【摘 要】
：
机器人作业环境复杂、物料的随机摆放使得目标识别与定位精度低、实时性差，提出改进几何矩的移动机器人目标识别。采用RGB-D相机进行图像采集与深度信息获取；提出了基于HSV的改进自动阈值与形态学相结合的分割算法对目标物料进行识别，根据HSV颜色空间的特点结合Otsu算法对物料目标进行分割，通过高斯滤波与形态学低通滤波器OC-CO对分割后的目标进行滤波降噪和补全处理；提出了Graham与旋转卡壳相结合的
论文部分内容阅读
机器人作业环境复杂、物料的随机摆放使得目标识别与定位精度低、实时性差，提出改进几何矩的移动机器人目标识别。采用RGB-D相机进行图像采集与深度信息获取；提出了基于HSV的改进自动阈值与形态学相结合的分割算法对目标物料进行识别，根据HSV颜色空间的特点结合Otsu算法对物料目标进行分割，通过高斯滤波与形态学低通滤波器OC-CO对分割后的目标进行滤波降噪和补全处理；提出了Graham与旋转卡壳相结合的算法寻找最小外接矩来获取目标物料的准确位姿。实验结果表明算法具有较高的准确性和鲁棒性。
其他文献
地震导向钻井技术对于物探技术精细化发展至关重要，这项技术旨在高效利用钻头前的地震数据，从而减少钻探风险，提高经济效益。目前此项技术仍处于发展中期阶段，现阶段的两种主要思路是地震信号于地表或海面激发，钻柱中检波器接收（随钻VSP），以及钻头振动作为井下震源，钻杆或地表接收。两种方法各有利弊，随钻VSP技术应用成熟，但工作成本高，且时效性不足，按现行思路已很难继续获得大的突破。且通过传统VSP与配套实
主应变轴偏转是塑性剪切变形的一种结果。同时，主应变轴偏转又会在一定程度上影响变形，从而可能对灾害孕育及发生产生某种影响。因此，正确认识主应变轴偏转角的范围及演变规律对于一些灾害的机理分析及预防可能具有重要的意义。本文在小变形条件下，基于梯度塑性理论的水平剪切带位移公式，并考虑到已有的主应变方向和主应变轴偏转角之间的联系，推导了简单剪切条件下含应变梯度岩石剪切带主应变轴偏转角公式。得到了下列结果，对
利用测井资料预测储层参数是油气田开发的重要内容。针对现有储层参数预测模型精度低，不能很好的提取测井曲线和储层参数之间潜在关系的问题，本文将卷积网络（CNN）和长短期记忆网络（LSTM）结合，提出基于变分自编码器（VAE）的CNN-LSTM混合模型。首先，提出了测井数据的分析方法，包括参数相关性分析和井间的相似度分析。其次，利用CNN提取每条测井曲线的空间相关特征向量，并使用LSTM网络提取测井曲线
为了提升采摘机器人对果实的识别准确率以及定位定精度，提出一种基于深度学习Faster-RCNN框架的采摘机器人目标识别和定位算法。首先采用卷积神经网络VGG16模型提取输入图像的特性信息，并利用区域提议网络RPN生成含有目标的候选框，通过引入自适应候选框数的方法有效提升了算法性能，然后利用多任务损失函数对目标进行分类识别和预测框校正定位，从而得到目标在图像坐标系统的高精准度坐标，最后通过标定求解出
验证平台对视频采集压缩卡芯片的开发设计有重要作用。针对传统的验证平台在代码覆盖率以及测试效率方面存在的不足，本文设计了一款基于SystemVerilog搭建的验证平台，该验证平台采用面向对象程序语言设计，其中，PCIe host（RP）端采用Xilinx IP建模链路层和物理层，保证了PCIe总线环境与真实主机板卡环境相同；外部验证环境采用SystemVerilog分层设计的方法，并采用类思想进行
视频记忆度用于衡量一段视频被人记住的程度，视频记忆度预测在教育、医疗、广告等领域有着广泛的应用前景。针对现有视频记忆度预测模型存在的仅利用单模态特征、多模态关联挖掘不充分、语义表示建模范式单一等问题，提出一种基于多模态自注意力网络的视频记忆度预测方法。所提方法由语义表示学习子网络和语义建模子网络构成。语义表示学习子网络利用生成对抗学习充分挖掘模态间关联并完成多模态信息的融合；语义建模子网络则采用自
针对高光谱影像分类中的深度学习模型设计问题，本文提出了一种面向高光谱影像分类的网络结构自动搜索方法。该方法首先利用可微分结构搜索技术在源高光谱数据集上进行网络结构搜索，然后采用堆叠单元的形式构建深度网络模型，最后利用目标高光谱影像对模型进行分类性能评估。需要指出的是，本文方法仅在源高光谱数据集上进行一次网络结构搜索，得到的深度网络模型即可应用于其他目标高光谱影像的分类任务，能够有效提高模型利用率。
针对高能闪光X射线图像线性重建结果受系统模糊影响的问题，提出一种随机扰动优化和多模型融合的非线性重建算法。构建非线性正向模型并推导相应的雅可比矩阵形式，结合贝叶斯理论考虑该反演问题的求解及不确定量化，引入基于弱信息先验的超参数构建非线性分层贝叶斯模型。通过加速求解随机扰动的优化问题对条件分布进行采样，结合雅可比矩阵投影约束该优化问题的求解，并设计目标参数的提议分布以减小样本统计偏差。此外，提出一种
传统的Faster r-cnn定位算法中应用的是通过最近邻插值算法进行插值的RoiPooling，对于小缺陷的识别效果不佳，本文将其改进为使用双线性插值算法的RoiAlign，提高了轮胎异常检测的精确度。针对传统的轮胎缺陷样本检测面临特征提取困难的问题，本文通过将ResNet和DenseNet两个网络模型进行融合搭建起的RSDC-Net(resnet and densenet converged
SSD是一种多尺度目标检测算法，由于浅层特征图缺乏语义信息，导致小目标的检测准确率低。针对这个问题，提出一种融合特征增强和自注意力的SSD小目标检测算法FA-SSD。该算法在SSD基础上构建一条自深向浅的递归反向路径，此路径包含三个模块：深层特征增强模块利用路径深层多尺度特征图生成的上下文信息和最深层特征图的语义信息，增强深层特征信息的表达能力；上采样特征增强模块通过扩大特征图的感受野，增强反向路