跨企业工程更改的多视图建模体系研究

给出了跨企业工程更改的管理策略,分析了工程更改的过程、信息、资源、组织和功能建模过程。以过程建模为中心,构建了5个视图建模的关联关系,通过多视图关联分析,形成了系统的ECM建模体系。     

三维实体模型向二维工程图纸的转化

本文在基于ＡｕｔｏＣＡＯＲ１２支撑软件的基础上，利用其ＡＤＳ和ＡＭＥ函数，讨论了三维实体模型向二维工程图纸的转化的问题，分析了三维实体的三向投影及三个视图的对齐关系。     

基于视图的试验通信需求分析方法研究

针对试验通信系统规划中的需求分析工程化问题,按照体系结构方法的要求,提出了一种基于视图的信息需求获取及分析处理方法;该方法能够在一定程度上简化和规范化需求获取,并通过一系列分析步骤实现从试验要素和任务向试验信息流的转化。     

立方体实体化的遗传算法设计与实现

多维立方体由基本立方体和基本立方体的聚集产生的立方体组成.为了实时响应查询,查询优化非常重要.多维立方体实体化是一种很好的解决方案.在整个立方体集中实体化一个适当的子集,满足较好的空间和时间的平衡,并且满足对视图查询频率不同的要求.为了实体化一个合适的立方体子集,通过介绍启发策略,提出了立方体实体化的启发式遗传算法.该算法可以在用户要求的限定的存储空间约束条件下,较快的求出全局最优解.经实验测试,该算法具有良好的性能和快速的求解能力.      

基于字典学习的混合采样数据分类方法

混合采样数据不仅仅具有不同采样频率数据之间特征集合不同,还有样本数量不一致等特点,传统的分类方法不能直接使用。因此,本文提出一种基于Fisher判别准则字典学习的混合采样数据分类方法以处理采样数据的分类任务。该模型巧妙借助处理多视图数据的分类思想,利用基于Fisher判别准则的字典学习方法,生成的结构化字典的每个原子与数据的类标签相关,同时采用Fisher判别准则使类内散度更小,类间散度更大来约束编码系数矩阵,从而大大提升分类性能。此外,本文针对混合采样数据的样本数量不一致特点,设计了混合采样数据判别分析模型的分类方案。最后实验结果验证了本文方法的有效性。     

顾及动态物体感知的增强型视觉SLAM系统

传统的同步定位与制图（Simultaneous localization and mapping, SLAM）系统在复杂环境下工作时，无法分辨环境中的物体是否存在运动状态，图像中运动的物体可能导致特征关联错误，引起定位的不准确和地图构建的偏差。为了提高SLAM系统在动态环境下的鲁棒性和可靠性，本文提出了一种顾及动态物体感知的增强型视觉SLAM系统。首先，使用深度学习网络对每一帧图像的动态物体进行初始检测，然后使用多视图几何方法更加精细地判断目标检测无法确定的动态物体区域。通过剔除属于动态物体上的特征跟踪点，提高系统的鲁棒性。本文方法在公共数据集TUM和KITTI上进行了测试，结果表明在动态场景中定位结果的准确度有了明显提升，尤其在高动态序列中相对于原始算法的精度提升在92%以上。与其他顾及动态场景的SLAM系统相比，本文方法在保持精度优势的同时，提高了运行结果的稳定性和时间效率。