算法进行结构化约束特征点的粗定位。对LSD直线检测算法进行改进并设计了亚像素角点定位精度改进算法,在结构化约束特征点粗定位的基础上,将其精度提高到亚像素级。基于实际场景中固有约束的结构化约束特征点具有鲁棒性、旋转和尺度不变性,抗干扰能力更强,其高精度定位有利于提高视觉着陆相对定位的精度与可靠性。     

激光图像融合算法

为了有效提高激光强度图像的质量,使其能够更好地与其他多源图像匹配,提出了一种激光强度图像与距离图像融合的方法.该方法首先分析了激光强度图像与距离图像不同类型像素点之间局部统计信息的差异,然后利用Ostu算法和模糊最小误差阈值算法求出强度像和距离像的局部统计信息的全局阈值和最佳阈值,最后将这些阈值作为融合参数,按照一定的融合规则,将强度像与距离像进行融合.仿真实验表明:与单纯的滤波算法相比,该融合算法在控制激光散斑噪声的同时,通过融合不同源图像的互补信息,达到提高激光强度图像的各方面性能的目的.     

一种基于HVS的图像质量评价方法

通过充分分析人类视觉系统(HVS) 的亮度、纹理、边缘等特性, 给出相应的视觉特性计算模型,在此基础上提出一种结合HVS特性的加权峰值信噪比计算方法.实验结果表明该模型计算出的HVS值能充分反映人类视觉系统的屏蔽特性;图像质量评价方法的评价结果与主观评价结果相一致,效果优于传统图像质量评价方法.     

空域扇区划分方案优劣综合评估方法

为比较空域扇区划分方案的优劣综合评估,构建了成本、效益和安全为代表的三大类指标体系,并给出了各个指标的计算方法,以专家打分得到的比较矩阵为基础,采用层次分析法得到了各层指标的权重,初步拟定了评价标准,为扇区划分方案的优劣比较决策以及多目标优化扇区划分奠定了基础。实例分析显示,构建的指标体系合理,权重和评价标准恰当,优劣方案比较简便,决策可操作性强。     

基于图像特征融合的粉末床缺陷检测方法

针对单一特征对粉末床缺陷表达不明确导致检测效果不佳的问题,提出了一种基于特征融合的增材制造过程粉末床缺陷视觉检测方法。该算法分别使用SIFT方法、灰度共生矩阵和Hu不变矩提取尺度空间特征、纹理特征和几何特征,借助词袋模型对每张图像构建3组视觉单词直方图,通过串行融合3组视觉单词直方图得到新的特征矩阵,采用特征选择对融合后特征矩阵进行降维,并传入随机森林分类器中进行训练。实验结果表明,不同特征对粉末床不同类型缺陷检测具有不同的贡献,优化特征融合参数后,算法平均准确率达到97.46%,缺陷检测效果明显提升。     

基于方向可控金字塔的图像融合算法

为克服传统正交小波变换在进行图像融合时存在的不足,提出了一种基于方向可控金字塔的图像融合算法。首先对待融合图像进行方向可控金字塔分解,对分解后的低频分量采用平均和选择相结合的方法进行融合,对各方向的高频分量则使用像素绝对值选大的规则进行融合,最后对融合后的低频分量和高频分量进行方向可控金字塔重构得到融合图像。仿真试验表明算法能够得到质量较高的融合图像,同时,熵、平均梯度和空间频率等客观评价指标也较平均法和基于小波变换的图像融合算法有所提高,是一种有效的图像融合算法。     

试论民用飞机选型程序

飞机选型的最终目的是为航空公司选择一个最满意的机群。它从每个城市对子之间的航班对飞机的优选开始,综合公司全部航班选型结果,从中挑选不同的若干机型组合,形成不同的机群方案;再评估这些方案,选取其中最为满意的一个。本文就如何进行民用飞机和机群的优选进行了探讨,并提出了一个“飞机选型程序框图”。     

Recursive 3-D motion estimation from a monocular image sequence

Consideration is given to the design and application of a recursive algorithm to a sequence of images of a moving object to estimate both its structure and kinematics. The object is assumed to be rigid, and its motion is assumed to be smooth in the sense that it can be modeled by retaining an arbitrary number of terms in the appropriate Taylor series expansions. Translational motion involves a standard rectilinear model, while rotational motion is described with quaternions. Neglected terms of the Taylor series are modeled as process noise. A state-space model is constructed, incorporating both kinematic and structural states, and recursive techniques are used to estimate the state vector as a function of time. A set of object match points is assumed to be available. The problem is formulated as a parameter estimation and tracking problem which can use an arbitrarily large number of images in a sequence. The recursive estimation is done using an iterated extended Kalman filter (IEKF), initialized with the output of a batch algorithm run on the first few frames. Approximate Cramer-Rao lower bounds on the error covariance of the batch estimate are used as the initial state estimate error covariance of the IEKF. The performance of the recursive estimator is illustrated using both real and synthetic image sequences     

三维激光成像系统的点云模型真彩色处理方法

三维激光成像系统获得的点云数据精度高并且保有高精度的高程信息,然而特征信息不明显,没有保留全部的点和点的拓扑关系,无法直接判读地面物体;影像数据空间分辨率和精度低,并且缺少高程信息,然而其影像的特征连续,光谱信息丰富.因此,进行点云数据与影像数据融合方法的研究是目前三维激光成像系统研制的前沿性课题.针对点云数据与影像数据融合方法的研究,提出了一种三维激光成像系统点云模型真彩色处理的方法.实验结果显示,采用所提出的方法,不仅能够获得被扫描物体的位置信息和大小信息,而且能够得到被扫描物体的表面纹理细节信息.     

高阶精度有限差分方法几何守恒律研究进展

针对高阶精度有限差分格式的几何守恒律问题,系统梳理了国内外离散几何守恒律问题方面的研究工作,以有限差分格式离散后的自由流保持问题为切入点,综述了近年来课题组在有限差分离散几何守恒律方面的研究工作,包括守恒网格导数算法(CMM)、对称守恒网格导数算法(SCMM)等,并通过若干典型算例验证了几何守恒律的满足对高阶精度有限差分方法数值模拟能力的提升。通过对有限差分离散几何守恒律问题研究工作的系统梳理,总结相关认识如下:1)直接基于网格变换导数的传统计算形式采用有限差分离散不能满足几何守恒律,需采用网格变换导数的守恒计算形式同时还需满足CMM条件;2)SCMM条件是满足几何守恒律的充分条件,且网格变换导数和雅克比均需采用其对称守恒计算形式,具有唯一性;3)自由流保持只是满足几何守恒律的一种表现形式;4)几何守恒律的满足能够有效提升高阶精度有限差分格式的数值模拟能力。