基于三维Hough变换的机载激光雷达平面地标提取

针对机载激光雷达点云数据中的平面地标检测问题,分析了以三维Hough变换为基础的传统的平面检测算法,指出其存在空间分割不一致问题,在检测法线垂向地标时出现"极点"现象。研究了三维Hough变换的空间完备分割条件,利用参数空间的对偶特性,提出了一种基于对偶空间分割的三维Hough变换算法,避免了空间不一致问题。仿真和实验证明,改进三维Hough变换算法在不增加计算量的同时,能够有效检测激光雷达点云中的平面地标。     

基于深度学习的三维目标识别技术现状

以图像目标识别、三维目标识别和深度学习的基本概念为切入点,论述了深度学习在目标识别和三维识别中的研究现状,分析了现阶段基于深度学习的三维识别方法所存在的不足和研究方向,进一步探讨了三维目标识别技术的应用前景.通过对相关技术和文献的调研和分析,对多种基于深度学习的目标识别优化结构及优化算法的优缺点进行了总结,说明了三维目...     

LiDAR点云纹理特征提取方法

针对图像纹理应用于LiDAR点云分类过程中存在的多义性问题,提出点云纹理特征的概念。该特征属性反映了点与其邻域点的属性值分布情况,提取过程基于KD树数据检索结构和灰度共生矩阵算法。分析搜索邻域、移动步长和灰度等级等参数对点云纹理特征的影响,并利用支持向量机分类方法验证点云纹理特征,可以有效地辅助高程和强度信息以改善LiDAR点云的地物分类结果。实验还证明了相比于栅格格式的图像纹理特征,点云纹理特征约束的地物分类具有更高的分类精度,并且点云纹理特征在微小地物的甄别和水陆的区分方面具有突出的能力。该特征的这些优秀特性可以为海岸带机载LiDAR数据的精细化分类、海岸带高精度DEM构建和海岸线提取等工作发挥重要作用。     

关联分类CBA算法识别机载火控雷达工作模式

对敌机载火控雷达工作模式的识别与分析,在威胁等级判别、干扰样式选择、电子战辅助决策支持等方面具有重要军事应用价值。因此,针对机载火控雷达工作模式与参数复杂繁多、自动识别准确率不高等问题,提出了一种基于关联分类CBA算法的判定方法,并应用k-折交叉验证法进行验证。该方法从已建立的非协作雷达信号特征库中选择训练样本,基于扫描特征和信号样式应用关联分类CBA算法,即采用迭代方法挖掘特征中的频繁项集,并在此基础上启发式地构建分类器。以机载火控雷达4种空空工作模式为例进行了仿真实验,结果表明：该识别方法对不同的工作状态具有较高的识别准确率。     

深度学习视域下的教师培训课程设计

教师培训成效不佳原因在于学习停留在浅表层次,有效的教师培训应该走向深度学习。基于深度学习的内涵与深度学习路线(DELC),构建促进深度学习发生的课程设计框架:以高阶能力为目标进行前端分析,通过"深度在场、深度加工"的参与式培训方式和螺旋递进式的高阶课程开展深度学习,微观深入地解决核心问题,落实培训成果并有效转化。     

三维点云深度模型压缩算法

随着计算机三维视觉的广泛应用,近几年基于深度学习的点云处理算法得到了大量研究,而耗时耗存储的缺陷较大程度限制了其在移动端的部署应用。基于改进损失函数的总体思路,提出了一种新的点云深度模型压缩框架,将知识蒸馏方法引入二值量化模型中,同时考虑点云聚合操作的特殊性引入了辅助损失项,改进的损失函数共包括预测损失项、蒸馏损失项和辅助损失项三部分。实验结果表明,和已有算法相比,所提算法可以获取更高的精度,同时对当前点云主流深度网络模型也具有良好的扩展性。     

大学生在线学习投入对深度学习的影响研究——学习环境的调节作用

为探讨学习环境、学习投入和深度学习之间的内部关系和作用机制,本研究对重庆某高校的598名参加在线学习的在校大学生进行问卷调查。研究发现：1.学生总体深度学习处于中上等水平;学生的学习经验和学习能力是影响大学生深度学习的重要因素。2.大学生在线行为、情感、认知投入对在线深度学习有正向影响作用。3.在线学习环境对学习投入与深度学习的影响有调节作用。良好的在线学习环境中资源获取的方式和支持服务等方面的体验,能促进学习者的学习投入从而提升学生深度学习水平。研究对大学生在线深度学习的影响因素提供了实证依据,期望其研究结果及结论对大学生在线深度学习的研究提供重要的参考价值。     

基于深度学习及UKF的机器人SLAM

针对室内机器人定位中精度不高、稳定性差的问题,提出融合深度学习和无迹卡尔曼滤波(Unscented Kalman Filter,UKF)的机器人同时定位与地图构建方法(Simultaneous Localization and Mapping,SLAM)。首先利用深度相机获取彩色图和深度图,再利用单发多框探测器(Single Shot MultiBox Detector,SSD)进行路标检测,获取路标坐标,最后将路标信息加入到UKF-SLAM中。实验结果表明,该方法提高了SLAM的精度,可用于室内机器人同时定位与地图构建。     

基于激光雷达的高炉回旋区深度探测研究

炼铁高炉回旋区深度的直接探测存在较大困难,提出了一种基于激光雷达的回旋区边缘探测方法。探测得到的回波信号存在较大噪声干扰,为提取边缘回波信号,首先对噪声特点进行分析,判明噪声包括白噪声和1/fγ非平稳随机噪声;由此采用多小波平移不变算法进行滤波处理;采用H ilbert-Huang变换对滤波后的信号进行处理,对其瞬时能量进行分析。由于回旋区边缘表现出较为强烈的局部能量,从能量谱中可较好地提取回旋区边缘信号。试验表明,采用激光雷达探测回旋区的深度,能较为真实地反映高炉回旋区的真实状态,其值较计算建模方法更可靠。进一步的研究可望得到回旋区的二维或三维形貌。     

指向深度学习的中学英语课堂教学模式探究

我国传统的中学英语课堂教学由于受应试目的的影响,往往停留在引导学生对基本语言知识进行识记掌握的浅层方面,忽视引导学生对所学知识进行深层次地学习与思考。相对于浅层学习来说的深度学习,强调引导学生在学习过程中进行深层次思考,帮助其培养高阶思维能力,具有注重批判理解、信息整合、知识建构等基本特征,对我国中学英语课堂教学改革具有一定的指导意义。依据深度学习的基本特征,从教学目标、教学内容、教学方法、教学工具和教学评价五个维度阐释中学英语课堂教学模式构建的可能性,为促进中学英语学习者进行深度学习提供参考。     

基于深度森林的网络流量分类方法

随着网络应用的迅猛发展,流量分类在网络资源分配、流量调度和网络安全等诸多研究领域受到广泛关注。现有的机器学习流量分类方法对流量数据特征的选取和分布要求苛刻,导致在实际应用中的复杂流量场景下分类精确度和稳定度难以提高。为了解决样本特征属性的复杂性给分类性能带来的不利影响,引入了基于深度森林的流量分类方法。该算法通过级联森林和多粒度扫描机制,能够在样本数量规模和特征属性选取规模有限的情况下,有效地提高流量整体分类性能。通过网络流量公开数据集Moore对支持向量机、随机森林和深度森林机器学习算法进行训练和测试,结果表明基于深度森林的网络流量分类器的分类准确率能够达到96. 36%,性能优于其他机器学习模型。     

基于深度学习的MPSK信号调制识别

为了有效实现信号调制方式的智能识别,提出基于深度学习的多进制相移键控(Multiple Phase Shift Keying, MPSK)信号调制识别方法。分析接收MPSK信号的循环谱,并通过提取MPSK信号循环谱的等高图获得二维特征信息,利用深度学习中的卷积神经网络对二维特征进行训练,使用测试样本对所设计的调制识别方法的有效性进行验证。仿真结果表明,所提方法具有良好的识别性能。     

3D laser scanning strategy based on cascaded deep neural network

A 3D laser scanning strategy based on cascaded deep neural network is proposed for the scanning system converted from 2D Lidar with a pitching motion device. The strategy is aimed at moving target detection and monitoring. Combining the device characteristics, the strategy first proposes a cascaded deep neural network, which inputs 2D point cloud, color image and pitching angle. The outputs are target distance and speed classification. And the cross-entropy loss function of network is modified by using focal loss and uniform distribution to improve the recognition accuracy. Then a pitching range and speed model are proposed to determine pitching motion parameters. Finally, the adaptive scanning is realized by integral separate speed PID. The experimental results show that the accuracies of the improved network target detection box, distance and speed classification are 90.17%, 96.87% and 96.97%, respectively. The average speed error of the improved PID is 0.4239°/s, and the average strategy execution time is 0.1521 s. The range and speed model can effectively reduce the collection of useless information and the deformation of the target point cloud. Conclusively, the experimental of overall scanning strategy show that it can improve target point cloud integrity and density while ensuring the capture of target.     

基于摄影图像的三维信息提取技术研究

通过摄影成像的坐标系统与三维坐标计算方法的研究 ,应用“特征点选取 ,多角度摄影 ,对应点匹配”图象测试模型特征点标记的匹配法 ,给出了在桨叶型值点精度测试中的试验结果 ,并对桨叶应力试验图像测试的精度与灵敏度作了分析     

一种基于耦合的三维拓扑结构表示方法

基于一定的空间划分 ,提出了一种基于耦合的三维拓扑结构表示方法。这种三维拓扑结构基于耦合 (orientedface ,arc)定义了四种基本的拓扑关系。基于这些基本的拓扑关系 ,讨论了四种重要的拓扑查询的实现算法 ,从而证明了这种拓扑结构的价值 :不依赖几何嵌入 ,快速推导出各种拓扑关系 ,尤其是与体对象相关的三维拓扑关系     

可移植人体外耳支架的3D打印关键技术

探索使用医用硅胶制作患者个体外耳支架的关键技术,使用计算机断层扫描和逆向建模技术得到对应患者个体的外耳数字模型,利用3D打印技术制造人体外耳支架模具,并使用医用硅胶MED 4735完成人体外耳支架的制作成型。动物实验验证了其生物相容性,证明了方法的可行性。通过该技术制作的硅胶人体外耳支架可以高度模仿患者特定的耳廓形状,支架精度高、制造周期短、无生物排异,可为替代肋软骨雕刻人体外耳支架进行耳廓缺损治疗提供依据。     

基于混合建模方法的三维彩色树木快速模拟算法

在对多种模型进行研究的基础上，提出了一种快速模拟三维彩色树木的高效算法。该算法不仅合理简化了树木的几何拓扑结构和生长规律特性，而且引入了特性良好、计算简单、参数易于控制的随机函数。因此生成树木的种类较多、图形逼真、速度很快，在普通微机上达到了实时的模拟效果。     

基于几何解算的飞机三维姿态测量方法

针对单站光测图像,提出一种基于目标形状特征的三维姿态测量方法。在已知飞机外形尺寸、光测设备成像参数以及飞机与光测设备之间距离的情况下,根据飞机参考平面(水平机翼所在平面)与成像平面平行和不平行时成像尺寸的差异,可以估计出飞机参考平面相对于成像平面的位置关系,从而得到飞机相对于摄像坐标系的三维姿态,再通过坐标转换即可得到飞机相对于大地坐标系的三维姿态。该方法充分利用了目标和成像设备的先验知识,避免了复杂的模型匹配过程,具有较好的准确度和实时性,对目标的精确控制和跟踪具有重要意义。     

基于C3D辅助的战场传感器监视系统设计与实现

首先介绍了战场传感器监视系统的定义和各国现有典型系统。其次针对战场监视特殊的应用环境,利用C3D辅助技术,将相对定位与基于三维地图环境下的绝对定位相结合,通过坐标转换和地图匹配将位置信息直观准确反映在电子地图上,设计了基于C3D辅助的战场传感器监视系统,并对该系统进行了实现。最后通过对3D-MDS(C,D)定位算法的验证结果表明,在长1000m×7m宽的道路上,布撒120个节点,对于速度为3m/s的装甲车定位误差仅为2.1687米。该系统可对定位算法的定位精度进行评测及误差进行修正,防止由于误差累积造成误差放大。