基于点云深度学习的对称结构空间目标相对位姿测量

针对对称结构空间目标相对位姿解算过程中点云误匹配带来的误差问题，提出一种基于点云深度学习的对称结构空间目标相对位姿测量方法。首先设计空间目标点云特征提取网络及关键点回归网络，将位姿测量问题转换为空间目标点云关键点回归问题，通过两个并行的回归网络分别输出空间目标平移向量和具有固定标签的目标点云三维边界框角点；其次利用具有连续稳定标签的角点求解目标姿态，可有效解决目标的对称结构导致的点云误配准问题；最后通过仿真数据集的实验表明，该方法相比于传统的点云配准方法有更高的准确率，能够精确求解具有对称结构的空间目标相对位姿。     

Comparison of residual and dense neural network approaches for building extraction from high-resolution aerial images

Applications including change detection, disaster management, and urban planning require precise building information, and therefore automatic building extraction has become a significant research topic. With the improvements in sensor and satellite technologies, more data has become available, and with the increased computational power, deep learning methods have emerged as successful tools. In this study, U-Net and FPN architectures using four different backbones (ResNet-50, ResNeXt-50, SE-ResNext-50, and DenseNet-121), and an Attention Residual U-Net approach were used for building extraction from high-resolution aerial images. Two publicly available datasets, Inria Aerial Image Labeling Dataset and Massachusetts Buildings Dataset were used to train and test the models. According to the results, Attention Residual U-Net model has the highest F1 score with 0.8154, IoU score with 0.7102, and test accuracy with 94.51% on the Inria dataset. On the Massachusetts dataset, FPN Dense-Net-121 model has the highest F1 score with 0.7565 and IoU score with 0.6188, and Attention Residual U-Net model has the highest test accuracy with 92.43%. It has been observed that, FPN with DenseNet backbone can be a better choice when working with small size datasets. On the other hand, Attention Residual U-Net approach achieved higher success when a sufficiently large dataset is provided.     

一种基于改进太阳子午线拟合方法的仿生偏振光定向系统

为设计一种自主性强、精度高、抗电磁干扰能力强的定向系统,以昆虫获取大气偏振模式的感知机理为基础,设计了一种新型的成像式仿生偏振光定向系统.该系统使用具有微偏振阵列结构的CMOS相机作为主要的偏振信息采集设备,使用DSP/ARM架构的NVIDIA JETSON TX2嵌入式处理器进行信息解算,具有体积小、运算能力强等优点.通过研究大气偏振模式中偏振度和偏振角图像的对称性,针对已有航向角解算方法在太阳子午线提取精度方面的不足,设计了一种对称轴粗提取之后通过连续旋转法精确提取太阳子午线的算法,最终实现定向精度0.3335°,在最小二乘对称轴粗提取法的基础上定向精度提升了19.05％.     

基于形态学算法的2219铝合金钨极氦弧焊熔池图像特征提取

根据2219铝合金氦弧焊特点,构建了焊接过程实时视觉传感系统,获取了熔池清晰图像;为获得2219铝合金氦弧焊熔池尺寸参数,实现对熔池特征的分析,采用了形态学算法,提取了典型熔池图像边缘形状,并获得了熔池宽度特征尺寸;通过试验验证,提取的熔池图像宽度特征能够准确反映出熔池尺寸信息及变化趋势。研究结果表明:形态学算法准确度高、计算速度快,满足2219铝合金氦弧焊熔池图像实时处理需求,不同阈值及结构元素对图像特征提取效果均会产生较大影响,研究阈值自适应算法,可以满足工程上焊缝熔池特征实时视觉监测的复杂需求。     

“珠海一号”高光谱数据城市不透水面提取研究

不透水面是评估城市化进程和评价城市环境的重要参考指标，研究城市不透水面的空间覆盖程度对城市生态环境保护、宜居城市建设具有重要意义。本文以“珠海一号”高光谱影像为数据源、珠海市陆域为研究区域，选取支持向量机和随机森林机器学习算法，结合光谱特征，实现城市不透水面信息提取。结果表明：使用“珠海一号”高光谱数据提取不透水面可行性较强，且支持向量机算法更适用于“珠海一号”不透水面提取，总体精度和Kappa系数分别达到92.4%、0.78；基于“珠海一号”高光谱数据进行城市不透水面提取，可为城市规划建设、分析城市土地扩张、评估城市灾害风险提供可靠理论依据和数据支撑。     

航空滚动轴承振动特征的故障灵敏度分析与融合技术

针对工程中航空滚动轴承实时状态监测的需要，提出了基于标准化欧氏距离的多特征融合评估方法。首先，进行了航空滚动轴承故障模拟试验，引入了故障灵敏度的定量评价指标，对融合前后特征的故障灵敏度进行了分析；在此基础上，将所提方法与主分量分析、支持向量数据描述和支持向量分布估计方法相比较；最后，进行了轴承疲劳加速试验，将所提融合方法应用于航空滚动轴承状态监测。试验表明:相比于主分量分析、支持向量数据描述和支持向量分布估计，基于标准化欧氏距离的融合值的故障灵敏度更高；其对不同类型、不同阶段的航空滚动轴承故障更加灵敏，相比于有效值更适合作为航空滚动轴承状态监测的指标。      

鹿药提取物清除羟基自由基的研究

采用浸提、索氏提取、大孔吸附树脂分离等技术制备鹿药提取物,包括:鹿药水提液、醇提液、醇提水溶液,醇提液浓缩后经大孔树脂柱水洗后依次用φ为30%、50%、70%、90%的乙醇洗脱分离得到Ⅰ、Ⅱ、Ⅲ、Ⅳ4部分干物质,从Ⅲ中分离得到5个黄酮类化合物:3-甲氧基-8-甲基槲皮素(A)、8-甲基木犀草素(B)、3′-甲氧基木犀草素(C)、木犀草素(D)和槲皮素(E).采用邻二氮菲-Fe~(2+)-H_2O_2氧化法测定鹿药提取物抗氧化清除羟基自由基(HO·)的能力,结果表明,在试验浓度范围内,除鹿药醇提液之外,其他提取物制备液都具有清除HO·的作用,清除率23.30%～98.07%,其中5个黄酮单体化合物清除HO·的能力较强,且随浓度增大清除作用增强,并且作用强度明显好于对照维生素C.可见鹿药中具有较好的抗氧化活性成分.