【摘 要】
：
针对地面三维脉冲激光扫描仪传统自检校方法中参数高相关性制约参数估计可靠性的不足,基于最小二乘配置方法与全站仪误差模型,提出一种地面三维脉冲激光扫描仪自检校方法。该方法通过对估计参数配置相关先验权重信息柔性定义检校网基准,把所有参数都作为检校平差中的观测值实施处理,同时对检校网进行优化设计,并联合等价权鲁棒估计实施自检校粗差检验与方差分量估计,有效降低了参数估计间的相关性,提高了检校的可靠性。基于扫
【基金项目】
：
南京邮电大学国自基金孵化项目(No.NY218083),南京邮电大学引进人才科研启动基金资助项目(No.NY218139),江苏省自然科学基金资助项目(No.BK20180765)。
论文部分内容阅读
针对地面三维脉冲激光扫描仪传统自检校方法中参数高相关性制约参数估计可靠性的不足,基于最小二乘配置方法与全站仪误差模型,提出一种地面三维脉冲激光扫描仪自检校方法。该方法通过对估计参数配置相关先验权重信息柔性定义检校网基准,把所有参数都作为检校平差中的观测值实施处理,同时对检校网进行优化设计,并联合等价权鲁棒估计实施自检校粗差检验与方差分量估计,有效降低了参数估计间的相关性,提高了检校的可靠性。基于扫描仪Leica scan station的模拟实验结果表明,该方法实现了大多数参数间的低相关性高精度估计
其他文献
针对电弧焊接下钢板焊缝区小幅面测量时的环境光干扰、散斑脱落等问题,本文提出了一种基于窄通滤波、改进的数字图像相关法和高斯低通滤波技术等原理的非接触式变形测量方法。此方法用数字图像光学测量方法解决了接触式测量设备不耐高温的弊端;用哑光灰色高温胶、黑色高温漆配合制成有效的耐高温散斑。为减小环境光的干扰,在硬件方面安装可滤黄光的窄通滤波片;在算法方面,在数字图像相关法匹配公式中引入两个光补偿系数;结合高
针对视频数据利用低效和光测设备目标识别能力较弱的问题,提出一种使用海量视频数据建立数据库进而构建红外目标识别系统的方法。首先设计快速红外目标检测算法,提取目标并分类建立数据库;然后结合特定任务建立一组较匹配且结构不同的卷积神经网络,并提出基于测试准确度均值统计分析和参数规模的选型策略,选出泛化能力较好且结构简单的卷积神经网络以及适当的训练轮数;最后加载优选模型及其参数作为分类器,与检测器结合实现红
铁磁材料表面压刻、划刻的重要字符被损毁后,无法被正常识别,本文基于滑移感生磁各向异性和磁光效应,提出了一种高分辨率、无损的磁光成像复原方法。论文分析了由铁磁材料塑性变形引起的滑移感生磁各向异性导致的磁场分布变化规律,建立了基于磁光效应的损毁字符复原系统模型,研究了影响磁光成像分辨率的因素,根据建立的系统模型构建了实验系统,实现了损毁字符的复原识别,并对复原图像进行灰度分析。实验结果表明,随着起偏器
红外弱小目标检测被广泛应用于预警、制导等国防领域中。然而,红外弱小目标所占像素少、缺少形状特征和纹理特征,使得红外弱小目标检测成为一个具有挑战性的课题。针对红外弱小目标检测,提出了一种简单高效的实时红外弱小目标检测网络。检测网络利用自适应感受野融合模块来增加小目标周围的上下文信息,并通过引入空间注意力机制来建立不同区域之间的相关性模型,使不同区域之间的相关性和紧凑性得到加强。为了提高检测网络对目标
自适应递归最小二乘滤波器具有预测准确、收敛速度快的特点,该滤波器被多种高光谱图像无损压缩方案作为重要组成部分。然而传统递归最小二乘滤波器无法快速找到每个谱带的最优预测长度,其压缩方案的性能有待提升。针对该问题,本文提出基于格型递归最小二乘滤波器组的高光谱图像压缩方案。首先,该方案使用单边高斯预测器对待测像素点做谱带内预测,去除图像的空间相关性。其次,采用格型滤波器组筛选出每个谱带的最优滤波器,获得
为充分挖掘和利用透射率估计及图像去雾过程中捕获信息的相关性,提出了双视觉注意网络的联合图像去雾和透射率估计算法。它包括图像去雾层及透射率估计层,且各层均包含循环注意网络及编码解码网络。图像去雾层在透射率图的监督下,由循环注意网络生成雾浓度注意图,并引导后续的编码解码网络估计去雾结果。透射率估计层在真实无雾图像的监督下,由循环注意网络生成场景注意图,并引导后续的编码解码网络估计透射率。在此基础上,进
海面船舶目标检测一直是遥感图像处理、模式识别与计算机视觉等领域的研究热点,船舶作为海上运输载体和重要军事目标,对其进行自动检测在军用与民用领域有着广阔的应用前景和重要现实意义。本文梳理了用于海面船舶目标检测的光学成像卫星的发展情况,分析了光学遥感成像船舶目标的物理特性和特征,归纳了国内外该领域海面船舶检测技术研究现状,围绕构建相关目标检测模型和架构的相关理论与关键技术进行了分析、比较和总结,探讨了
为了提高图像理解(Image Captioning)的预测性能,设计了一种基于"融合门"的深度神经网络模型。该"融合门"网络模型基于编码器-解码器结构设计,是卷积神经网络与循环神经网络的融合。算法首先将输入图像通过VGGNet-16网络进行卷积,得到对应的4096维输出向量,然后将卷积后的输出向量与标注语句向量合并,作为输入向量进入改进后的"融合门"网络,最后获得新的网络输出结果。上述过程按照时间
为了实现对驾驶员的驾驶姿态估计,采集并构建了包含26名驾驶人员的姿态估计数据集,提出了一种轻量型卷积神经网络,用于对驾驶姿态的高效识别。首先,通过数学建模将驾驶员的姿态识别问题转化为寻找损失函数最小时关节点的预测值置信图与真值置信图的映射函数。以Hourglass模块为每阶段的骨干结构,残差块为基本组成单元,使用批量归一化和激活函数,构建全卷积神经网络。为了利用原始图片信息和基础上下文信息,使用多
本文针对波前编码成像,单透镜计算成像等领域的全局一致模糊复原背景需求,提出了一种高效的基于区域选择网络的图像去模糊方法。与传统方法通过构建目标函数及各类先验信息实现模糊图像清晰化过程不同,本文方法则基于深度学习与传统方法的结合。传统方法负责图像复原的主体流程,深度学习方法则负责对传统方法中的关键步骤模糊核求取区域选择进行干预。基于深度学习的深度二元分类网络能够自动在全局图像中剔除平坦过曝、短小纹理