关键词： 遥感技术   计算机视觉技术   视觉引导   海下垃圾清理  

摘要： 为了有效清理海下垃圾,本文提出了一种基于遥感技术与计算机视觉技术的海下垃圾清理机器人。该机器人利用遥感技术获取海底垃圾的位置信息,搭载了360°水下全景观察摄像头、UGPS定位导航系统并通过计算机视觉技术实现对垃圾的识别和收集,从而实现自动化清理。造型方面设计为三棱锥线锤造型减少阻力并配备辅助机械手臂、可组合卡口等应对海下复杂清理环境。动力方面采用漩涡泵叶片设计的动力系统,通过离心率增压海水,推动垃圾流动至收集区域和太阳能板模块提升续航。该设备利用学习算法实时监测环境和清理效果,根据反馈信息调整工作策略和动作,提高清理效率和能源利用效率,实现智能化垃圾清理。

关键词： 大型枢纽   异常侵入   目标检测   分级预警   Yolov5  

摘要： 为了解决大型综合交通枢纽施工范围广、作业项目复杂情况下的高作业风险问题,针对既定施工危险区域,提出1种基于Yolov5模型的人员异常侵入检测及分级预警算法,以低成本、强独立性、覆盖范围广的优势降低施工作业风险。首先,基于Yolov5模型实现施工区域内的人员检测以及人员位置信息参数化;然后,根据人员位置参数化描述实现异常侵入检测以及分级预警。研究结果表明:该算法能够在人员多姿态、多人员、人员遮挡等挑战场景下实现有效的异常侵入检测及分级预警,其有效性及鲁棒性能在公开的玛珈工地(加油站)物品数据集(MaJia Construction Site(Gas Station)Dataset,MJCSD)上得到验证。研究结果可为改善施工安全、降低预警成本提供新的解决思路,具有实际工程应用价值。

关键词： 三维目标检测   自注意力机制   特征融合   动态图卷积   小目标检测  

摘要： 针对三维(3D)目标检测过程中对骑行者、行人等小目标检测的准确性较低,难以适应城市复杂路况的问题,提出一种基于自注意力机制与图卷积的3D目标检测网络。首先,为获取更具有判别性的小目标特征,在主干网络中引入自注意力机制,使网络对小目标特征更敏感,增强网络特征的提取能力;其次,在自注意力机制的基础上构建特征融合模块,进一步丰富浅层网络特征,增强深层网络的特征表达能力;最后,引用动态图卷积预测目标的边界框,提高目标预测的准确性。在KITTI数据集上进行实验,将所提网络与TANet(Triple Attention Network)、IA-SSD(Instance-Aware Single-Stage Detector)等8种主流网络对比。实验结果表明,所提网络对行人的检测精度在简单、中等和困难这3个难度下比行人检测精度次优的TANet提高了12.12、13.82和11.03个百分点,对骑行者的检测精度在中等和困难上比IA-SSD提高了3.06和5.34个百分点。综上所述,所提网络可以更好地应用于小目标检测任务。

关键词： 布局估计   图Transformer   二维位置编码   计算机视觉  

摘要： 在图像模式识别应用中,针对布局估计任务后处理步骤繁琐、生成算法耗时较长等问题,基于相机成像原理设计了一种快速的布局生成算法,利用图Transformer节点与邻边信息融合的特性,将复杂耗时的后处理步骤转换为平面与线段特征的交叉计算过程。使用Structured3D数据集对整体算法进行测试,结果表明各项评价指标均取得提升,单张图片计算耗时达到87 ms,整体推理速度与主流方法相比提升20%。布局生成算法耗时由单张图片66.31 ms下降至3.18 ms,速度提升了95.21%。

关键词： “当前”统计模型   加速度方差自适应   再入目标   缩放系数   粒子群优化算法  

摘要： 在再入目标跟踪时,“当前”统计模型(CS)需要依据经验预设加速度方差极限值,当预先设定值和目标实际运动不匹配时,会造成较大的跟踪误差。为克服上述问题,本文在针对常规目标提出的加速度方差自适应算法的基础上,对目标状态滤波值和预测值形成的加速度增量进行缩放,使其提供的加速度方差能够适应再入目标的机动强度;算法中不同机动模式的缩放系数则通过设置包含均方根误差和均值的目标函数,分别使用粒子群优化算法得到。仿真结果表明,本文所提算法能够稳定跟踪典型机动模式下的再入目标状态值,和其他算法相比,具有更高的跟踪精度。

关键词： OpenCV   边缘检测   仪表数据自动读取   工业自动化   图像处理  

摘要： 随着工业自动化水平的提升,仪表在生产中的重要性日益凸显。传统的人工读取仪表数据方式存在成本高、效率低和易出错等问题。利用强大的开放式计算机视觉库(open source computer vision library,OpenCV),通过摄像头采集仪表图像,经过图像预处理、边缘检测和分割等步骤,可以实现仪表数据的自动化读取。基于OpenCV优化边缘检测的仪表数据自动读取系统不仅可克服传统人工读取仪表数据方式存在的问题,还可显著提高仪表数据的处理速度、识别准确率和可靠性,降低工厂人力成本,提升工业生产效率。

关键词： 深度学习   遥感图像   目标检测   局部自适应特征加权  

摘要： 遥感图像目标检测已成为目标检测领域的重要组成部分。为了解决复杂背景下高分辨率遥感图像中小尺度目标的漏检与误检问题,结合YOLOv5s算法并在检测端提出一种局部自适应特征加权算法,通过学习已有的标注框信息将含有目标特征的前景与背景分离,获得前景中具有关键信息的目标局部特征,并自适应计算各层局部特征的空间尺度和权重。同时在主干部分引入全局注意力机制用于加强通道与空间之间的跨维度特征信息交互能力,增强特征间的关联性,以弥补检测端局部特征的全局信息丢失,从而降低目标的漏检率和误检率。实验表明:该改进算法的准确率和召回率均得到一定的提升,其均值平均检测精度mAP达到72.33%,相较于传统YOLOv5s算法提升了2.66%。

关键词： 角点检测   边坡滑动监测   特征点   图像处理   滑动轨迹  

摘要： 为减少边坡滑坡及其引发的地质灾害对财产安全的严重威胁,基于改进的Harris角点检测技术的匹配算法,提出一种新型边坡滑动监测方法。首先,通过优化Harris角点检测构建预测边坡滑动位移的图像处理模型;然后,基于校准的模板,监测角点位置的变化,从而精确估计滑动位移并追踪其轨迹,进而有效监控边坡的移动情况;最后,搭建快速的模块化试验环境,开展边坡滑动情况监测。结果表明:该方法降低了边坡监测识别中的伪角点生成,提高了角点检测的准确性和效率,能有效记录目标物体在水平、垂直和倾斜方向上的微小滑动,形成滑动轨迹追踪结果。

关键词： 3D目标检测   多模态   自动驾驶   伪点云  

摘要： 针对当前自动驾驶邻域中单模态3D目标检测算法在感知受限场景下检测精度不足的问题,文章提出一种用于动态融合图像和点云两种异构模态特征的多模态算法。具体来说,设计了一个基于交叉注意力机制的RoI特征融合模块CARF,在点云和图像的RoI特征之间执行注意力计算,以聚合像素级别的细粒度特征,并在特征融合过程中增强异构特征语义一致性,提升特征表达能力。在KITTI数据集上的实验结果显示,与先进的单模态和多模态方法相比,该方法展现出明显的性能优势,特别是在感知能力受限的场景中,如远距离和遮挡条件下,检测精度得到了显著的增强,证明了本文提出方法的有效性。

关键词： 目标检测   Canny边缘检测算法   自适应中值滤波   大津阈值分割法   三阈值分割  

摘要： 在移动机器人自主作业时,环境中往往存在障碍物,路径规划避障时要进行动态目标检测.Canny边缘检测算法可以与众多动态目标检测算法相结合,提高目标检测的效果.但是传统Canny边缘检测存在着自适应性不强,边缘检测可能不连续,或者检测虚假边缘的现象.本文提出了一种优化Canny边缘检测算法,通过改进的自适应中值滤波来预处理图像,对算法效率及对噪声点的处理做出了优化,紧接着增加梯度计算方向,最后结合改进的大津阈值分割法,提出了三阈值分割法代替原始的阈值分割法使图像边缘信息更加完整准确.仿真结果表明,该算法在边缘检测准确率上对比传统Canny边缘检测,Sobel算子与较新改进算法均有20%左右的提升,该算法优化了传统算法检测的连续性和准确率.