关键词： 高速铁路   声屏障   表观检测   高速摄影   图像处理  

摘要： 声屏障在长期服役过程中需要进行日常维护,以保障其降噪效果和结构稳定性,对其表观检查是日常维护巡查工作的重要环节。基于高速铁路运营列车,研究采用高速相机进行不同焦距组合、高帧率拍摄及成像参数优化等技术,解决列车高速运行拍摄时产生的图片模糊等问题,提出一种实时分析声屏障表观状态的图像检测技术。该技术可全面记录测试区段声屏障的细致外观,拍摄的声屏障图像进行深度分析后可用于定量评价声屏障表观缺陷种类和严重程度,实现高速状态下声屏障表观状态的快速有效检测。

关键词： 三维目标检测   PointPillars   全局注意力机制   挤压与激励网络模块  

摘要： 提出了一种基于全局注意力机制的Robust-PointPillars三维目标检测方法,在智能驾驶的应用中,提高了目标检测的精度和鲁棒性。PointPillars等神经网络通过使用点云柱表示点云,具有实现三维目标检测的潜力。首先介绍了空间和通道双重注意力模块,以增强有学习价值的点云特征,解决了PointPillars缺乏点云柱内部学习机制和特征提取不足的问题;挤压与激励网络(SENet)模块的引入,使PointPillars对特征信息的学习理解能力得到进一步提高;最终,对受到干扰或缺失的传感器信号进行抑制,并利用全局注意力算法来提高鲁棒性。基于KITTI数据集上的目标检测结果,本文算法具有良好的目标检测精度和鲁棒性。

关键词： 采摘机器人   机械臂   运动控制   视觉定位   图像处理   RRT  

摘要： 首先,从整体方案、视觉定位系统和运动控制系统完成了对采摘机器人机械臂控制系统的设计;然后,基于图像处理技术设计了目标物体识别与抓取策略;最后,基于RRT算法研究了对采摘机器臂运动轨迹的控制方法,实现了对采摘机器人机械臂运动控制与目标抓取系统。采摘试验结果表明:系统对苹果的识别和定位准确度比较高,采摘成功率达到了100%,对采摘机器人自主采摘的实现具有一定的现实意义。

关键词： 脑胶质瘤   核磁共振成像   图像处理   计算机辅助   人工智能  

摘要： 目的 脑胶质瘤及其子区域的全自动分割是计算机辅助肿瘤临床诊断的基础,卷积神经网络在脑部磁共振成像(magnetic resonance imaging, MRI)分割过程中,小卷积核只能提取局部特征而无法有效融合全局特征,缩小了对影像信息的感知范围,从而导致分割精度不足的问题。本研究旨在利用膨胀卷积,针对三维(three-dimensional, 3D)-UNet不能充分提取全局特征的问题进行改进。方法 (1)算法构建:本文提出一种带有三条全局上下文特征提取通路的3D-UNet模型,即3DGE-UNet模型。使用脑部肿瘤分割挑战赛(Brain Tumor Segmentation Challenge, BraTS)2019提供的公开数据集(335例患者),设计一种全局上下文特征提取(more global contextual feature extraction, GE)模块,并将该模块引入到3DUNet网络的第一、二、三条跳跃连接处,利用该模块充分提取图像的不同尺度全局特征,并与上采样得到的特征图叠加,扩大模型感受野,实现不同尺度特征的深层融合,从而完成端到端的脑肿瘤全自动分割。(2)算法验证:图像数据来源于BraTs2019数据集(335例患者术前MRI图像,包括T1、T1ce、T2和FLAIR四种模态图像和一张医生标注的肿瘤标签图像),将数据集分别按照8∶1∶1划分为训练集、验证集和测试集。以医生标注的肿瘤标签图像为金标准,使用Dice系数(综合评价有效性)、敏感度(病灶区域的查全率)和95%Hausdorff距离(肿瘤边界的分割精度)在测试集中评估算法对完整肿瘤区域(whole tumor, WT)、核心肿瘤区域(tumor core, TC)和增强肿瘤区域(enhancing tumor, ET)三种区域的分割性能,分别使用无GE模块的3D-UNet模型和有GE模块的3DGE-UNet模型进行检测,内部验证GE模块设置的有效性。使用3DGEUNet模型、ResUNet、UNet++、nnUNet、UNETR检测上述性能指标,并比较5种算法模型的收敛性,外部验证3DGEUNet模型的有效性。结果 (1)在内部验证中,改进的3DGE-UNet模型在测试集中分割WT、TC和ET区域的Dice均值分别为91.47%、87.14%和83.35%,与传统的3D-UNet模型相比(89.79%、85.13%和80.90%),综合评价达到了最优值,对于三个区域的分割精度都有提升(P<0.05)。3DGE-UNet模型与3D-UNet模型相比,ET区(86.46%vs. 80.77%)具有更高的敏感度(P<0.05),在查全率方面表现更为优越,在面对病灶区域时,3DGE-UNet模型更倾向于正确识别并捕获更全面的阳性区域,更为有效地避免漏诊发生。3DGE-UNet模型在肿瘤WT区域边缘分割的出色性能,其95%Hausdorff距离均值优于3DUNet模型(8.17 mm vs. 13.61 mm,P<0.05),但在TC区(8.73 mm vs. 7.47 mm)和ET区(6.21 mm vs. 5.45 mm)的性能表现与3DUNet模型相似。(2)在外部验证中,其余4种算法仅TC的Dice均值(87.25%)、WT的敏感度均值(94.59%)、TC的敏感度均值(86.98%)和ET的平均95%Hausdorff距离(5.37 mm)优于3DGE-UNet模型,但差异无统计学意义。3DGE-UNet模型可以在训练阶段快速收敛,速度优于其他外部模型。结论 3DGE-UNet模型可以有效地提取和融合不同尺度的特征信息,提高脑肿瘤分割的准确性。

关键词： 目标检测   安全帽检测   YOLO算法   ASPP   注意力机制  

摘要： 针对现有安全帽检测算法对于远距离目标以及背景复杂的工地场景下的安全帽识别检测精度较低的问题,对yolov5s结构进行改进,主干网络中引入CoorAtt注意力机制增强特征提取能力,加强对重要的小目标信息的关注;然后将原模型中的SPP模块替换成ASPP模块,通过使用空洞卷积层来代替池化层,降低了最大池化导致的特征信息丢失,同时采用不同的扩张率增大感受野,并且有效地提取不同尺度的特征;其次在颈部网络使用BiFPN结构,更高效地对特征信息进行融合;最后通过更改损失函数为WIOU通过引入动态非单调聚焦机制,平衡模型对各质量样本的关注,提高网络的整体性能,从而提高目标检测精度。为了测试算法的有效性,文中在公共数据集Safety Helmet Detection上进行实验。实验结果表明,改进后的yolov5s算法,目标检测mAP达到了88.5%,比改进之前的yolov5s算法提升了2.1%。

关键词： 智能汽车   目标检测   激光雷达   点云聚类   KITTI数据集   基于密度的噪声应用空间聚类(DBSCAN)  

摘要： 激光雷达在自动驾驶系统的目标检测任务中发挥着重要作用,但其扫描机理会使得点云分布不均匀,常规聚类算法由于参数固定会导致较多的错误聚类。为解决该问题,该文以椭圆形状作为邻域空间,设计基于采样点位置的邻域自适应调整策略,提出一种基于目标点云分布特性的动态聚类算法。通过正确聚类、过聚类等综合结果评估算法的性能,在KITTI数据集上进行了数值分析得到算法参数,并在校园环境中进行了实车对比实验。结果表明:所提算法能减少基于密度的噪声应用空间聚类(DBSCAN)中固定邻域所造成的70.60%过聚类、49.76%欠聚类等错误结果,从而有效提高算法的综合聚类性能。

关键词： 混合现实   足球机器人   目标跟踪   人机交互   帧差法   目标模板区域  

摘要： 机器人跟踪足球时,由于目标具有较强的运动随机性,且较小的目标尺度增大了跟踪框的自适应跟踪难度,目标跟踪时会将很多背景信息包含在内,导致目标模型的更新错误。为此,提出基于MR混合现实的足球机器人目标跟踪方法。构建MR混合现实平台,令足球机器人在虚拟现实场景下完成人机交互,在保证目标跟踪安全性的同时提升目标跟踪性能;采用帧差法获取目标模型,利用投影法对二值图像投影,并对差分图像滤波,以此获取足球机器人在目标模板区域及候选目标区域中的直方图。基于此,更新足球机器人目标模型,实现基于MR混合现实的足球机器人目标跟踪。实验结果表明,当跟踪误差阈值为0.8mm时,研究方法的目标跟踪准确率和成功率均可达95%以上,平均耗时为55.17ms。当足球目标出现遮挡问题时,该方法仍能完成高精度跟踪。

关键词： 地线断股   输电线路   SSD   目标检测   检测方法  

摘要： 输电线路地线断股是导致电力系统事故和故障的主要原因之一。因此,地线断股的准确检测和及时修复对于电力系统的安全运行至关重要。本文主要探讨了基于SSD(Single Shot MultiBox Detector)的输电线路地线断股检测方法。首先,介绍了地线断股的定义和危害。然后,详细介绍了SSD算法的原理和基本流程,并对其在目标检测领域的优势进行了分析。接着,针对输电线路地线断股检测的具体问题,提出了一种基于SSD的检测方法,并详细描述了其算法步骤。最后,通过试验验证了该方法的有效性和准确性,并对其进行了性能评估和对比分析。试验结果表明,基于SSD的地线断股检测方法在准确性和实时性方面都具有较高的优势,可为输电线路地线断股的检测和预防提供重要的技术支持。

关键词： 小天体表面岩石检测   深度学习   多头自注意力机制   小目标检测   多尺度特征融合  

摘要： 针对暗弱环境下小天体表面岩石轮廓特征不明显及岩石尺寸小而造成的难检测问题,提出了一种小天体表面着陆区岩石目标检测方法及模型。将多头自注意力机制融入YOLOv8x框架,用于提高模型获取图片全局视野的能力,增强模型对深空环境中不同光照条件下岩石特征的自适应性;在此基础上增加小目标检测层,用于提升模型对小尺寸岩石的关注度,增强模型对不同尺寸岩石的自适应性。对比实验结果表明,方法相较于改进前算法,岩石检测准确率、召回率和平均检测精度分别提升了6.4%、3%、5%,与其他主流目标检测算法相比,指标也得到明显提升。该方法为暗弱环境下小天体表面着陆区岩石的自主识别提供了理论和技术基础。

关键词： 高等几何   计算机视觉   视觉测量   无穷远元素   虚拟仿真  

摘要： 高等几何是数学与应用数学专业本科教育的基础课程,无穷远元素是其中一个重要概念.结合摄像机的投影模型,把无穷远元素与计算机视觉相结合,体现了在工程实际中的应用价值.并把无穷远元素在虚拟仿真实验课程中给予体现,充分体现抽象的数学概念在实际中的应用,启发了学生的学习兴趣.