基于自适应K均值聚类和霍夫变换的船舶干舷视觉检测

针对内河船舶监管过程中对船舶干舷的测量还需人工巡航,增加了海事部门管理成本问题,提出一种不借助船舶水尺标志检测船舶干舷的方法。对采集的图像进行中值滤波预处理,去除孤立点、降低噪声敏感性;考虑图像颜色特性,应用自适应K均值聚类算法识别船舶区域;联合Canny边缘检测和霍夫直线检测的方法,标记船舶吃水线和甲板边线,并利用数学形态学方法提高检测准确性;基于标定相机和双目测距原理建立图像坐标与世界坐标转换关系,找到甲板中间位置,取其与水面的距离作为船舶实际干舷值。用相机拍摄内河船舶进行检测,结果表明,该方法可以对内河船舶的吃水线和船舷线进行检测并计算干舷值,用于判断船舶是否超载并及时发出预警,满足海事部门的监管需求。     

基于密度与局部统计的单光子点云去噪方法

针对北京遥测技术研究所自主研发的64通道机载单光子激光雷达,提出一种基于密度与局部统计的二维剖面点云去噪方法：在确定信号点云的高程区间后,先使用基于密度的改进空间聚类算法粗去噪,然后使用基于局部统计的统计移除离群点算法精去噪,获取信号点云。实验结果表明,本方法可适用于多种地物类型点云,高程均方根误差为0.27 m,准确率90.78%,精度高于常规点云去噪算法,满足国产机载单光子激光雷达获取高精度地表三维轮廓的技术需求。     

基于面提取的三维岩体点云孔洞检测与修复方法

在岩体工程中,由于扫描测量角度、障碍物的阴影和遮挡等因素,使用激光扫描仪扫描得到的岩体点云数据往往包含孔洞,影响后续三维重建的效果。现有的修复方法主要针对规则的点云数据,依据孔洞邻域信息对点云孔洞进行修复,对岩体点云孔洞的检测与修复效果欠佳,且效率低。从岩体点云数据特征出发,提出一种基于平面提取的岩体点云孔洞检测与修复算法。首先,应用一种优化的区域生长算法对岩体点云进行平面提取,然后遍历所有点云并检索其k邻域点集,将其映射至对应平面,计算邻域夹角,实现孔洞检测;最后将点云孔洞根据边界点集的对应平面数量进行分类,在对应平面上新增采样点实现点云孔洞修复。本算法通过平面提取实现了点云数据的去噪和平面拟合过程,简化后续的孔洞修复流程,降低时间复杂度。实验结果表明,与已有算法相比,本算法对大型不规则岩体点云孔洞的检测、修复准确率和运行效率更高,修复效果更佳。     

基于实体嵌入和长短时记忆网络的入侵检测方法

针对网络入侵检测过程中无法有效处理入侵数据中分类变量的表示，导致网络入侵检测准确率低、漏报率高等问题，提出一种基于实体嵌入和长短时记忆网络（long short-term memory network，LSTM）相结合的网络入侵检测方法。首先，在数据预处理时，将表示网络特征数据中的数值型变量和分类型变量数据分开，通过实体嵌入方法将分类型变量数据映射在一个欧几里得空间，得到一个向量表示，再将这个向量嵌入到数值型数据后面得到输入数据。然后，通过把数据输入到长短时记忆网络中去训练，通过时间反向传播更新参数，得到最优嵌入向量作为输入特征的同时，也得到一个相对最优的LSTM网络的检测模型。在数据集NSL-KDD上进行实验验证，结果表明实体嵌入是一种有效处理网络入侵数据中分类变量的方法，它和LSTM网络相结合组成的模型能够有效提高入侵检测率。在数据预处理时对分类变量的处理中，实体嵌入方法与传统的One-Hot编码方法相比，检测的准确率提高1.44个百分点，漏报率降低2.99个百分点。     

基于B/S架构的激光雷达电力巡线可视化管理与分析系统

激光雷达已被广泛应用于高压/超高压输电线路的设计施工、数字化管理以及线路的安全巡检等方面,其中电力巡线软件的可视化管理是激光雷达巡检业务化应用的重要内容.提出基于B/S架构的激光雷达电力巡线可视化管理与分析系统的总体设计方案;基于WebGL等开发了输电走廊点云数据可视化管理与分析系统,采用改进的可修改的嵌套八叉树存储和...     

基于优化初始类中心点的K-means改进算法

K-means算法是一种重要的聚类算法,在网络信息处理领域有着广泛的应用。由于K-means算法终止于一个局部最优状态,所以初始类中心点的选择会在很大程度上影响其聚类效果。本文提出了一种K-means算法的改进算法,首先探测数据集中的相对密集区域,再利用这些密集区域生成初始类中心点。该方法能够很好地排除类边缘点和噪声点的影响,并且能够适应数据集中各个实际类别密度分布不平衡的情况,最终获得较好的聚类效果。     

基于互信息约束的生成对抗网络分类模型

传统的机器学习方法需要大量的含标注数据集来训练模型,并且容易引发过拟合,而生成对抗网络可以无监督地进行训练。此外,互信息约束能够让模型生成指定类别的数据,可用于扩充数据集。提出InfoCatGAN和C-InfoGAN两种模型,前者在CatGAN的基础上增加了互信息约束,使得生成的图片更加逼真;后者使用InfoGAN模型中的辅助网络Q做分类,能够在生成高质量图片的同时,达到较好的分类准确率。二者均能通过隐变量控制生成图片的类别,这对数据增强具有一定意义。另外,在加入少量标签信息之后,模型的准确率能有所提升。     

基于YOLOv3算法的船舶双目视觉检测与定位方法

为快速、准确地检测船舶目标,提出一种基于YOLOv3算法的船舶双目视觉检测与定位方法。在特征学习时针对样本中不同船舶长宽比例,重新聚类样本中心锚点框,增强对船舶检测的准确性;利用SURF算法进行特征匹配,并引入双目测距算法,实现目标的测距与定位。实验结果表明,该方法在每秒传输图片30帧的情况下,平均检测精度达到94%,在1 n mile内的目标平均定位误差为11 m左右,与现有检测算法相比,具有更好的实时性、准确性。该方法对智能船舶视觉感知信息与雷达、AIS信息的融合,以及避碰辅助决策具有非常重要的作用。     

高速公路收费道口自动车型识别系统中的车轮检测算法

为提高高速公路收费道口自动车型识别系统(Vehicle Recognition System,VRS)的识别准确率,针对基于三维成像的VRS中的车轮检测,提出一种优化算法,以精确检测出车轮的位置和大小.利用激光雷达检测到有疑似车轮的目标通过扫描平面时,控制摄像头抓拍图像;对抓拍到的图像进行灰度化、图像增强、边缘提取、背景分离等处理;利用霍夫变换进行车轮边缘拟合,检测图像中是否含有车轮,若有,可同时得到车轮的位置和大小;在MATLAB中实现该算法.结果表明,该车轮检测算法能够快速、精确地检测出车轮,效果良好.     

船舱位置激光雷达扫描检测

为解决散货码头自动化装船中待作业船舱的定位问题,以激光雷达为检测工具,对船舱进行多次检测,将检测得到的点云进行滤波处理,并运用聚类思想设计的差分算法对船舱边缘进行特征提取等方法,识别出船舱的尺寸参数以及船舱与雷达的相对位置关系,从而实现船舱的准确定位.主控PLC根据船舱定位参数及其他参考量自动引导装船机进行安全准确的装船作业.实际装船结果证明,该方法正确可靠.     

基于机载LiDAR数据的建筑屋顶点云提取方法

机载激光雷达技术已经成为快速获取城市建筑三维数字模型的有效手段，而建筑物屋顶点云提取则是建筑物三维数字模型重建的关键。为有效剔除植被和墙面点云，以及消除地形起伏对建筑点云提取精度的影响，提出一种层进式屋顶点云提取方法。首先对LiDAR点云进行滤波，在此基础上利用点云回波特性和点云法向量检测并删除非地面点中特征明显的植被点和建筑物墙面点，然后利用连通成分分析法对非地面点聚类得到初始建筑点，最后结合DTM并利用建筑物面积和高度信息分离得到建筑物屋顶点云。试验结果表明，本方法能有效地从机载点云数据中快速提取建筑屋顶点云，有效率可达85%以上。     

一种基于图割的机载LiDAR单木识别方法

针对现有机载激光雷达（light detection and ranging，lidar）数据单木分割算法在密集林区中探测精度较低的问题，结合林木冠层空间结构分层的特点，提出一种从机载点云数据直接分离单木的方法。首先，对原始点云数据进行去噪、滤波、高程归一化；然后基于冠层高度模型（canopy height model，chm）计算局部最大值以确定冠层表面的明显树顶，以此作为单木位置的先验知识，继而采用归一化割（normalized cut，Ncut）方法实现冠层的初始分割；最后，以全局最大值代替局部最大值，并将冠层形状、冠层最小点数作为约束条件，再次利用Ncut方法完成对漏检单木的探测，进而实现单木的精确探测。实验结果表明，针对密集林区的单木分割，本方法有效地减少了漏识单木，整体精度达90%以上，将有助于单木三维结构定量描述及参数反演。     

基于无人机激光点云的树障检测与砍伐树木数量估算

电力走廊的树木生长会对输电线路的安全运营造成巨大影响，精确检测出影响线路安全的树木并将其砍伐至关重要。因此，提出一种基于无人机激光点云的树障检测与砍伐树木数量估算方法。首先，对激光点云进行快速自动化处理，先后精确提取地面点、电力线点与植被点；其次，基于电力线点进行分段，并分析电力线与植被点的安全距离，进而确定树障区域的位置和范围；最后，对树障区域植被点云进行单木分割，并统计单木数量，最终实现砍伐树木数量的精准估算。研究结果表明，无人机激光点云可以实现输电通道树障的有效检测与砍伐树木数量的精确估算，总体树木砍伐数量估算精度可达92.3%，可为输电线路安全运营提供遥感技术支撑，也可为电网运维单位制订树木砍伐计划提供可靠依据。     

基于LiDAR点云特征和模型拟合的高压线提取

高压线数字化是数字电网建设和线路智能巡检的核心内容,机载LiDAR在高压线三维数字重建中具有独特的优势。提出一种从输电走廊机载LiDAR点云数据自动快速高精度提取完整电力线点的方法。首先基于点云的空间分布特征粗提取电力线点,并通过改进Hough变换和RANSAC抛物线拟合法剔除噪点,然后分别进行电力线在平面和垂直面上的分股,结合单股电力线的平面直线模型和垂直面上的抛物线模型,采用模型生长的方法提取完整的电力线点。试验结果表明,该方法提取的电力线点云的精度可达99.6%。     

基于DBN模型与Kinect数据的高尔夫挥杆重建

人们对高尔夫运动的兴趣在过去的10年间爆发式增长,同时高尔夫球员的数量也显著增加.因此,如何训练一个球员做出适当和准确的挥杆动作已经引起研究者的广泛关注.在此类研究中最重要的步骤是挥杆动作的捕获与重建.至今为止,以Kinect为代表的深度成像设备受其基础条件的限制,其捕获的挥杆运动可能会由于运动中肢体之间的互相遮挡与肢体识别时产生的混乱丧失足够的精确度.为了从肢体互相遮挡并且分辨率较低的深度图像信息中恢复比较精确的运动信息,该文提出一个用于描述人体关节点之间空间关系与关节点动态特性的动态贝叶斯网络(DBN)模型,并基于该模型实现了高尔夫挥杆动作的重建.实验结果表明,该算法能够实现重建精度媲美商用的光学运动捕获系统(OMocap),并且比现有的深度信息修改算法具有更好的性能.     

一种基于高斯曲率的ICP改进算法

在众多的点云配准算法中，ICP算法以其所需的信息少，配准精度高而被广泛使用。然而，因其算法迭代最优化的特点，ICP本身存在时间复杂度高、易受噪声及离群点影响等缺点。针对这些问题，提出一种基于高斯曲率的ICP改进方法。该方法首先利用高斯曲率在刚体变换中保持不变的性质，对配准点云中每个点进行高斯曲率估计；其次，通过设置阈值将配准非关键点及噪声点和离群点滤除；最后，对只包含关键点的点云使用ICP进行配准。实验结果表明，在保证配准精度的前提下，本方法不仅能显著地改善ICP的运行效率，也能有效地提高其抗噪声和离群点的能力。     

激光雷达回波强度数据辐射特性分析

激光雷达回波强度数据记录表征地物目标辐射特性的信息。利用该数据进行地物目标提取以及遥感定量化应用，逐渐成为激光雷达技术领域的研究热点。从激光雷达辐射传输机理出发，构建具有明确物理意义的激光雷达回波强度数据辐射传输机理方程；基于该方程，系统地探讨和分析激光雷达回波强度数据的辐射特征和关键影响因素；利用搭建的激光雷达实验平台对激光雷达辐射特性进行验证和讨论。本研究为开展激光雷达辐射定标、地物分类和各种定量化应用提供必要的理论依据和技术支持。