【摘 要】
：
针对传统街景动态图像虚拟拼接方法存在拼接效果差的问题,提出一种街景动态图像虚拟拼接方法.采用坐标转换方法预处理街景动态图像,并使用邻域平均法对预处理后的图像进行平滑去噪,利用动态图像与噪声的标准离差进行配准和对数极坐标映射,确定图像特征区域的大体坐标.使用SIFT算法在坐标中提取图像特征点向量,把预拼接的图像转换至与基准图像相同的平面上,利用映射结合特征点向量进行匹配,完成对街景动态图像的虚拟拼接.仿真结果证明,所提方法能够有效完成虚拟拼接,且不会出现纹理细节丢失问题,具有较好的拼接效率和效果.
论文部分内容阅读
针对传统街景动态图像虚拟拼接方法存在拼接效果差的问题,提出一种街景动态图像虚拟拼接方法.采用坐标转换方法预处理街景动态图像,并使用邻域平均法对预处理后的图像进行平滑去噪,利用动态图像与噪声的标准离差进行配准和对数极坐标映射,确定图像特征区域的大体坐标.使用SIFT算法在坐标中提取图像特征点向量,把预拼接的图像转换至与基准图像相同的平面上,利用映射结合特征点向量进行匹配,完成对街景动态图像的虚拟拼接.仿真结果证明,所提方法能够有效完成虚拟拼接,且不会出现纹理细节丢失问题,具有较好的拼接效率和效果.
其他文献
由于现有网络节点能耗感知识别方没有对网络节点信号进行映射,不能获取节点对应的物理坐标位置,导致在网络节点能耗感知识别速度较慢,识别结果不理想.提出基于物联网定位模型的网络节点能耗感知识别方法,建立物联网定位模型,对网络节点信号进行映射,获取网络节点对应的物理坐标位置,将全局网络非线性问题进行优化,分别进行求解;结合网络节点能耗感知识别方法选择对应簇首节点,将该节点作为依据设定感知识别区域并对相关节点数据进行提取,建立数据回传节点集,对感知识别区域内数据回传节点集进行分析,通过数据回传节点集完成网络节点能耗
针对当前节点多属性网络链路映射长度较长、网络请求接受率和收益开销较低的问题,提出基于拓扑结构感知的节点多属性网络映射算法.根据无向图描述节点多属性网络映射问题,采用拓扑结构感知,构建节点多属性网络模型和节点链路映射评测指标,利用回溯算法,计算sumTR值,获得备选网络节点集合.使用子区域作为物理节点映射区域进行资源分配,按照映射优先级排列网络节点依次映射,分析节点多属性,使用最短路径算法,排序跳数最小链路映射,实现节点多属性网络映射.实验结果表明,所提算法能够有效缩短链路映射长度,提高网络请求接受率和收益
由于无线网络分布节点部署中的阻挡因素较多,因此从多种阻挡因素出发,提出一种无线网络非均匀分布节点部署方法.以概率感知模型为基础,进一步改善环境与节点感知能力的关系,构建统计节点感知模型,并估计需要部署的总节点数.综合多种阻挡因素对任意点在监测区域的联合探测概率,初步确定覆盖空洞的区域,进而确定覆盖空洞位置.构建赋权二部图调度移动节点,使得移动节点向覆盖空洞处移动,以实现非均匀分布节点的部署.实验结果证明,该方法的动态节点与静态节点的节点覆盖程度均较高,能够实现良好的无线网络性能;能量消耗低于原有方法,交换
为了提高物联网通信大数据库的运行速度与处理效率,提出一种物联网通信大数据库半结构化数据识别方法,通过计算大数据库内数据的稀疏度系数与划分系数子空间,获得不同种类数据的关联特性,根据半结构化数据结构得到该其储存节点坐标,使用主成分分析和德尔菲算法融合集成转换为综合加权法,赋予识别半结构化数据得到指标权重,根据Tanimoto系数度量半1结构化数据的相似性并优化参数,实现识别大数据库内的半结构化数据.实验证明,通过所提识别方法处理后的数据重写率大幅度降低,且识别结果与真实结果差值较小,具有一定实际应用价值.
“货到人”智能仓储系统中,机器人的合理调度直接影响系统的运行效率.分析拣选机器人作业流程,在不改变已有任务拣选顺序的情况下,插入部分对完成时间有要求的订单,计算机器人行走时间、在拣选工作站排队等待时间以及空闲时间,利用时间窗理论,以最小化完成所有任务的总成本为目标,以机器人任务分配结果为决策变量,分别建立具有硬时间约束和软时间约束的拣选机器人调度模型,并利用遗传算法进行求解.通过实例仿真,对两种调度策略进行了验证,并发现随着具有时间约束的任务数量增加,采用软时间窗约束的方式进行调度能够使得系统的运行成本更
随着信息智能化的快速发展,机器人在工作过程中面临着大量的数据计算、存储与调度等问题,结合多机器人协同工作,提出了基于云计算的多机器人目标智能跟随控制方法.通过人机载距传感器对多机器人以及跟踪目标进行定位,建立二维坐标系的局部地图.以目标的运动状态为基础,对其运动方向和速度进行预测,为每个机器人创建独自的跟踪器来预估目标的跟随状态,将最大近似概率和对应的测量数据、跟踪轨迹进行关联,直到所有的测量数据或跟踪轨迹全部关联完毕.采用松散耦合架构的设计方法对云服务平台的基础层进行设计,为了降低云服务系统的复杂性以及
针对当前互联网络链路流量识别方法未考虑数据块类别,导致互联网络链路流量识别准确性和效率较低,流量识别误报率和漏报率较高的问题,提出基于负载随机性的互联网络链路流量识别方法.利用数据包负载随机性检测方法,判断网络数据流中数据块负载随机性类别.将判断结果作为机器学习方法的已标注数据集,提取数据流特征属性构成样本集合,采用ID3算法,训练分析该样本集合,寻找数据间规律,构建分类模型,通过分类模型预测和评估未知数据流量,实现互联网络链路流量识别.实验结果表明,上述方法识别不同类型流量的漏报率和误报率较低,具有较强
针对轮式移动机器人(WMR)的轨迹跟踪问题,首先根据WMR非线性模型设计了区间二型模糊逻辑控制器(Ⅱ2FLC);其次针对IT2FLC模糊规则中隶属函数参数难以确定问题,通过改进的量子粒子群算法(SelQPSO)优化IT2FLC的隶属函数参数.最后,将经过SelQPSO优化的IT2FLC控制效果分别与经过量子粒子群算法(QPSO)优化的IT2FLC、未经优化的IT2FLC以及T1FLC算法进行对比.此外,进一步考虑外部扰动分别对四种控制方法控制效果的影响.仿真结果表明,与另外三种控制方法相比,经过SelQP
针对低速无人驾驶车辆行驶环境的复杂性及其线控底盘的差异性,有针对性的开展了纵向运动控制系统的仿真研究.基于Matlab/Simulink和Carsim建立了包含整车模型、驱动系统模型以及制动系统模型的纵向运动控制系统的联合仿真平台;设计了基于分层控制结构和PID+ LQR补偿控制算法的纵向速度跟踪控制器;模拟多种工况,对纵向速度跟踪控制系统的控制性能进行了仿真测试.测试结果表明,上述控制系统能够克服外界的干扰,在满足性能指标要求的前提下,实现对速度的良好跟踪.
利用目前方法对用户轨迹数据深度挖掘时,没有提取用户轨迹特征,存在终点预测精度低、系统模型鲁棒性低和系统模型命中率差的问题.于是提出基于粗糙神经网络的用户轨迹数据深度挖掘方法,通过对用户行为的影响因素进行分析与处理,获取用户轨迹数据特征,利用粗糙集简化数据获取挖掘规则;构建用户轨迹数据模型,采用聚类方法对规则数据产生的增长维数进行消减,最后确定模型输入,划分输入空间,为每个模糊划分选择合适的函数,完成用户轨迹数据深度挖掘.实验结果表明,通过对系统模型进行终点预测精度测试、鲁棒性对比测试和命中率对比测试,验证