三角面元灰度图象三维重建算法研究

三角面元SFS算法是结合三角面元模型和线性反射图来阐述SFS问题的,该算法的基本思想是用三角面元素来近似光滑表面,并用一系列基于节点的线性方程组合来表达该表面。本文在此算法的基础上,求解时通过加权平均迭代,提高了恢复的准确性和迭代的收敛速度。     

印刷电路板缺陷焊点的自动检测

本文首先从国内外的发展现状,概述了印刷电路板缺陷焊点的几种检测手段。并着重介绍了作者与其同事们正在研制的激光全息印刷电路板焊点缺陷自动检测系统。     

基于双目视觉的返回舱着陆横向速度测量

通过分析返回舱在着陆时所具有的水平速度也可能对着陆安全构成威胁的事实，论述了为返回舱增加横向缓冲装置的必要性，由此提出亟需解决的问题——在返回舱着陆下降过程中测量其水平运动速度。提出了全新概念的以视觉图像为唯一信息来源的返回舱水平速度测量方法，仅以双目摄像机系统作为传感器，避免了对返回舱原有传感器系统的改造。通过对着陆区域地面图像的采集和在线处理，利用双目交会测量原理得到返回舱当前的大地坐标和姿态。仿真实验证明，方法简单易行，测量结果可靠。     

交会对接系统中分布式视觉信息的分离

本文应用三维计算机视觉、奇异值分解及序列图象处理,得到了交会对接系统中两飞行器间相对运动参数的计算公式,避免了文献[1、2]中存在的不足,仿真结果证明有效。     

地中式混凝土油罐的数值模拟

对正在开展的战略石油储备,提出用地中预应力混凝土罐进行石油储存.应用结构分析软件ANSYS对巨型混凝土单壁罐和双壁罐进行弹性分析,指出罐壁环向应力几乎全部由温度荷载造成,罐壁温度场和温度应力具有明显时间性,储油初期罐壁温差最大,96?h后罐壁顶部拉应力达到最大;设置中间保温层后,内罐应力减小,外罐应力增大,应对内、外罐连接支墩做特殊设计,以满足罐壁温度变形.     

基于立体视觉的孔探分析系统及其应用

孔探分析在现代航空发动机故障诊断中一直发挥着重要的作用，开发基于立体视觉的孔探分析系统，对提高故障诊断水平和预测准确度，节约发动机维护成本有着重要的现实意义，系统利用立体视觉技术以及图像处理技术，完成了对双目视觉左右图像的标定和匹配，实现了对实体表面的三维测量和立体重建，本文介绍了基于立体视觉的孔探分析系统的基本原理与主要功能，并结合应用实例验证了系统的有效性。     

提高CCD相机视觉定位度的算法研究

提出了一种提高利用CCD相机进行视觉定位的准确度的方法,对该方法的误差情况进行了分析,提出了减小误差影响的策略,对一个实例进行了研究,证明该方法可以极大地提高CCD相机的测量准确度.     

基于供应链的战略采购模式下供应商选择研究

以某汽车制造企业为研究对象，在该企业战略采购流程下的供应商开发流程基础上，利用多色集合理论对供应商进行初选，然后对供应商进一步进行评价，最后根据供应商评价结果，进行供应商级别调整和供货配比。该案例分析在多色集合的理论应用于实际方面做出了有益的探索，为企业信息化管理中实施战略采购提供了有效的方法。     

Mining Spatial Associations with Limited Sensory Information

Abstract

Human navigation in an unknown environment requires an understanding of the spatial relationships of the terrain. For example, a soldier who is on a reconnaissance mission in a new city needs to “know” the spatial layout of the surroundings with high confidence. Oftentimes, this understanding must be acquired within a very short amount of time and with limited sensory inputs. The soldier would benefit from a digital avatar that draws inferences about the spatial layout of the city based on an initial set of observations and guides the soldier either in further exploring the environment or in making decisions based on these inferences. In this paper, we present and evaluate an inductive approach to learning spatial associations using sensory data that is available from the simulation environment of a computer game, Unreal Tournament. We study two kinds of spatial relationships between nodes on a level of a game map: nodes that are placed near each other to satisfy some spatial requirement and nodes that are placed near each other to satisfy the design preferences of a level architect. We show that we can infer both kinds of relationships using an association rule mining algorithm. Furthermore, we show how to use an ontology to distinguish between these relationships in order to discover different types of spatial arrangements on a specific map. We discuss how the inferred associations can be used to control an avatar that makes recommendations for navigating unexplored areas on a map. We conclude with some thoughts on the applicability of our methods to scenarios in the real world, beyond the simulation environment of a game, and on how the learned associations can be represented and queried by a simple question-answer type system.