【摘 要】
:
在全面建设智慧机场,提高机场运行效率的背景下,行李拖车码放环节的自动化逐渐成为各大机场的改进目标之一。自动化行李托车码放环节,可以提高旅客行李码放效率,有助于更为高效、合理的安排航班时刻,从而提高旅客的乘机体验和航空公司的收益。在自动行李码放过程中需要解决如何自助获取行李的三维信息和如何进行航空行李拖车码放这两个问题。结合机场的行李拖车码放需求,在自助获取三维信息上,本文提出了基于改进的SFM算法
论文部分内容阅读
在全面建设智慧机场,提高机场运行效率的背景下,行李拖车码放环节的自动化逐渐成为各大机场的改进目标之一。自动化行李托车码放环节,可以提高旅客行李码放效率,有助于更为高效、合理的安排航班时刻,从而提高旅客的乘机体验和航空公司的收益。在自动行李码放过程中需要解决如何自助获取行李的三维信息和如何进行航空行李拖车码放这两个问题。结合机场的行李拖车码放需求,在自助获取三维信息上,本文提出了基于改进的SFM算法。针对该算法在物理层面上的实现,本文提出了D-M MBS神经网络,并将该网络与SFM算法中的SIFT算法相结合。通过实验可知,在误差允许的情况下,本文提出的算法获取的三维信息可以满足行李三维重建的性能需求。同时,针对特征点匹配环节精度不高的问题,本文引入视差梯度的定义,提出了基于视差梯度和的RANSAC算法,并通过实验证明该算法速度较快且匹配精度较高。将以上两种方法与SFM算法融合,得到了改进的SFM算法,并应用于航空行李的三维重建,最终得到航空行李的三维数据,经过实验验证,通过该算法所得到的三维信息误差较小,可以作为航空行李拖车码放问题的数据。在行李拖车码放上,针对强异构行李的码放难度问题,本文提出了混合K-means算法,将强异构性数据划分为弱异构性数据,并通过实验验证了算法的有效性。针对行李拖车码放问题,结合航空行李的特殊性,本文提出了基于双层遗传算法的行李拖车码放算法,并通过实验验证了该算法的可行性。本文重点研究了基于改进的SFM算法以及基于双层遗传算法的行李拖车码放算法,给出了算法的具体流程,并以航空行李序列图像为对象先进行了基于改进的SFM算法实验,并将结果应用到基于双层遗传算法的行李拖车码放算法中,结果证明了算法满足系统的性能要求。
其他文献
背景:肾上腺脑白质营养不良(adrenoleukodystrophy,ALD)是一种X连锁过氧化物酶体病,由ABCD1单基因突变引起,典型特征是血浆和组织中极长链脂肪酸的异常堆积。ALD的临床表型多样,从无症状到快速进展的儿童脑型不等。肾上腺脊髓神经病型是最常见的表型,起病年龄较晚,并累及锥体束、背柱和周围神经。但是,在头颅磁共振未提示脑白质明显异常情况下很难区分成人ALD与遗传性痉挛性截瘫。目的
目的:1型神经纤维瘤病(Neurofibromatosis type 1,NF1)是世界范围内最常见的常染色体显性遗传病之一,以咖啡斑、皱褶部位雀斑、Lisch结节及皮肤良性神经纤维瘤为主要临床特征。NF1基因(Neurofibromatosis type 1 gene)是1型神经纤维瘤病的致病基因,具有极高的突变率。目前对于1型神经纤维瘤病的治疗仅限于手术和激光,并且有极高的复发率。因此,从基因
随着机场愈加繁忙,飞机在机场飞行区发生滑行冲突等事故及事故征候屡见不鲜。以及随着空中交通管制员工作强度的逐渐增大,也逐渐提高了管制员发生“错、忘、漏”的概率,威胁到飞机的安全。对此,通过基于管制指令的飞机滑行冲突预警关键技术进行研究,实现验证管制指令的正确性、保障机场飞行区场面运行安全和给予管制员提供及时的辅助决策支持的目的。主要工作如下:首先,介绍了飞机滑行区域和飞机尾流分类新标准,阐述了飞机滑
目的:自发性脑出血(Spontaneous intracerebral hemorrhage,s ICH)后早期血肿扩大(Hematoma expansion,HE)是决定患者预后的关键因素之一。本研究的目的是基于深度学习算法开发一种新的早期血肿扩大预测模型,并验证其预测效能。方法:连续收集2012年2月至2019年10月就诊于我院的自发性脑出血患者,这些患者均于起病8小时内接受头颅非对比电子计算
旋转机械设备在复杂工况下的运行状态往往取决于其关键部件——转子系统。现代工业水平随着科技的提升不断彰显新的高度,旋转机械设备身处其中也在不停的创新发展。由于运行工况复杂多变,高故障率的转子系统使得机械设备故障频发。设备出现故障后,故障因素会急速蔓延,如果不能准确发现故障并对故障原因进行处理的话,不仅会对经济造成损失,还可能导致工作人员伤亡。因此,分析转子系统故障,对在变工况下转子系统故障诊断方法展
民航旅客运输态势从长期来看仍处于持续稳定增长的阶段,机场高密度、高饱和的运行状态不会发生改变,而如何提升机场运行效率和智能服务质量成为当前旅客保障亟待解决的关键问题。离港旅客作为空港服务的主要对象之一,由于未能准确感知其聚集特性,无法合理有效配置各保障区域和节点的服务资源,造成旅客拥堵现象时有发生,严重影响旅客在机场的体验感。因此,系统性研究面向航班计划的离港旅客聚集特性成为机场提升自身满意度的主
作为无人仓储管理系统中基本组成部分,移动机器人的自主定位能力是不可或缺的。视觉SLAM(Visual Simultaneous Localization and Mapping,VSLAM)为实现自主定位能力提供强有力的理论和技术支撑,但无人仓储实际场景给VSLAM系统稳定运行带来了约束和挑战,无人仓储环境中低纹理、重复纹理以及场景变化等因素都会使得VSLAM系统定位精度下降。特征跟踪精度和回环检
不安全事件强制或自愿报告是空中交通管理领域在安全风险管理方面普遍采用的方式,报告采用自由文本加分类的结构。通过自然语言处理技术对不安全事件报告开展分析,抽取其中的危险源描述特征,对空管安全风险管理具有重要的意义。本文首先分析了空管安全管理的国内外现状,在归纳安全管理与自然语言处理的基础上,形成了空管危险源数据分析的技术基础;其次,提出了基于自然语言处理的空管危险源数据分析方案,通过对报告内容的分析
背景:帕金森病(Parkinson’s disease,PD)是一类以运动迟缓、肌强直和静止性震颤等运动症状为主要临床表现,同时伴有各种非运动症状的中枢神经系统退行性疾病;α-突触核蛋白(α-synuclein,α-syn)的异常聚集沉积是其主要的病理特征。遗传因素在PD的发生发展中起着重要的作用。APOEε4基因型是帕金森病性痴呆和路易体痴呆的风险因素,同时也是PD认知障碍和冻结步态发生的风险因
航空安全自愿报告是由民航业内人士上报的文本报告,其中记录着影响民航运行安全的隐患事件,可作为主动防范民航事故的重要依据。针对航空安全自愿报告,采用自然语言处理技术,开展了命名实体文本信息及其关系抽取,对构建机场不正常事件知识图谱具有重要的支撑作用。首先,针对航空安全自愿报告非结构化文本问题归纳提出了机场不正常事件信息抽取技术路线;其次,针对命名实体识别模型中自注意力机制的权重分配过度集中于单个字且