公共文化服务平台

共 8 条记录，以下是 1-8

全选清除导出

排序方式：

指纹图像的预处理算法被引量：3: 2003年; 该文介绍了一种指纹图像的预处理算法,实验结果表明这种算法能有效地去除采集到的指纹图像的噪声,自适应地增强指纹图像的脊和谷的结构,标记出有效的指纹区域和无效的指纹区域,同时具有较快的速度。; 张雄贺贵明张云钟美兰; 关键词：指纹滤波图像预处理

基于多面体的空间查询及其应用: 2003年; 展示了一种多面体区域的多属性查询结构,通过把多面体区域映射成高维的矩形区域达到简化问题的目的,多面体查询区域和多面体约束通常来说可能是一种更好的查询选择,介绍了一种有效的多属性索引结构(p-树)以及遗传算法在空间查询中的应用。; 张云唐学兵刘巍张雄; 关键词：空间查询数据结构遗传算法 BSP树

基于分裂合并的多模型拟合方法在点云分割中的应用被引量：9: 2018年; 本文基于机器视觉探讨数字摄影测量三维构像下的智能数据处理要素之二:海量点云分割处理技术。多模型拟合方法通过将点云拟合到不同模型中,依照点云空间分布特征和几何结构特征进行分割。针对点云数据量巨大、分布不均匀、结构复杂等特性,本文提出一种基于多模型拟合的点云分割方法。首先通过降采样,采用基于密度分布的聚类方法,实现对点云的预分割。在预分割基础上,利用基于分裂合并的多模型拟合方法对点云进行后续拟合分割。针对平面和弧面,本文采用不同的拟合方式,最终实现对室内密集点云分割。试验结果表明,该方法能够在无须提前设置模型数目的情况下实现点云的自动分割。且相较于现有的点云分割技术,此方法相较于现今的常规方法能取得更好的分割效果,在分割的正确率上要高于现有的常规分割方法,在处理相同数据量的点云分割时,能够达到远低于常规方法的时间消耗。通过本文提出的三维点云分割方法能够实现将大规模、复杂三维点云数据分割为较为精细、具有准确模型参数的三维几何图元,为后续实现大规模、复杂场景的精确三维构象提供有力支持。; 张良培张云陈震中肖佩珮罗斌; 关键词：机器视觉点云分割

基于无人机的车辆目标实时检测: 越来越多的研究者开始关注基于无人机系统的车辆检测,已在交通管理与监控系统中得到广泛的研究与试验.为了更加直观地监测道路车辆交通情况,本文基于无人机视频数据进行车辆的实时检测.首先搭建了小型无人机数据采集系统;针对采集的视...; 姜尚洁罗斌刘军张云; 关键词：车辆识别目标检测无人机

利用无人机多源影像检测车辆速度被引量：9: 2018年; 交通在人民生活和社会经济中有着举足轻重的作用。车辆速度检测是智能交通管理系统的重要组成部分。本文提出了一种基于无人机(UAV)多源影像数据进行车辆速度检测的方法,首先,搭建小型无人机多源数据采集平台,获取可见光影像与热红外影像。然后,针对采集的多源数据,采用深度学习框架YOLO(you only look once)进行车辆检测。最后,基于卡尔曼滤波进行车辆跟踪,并根据跟踪结果计算车辆速度。本文利用无人机平台增加监测车辆的灵活性,同时综合使用多源数据,不仅提高车辆检测精度,还可以不依赖光照条件跟踪车辆。试验结果表明,本文方法具有有效性和稳健性,为道路监控管理部门提供一种高效率、机动灵活的监测模式。; 姜尚洁罗斌贺鹏杨国鹏顾亚平刘军张云张良培; 关键词：无人机

基于无人机的车辆目标实时检测被引量：8: 2017年; 越来越多的研究者开始关注基于无人机系统的车辆检测,已在交通管理与监控系统中得到广泛的研究与试验。为了更加直观地监测道路车辆交通情况,本文基于无人机视频数据进行车辆的实时检测。首先搭建了小型无人机数据采集系统;针对采集的视频数据,采用深度学习框架进行车辆检测;基于深度学习的检测,尝试优化车辆检测结果。试验结果表明本文方法具有有效性和实时性,为监控管理部门提供了一种高效率、机动灵活的监测模式。; 姜尚洁罗斌刘军张云; 关键词：无人机车辆识别

基于SiftGPU特征匹配方法的实时视觉里程计系统被引量：2: 2015年; 采用尺度不变特征变换(SIFT)特征匹配方法对双目相机图像进行立体匹配,同时匹配相邻两时刻的三维点,求解运动方程进行运动估计,得到机器人2个时刻坐标变换的旋转和平移参数;使用每2个时刻的旋转和平移结果进行机器人的路径反演,采用GPU加速SIFT特征提取与匹配,实现实时的视觉里程计系统,并采用RANSAC算法用于运动估计剔除误匹配点干扰。实验结果表明,具有仿射变换较强不变性的SIFT特征匹配算法能够得到较为精确的路径反演结果,采用GPU加速SIFT特征提取与匹配能达到实时的视觉定位效果。; 张云尹露王雨婷罗斌; 关键词：视觉里程计 SIFT特征匹配

分裂合并运动分割的多运动视觉里程计方法被引量：2: 2020年; 目的视觉里程计(visual odometry,VO)仅需要普通相机即可实现精度可观的自主定位,已经成为计算机视觉和机器人领域的研究热点,但是当前研究及应用大多基于场景为静态的假设,即场景中只有相机运动这一个运动模型,无法处理多个运动模型,因此本文提出一种基于分裂合并运动分割的多运动视觉里程计方法,获得场景中除相机运动外多个运动目标的运动状态。方法基于传统的视觉里程计框架,引入多模型拟合的方法分割出动态场景中的多个运动模型,采用RANSAC(random sample consensus)方法估计出多个运动模型的运动参数实例;接着将相机运动信息以及各个运动目标的运动信息转换到统一的坐标系中,获得相机的视觉里程计结果,以及场景中各个运动目标对应各个时刻的位姿信息;最后采用局部窗口光束法平差直接对相机的姿态以及计算出来的相机相对于各个运动目标的姿态进行校正,利用相机运动模型的内点和各个时刻获得的相机相对于运动目标的运动参数,对多个运动模型的轨迹进行优化。结果本文所构建的连续帧运动分割方法能够达到较好的分割结果,具有较好的鲁棒性,连续帧的分割精度均能达到近100%,充分保证后续估计各个运动模型参数的准确性。本文方法不仅能够有效估计出相机的位姿,还能估计出场景中存在的显著移动目标的位姿,在各个分段路径中相机自定位与移动目标的定位结果位置平均误差均小于6%。结论本文方法能够同时分割出动态场景中的相机自身运动模型和不同运动的动态物体运动模型,进而同时估计出相机和各个动态物体的绝对运动轨迹,构建出多运动视觉里程计过程。; 王晨捷张云赵青王伟尹露罗斌张良培

全选清除导出

共1页<1>

张云

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

张云

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈