关键词： 点云配准   FPFH描述子   体素滤波   点云拼接   计算机视觉  

摘要： 为提高点云拼接精度,针对物体表面平整光滑而寻找关键点要求高的问题,提出1种改进的基于快速点特征直方图(FPFH)描述子的点云配准方法。对待配准的点云进行体素降采样,以此点作为关键点,并计算FPFH描述子用以描述局部特性;估计两点云之间点到点的对应关系,并经过随机采样一致性(RANSAC)算法取内点、去外点,估计初始位姿;利用迭代最近点(ICP)方法对点云进行精配准,完成点云数据的配准;依次对相邻的点云进行配准,获得旋转平移矩阵,实现点云拼接。利用公共数据集点云与自主扫描的石头点云数据,采用本文方法与传统ICP方法进行对比仿真实验,验证本文方法的有效性。结果表明:与传统ICP配准方法相比,本文方法的适应度分数为1.579E−05,显著低于点到点和点到面ICP配准方法的适应度分数;对于公共数据集不同角度下的点云拼接,本文方法的相邻点云间配准平均适应度分数达到2.058E−04,平均MSE为0.075;对于自主扫描的石头点云拼接,去除错误匹配点对后保留的对应关系基本呈现平行效果,拼接结果符合预期。使用降采样点作为关键点,并计算FPFH描述子后进行点云配准,不仅可有效降低计算复杂度,配准精度也得到显著提升,尤其在处理表面平整光滑的物体时,本文方法可为点云拼接提供良好基础,具有较好的实用性。

关键词： 改装电动车   中小目标检测   YOLOv7-tiny   BiFormer   BiFPN  

摘要： 由于电动车的普及,越来越多的电动车进行非法改装雨棚.然而,这种改装行为会增加一些安全隐患.首先,挡雨板会遮挡骑行者视野,增加事故的风险.其次当速度过快时,挡雨板也会在不经意间擦伤行人,带来极大的安全隐患,给交通安全带来了严重威胁.本文提出了一种改进的YOLOv7-tiny算法,用于电动车非法改装检测.首先在网络的结构上加入BiFormer注意力机制,不仅可以捕获更多电动车细节的信息,而且可以使得模型更加关注一些较小的目标信息.其次将改进的特征金字塔结构和特征融合网络的张量拼接操作进行结合,提升对中小型目标的检测能力.最后对框架的ELAN模块和SPPCSPC模块进行改进和优化,可以在不增加过多参数量的同时,提升对中小目标的检测精度,增强提取特征的效果.

关键词： 目标跟踪   ShuffleNetV2   孪生网络   注意力机制  

摘要： 孪生网络跟踪算法可将跟踪问题转换为相似性匹配问题,然而多数算法无法在移动端或算力不足的嵌入式设备中实现工程应用。为此,提出一种基于孪生网络的轻量级跟踪算法,选择可以在移动端使用的ShuffleNetV2作为核心网络。针对原网络的不足,提出消除padding层影响、修改激活函数、采用上采样、修改步长4种优化操作,同时引入注意力机制进一步加强特征之间的联系。在OTB100和UAV123数据集上进行仿真实验,结果表明,与现有跟踪算法相比,所提算法综合性能表现优异,同时在面对形变、低分辨率、尺度变换等多种复杂因素带来的影响时有较好的鲁棒性。

关键词： 科技项目评审   人工智能   行为分析   目标检测   目标跟踪  

摘要： 为提高科技项目评审会议组织实施的质量,规范评审过程中参会人员的行为,提出一种基于改进YOLOv5的科技项目评审过程人员行为分析方法,实时分析评审会议现场监控视频数据,识别参会人员的违规行为。首先,基于改进的YOLOv5构建监控视频小目标检测网络,在YOLOv5主干网络中融合TCANet注意力机制,获取评审会议现场监控视频数据中重点关注的目标区域,并在其头部网络增加了特征图上采样处理,将上采样得到的特征图与主干网络中的浅层特征图进行融合,实现评审会议现场中手机、名片等小目标的检测;然后,提出参会人员行为分析算法,通过人体目标跟踪网络模型实时跟踪参会人员的移动轨迹,建立区域属性与专家位置域联合的时空关联关系判别式,识别参会人员与专家接触、攀谈等违规行为。实验结果表明,该方法对评审会议现场中手机、名片小目标的检测准确率为0.657,相比于YOLOv5m,mAP提升了0.196;参会人员的跟踪准确率Rank-1达到0.938,图像处理帧率为21 F/s,能够准确识别参会人员接触、攀谈行为,对评审会议现场人员行为智能化管理具有重要意义。

关键词： 智能技术   建筑工程管理   BIM   数字孪生   物联网   机器学习   计算机视觉  

摘要： 针对建筑工程管理的复杂性和多变性,研究了BIM与数字孪生在三维协同设计、物联网在施工进度监控、机器学习在资源调度、计算机视觉在质量安全巡检,以及5G+边缘计算在现场决策支持等方面的关键应用,分析这些技术在实际应用中面临的挑战。在此基础上,提出了基于知识图谱的工程数据融合架构、强化学习驱动的自适应算法优化框架、流程挖掘技术的系统兼容性提升方案、雾计算赋能的边缘节点协同策略,以及工业物联网协议标准化改造方案等优化路径,旨在打破数据孤岛,提升算法适应性,增强系统兼容性,降低传输时延,并简化设备集成,从而全面推动建筑工程管理的智能化进程,提高管理效率和质量。

关键词： 垃圾识别   目标检测   注意力机制   Mask R-CNN  

摘要： 随着全球环保意识的提高和资源回收利用的重要性日益凸显,对可回收垃圾的准确识别成为一项关键任务。提出了一种基于注意力机制的可回收垃圾识别方法,该方法使用Mask R-CNN网络模型来提取垃圾图像中的纹理、形状和颜色等特征。同时,引入了ECA注意力机制,通过学习注意力权重,模型能够更有针对性地关注那些与垃圾分类最为紧密相关的特征。此外,还使用了GIoU损失函数来更好地反映边界框之间的相对位置和大小关系。经实验验证,改进后的模型mAP达到了81.7%,相比原模型提升了8.5%。

关键词： 仪表设备   目标检测   示数识别   Fast R-CNN   DeepLabV3  

摘要： 随着新型能源系统的不断发展,变电站的自动化水平对于电网稳定运行和仪表设备维护具有至关重要的影响。准确获取仪表盘示数是实现变电站自动化的关键环节之一,这对变电站仪表设备的状态监测和故障诊断具有重要意义。然而,由于仪表盘示数复杂多变以及多种环境因素(如光线、角度等)的影响,实现仪表盘示数的自动识别具有较大挑战性。为了解决这一问题,提出了一种基于Fast R-CNN (regional convolutional neural network,区域卷积神经网络)和DeepLabV3+的变电站仪表盘示数自动识别方法。首先,对基于Fast R-CNN的目标检测技术进行了理论分析,并利用变电站仪表盘数据集详细阐述了其训练过程。然后,设计了基于DeepLabV3+的仪表盘语义分割模型以及示数计算方法。最后,开展变电站仪表盘示数自动识别实验,验证了所提出方法的有效性和准确性。实验结果表明,该方法可实现对变电站仪表盘示数的高效、准确识别,且具有很好的鲁棒性。基于Fast R-CNN和DeepLabV3+的仪表盘示数自动识别方法能够提高变电站的工作效率、安全性和降低运维成本,可进一步推动电力系统的智能化进程。

关键词： 区域生长法   焊缝内部缺陷检测   目标检测   Halcon   图像处理  

摘要： 为解决当前人工焊缝缺陷检测过程中存在的检测效率低、缺陷判定存在主观性的问题,提出了一种基于Halcon的焊缝缺陷图像检测与识别方案。将X射线拍摄的焊缝图像预处理后用高频增强显示鱼鳞纹部分,再通过均值滤波和二值化提取出ROI。在普通区域生长法中加入判别条件,自动选择最合适的参数识别气孔和钨夹渣,改进普通开运算卷积核以识别出未焊透部分。相较于机器学习,本文方法无需使用大量训练集。本次试验共检测222张图像,检测精度为89.19%。结果表明,焊接缺陷DR图像自动识别对提高企业的零部件检测效率及质量有重要的意义,计算机识别焊缝缺陷可排除人工缺陷判定中主观因素造成的误差,并能够长时间、高强度地识别焊缝缺陷;可实现对于焊缝缺陷的实时保存与远距离传输。

关键词： 声呐图像   图形优化   算法模型  

摘要： 侧扫声呐在水下搜寻作业的过程中会受到环境、噪声以及机器本身等诸多不确定的因素干扰,声呐生成的图像会受到较大的影响,从而干扰探查人员对水下目标的判断。本文利用Opencv计算机视觉算法工具,使用Python建立Clahe、平滑中值卷积、形态学算法以及拉普拉斯变换等的图形处理模型,利用实际数据为样本进行实验。实验结果表明,Clahe算法最适用于去噪降噪以及消除横向条纹的场景,平滑中值卷积适用于降噪且保留原特征,形态学运算适合单一特征提取,拉普拉斯变换在底部环境声波反射较强情况下的特征物提取能力最优。

关键词： 交通标志检测   重参数化   目标检测  

摘要： 针对现有的目标检测模型对复杂天气下的交通标志检测存在漏检与错检的情况,提出了一种改进YOLOv5s的交通标志识别算法。为提高算法在各种复杂场景下的适应性,设计了一种基于重参数化(Re-Parameterized, ReP)的C3模块,将其命名为C3_DB;在网络的Neck部分引入上下文聚合模块,使得算法可以聚焦于重点区域的特征,减少复杂背景造成的混淆,从而提升模型的特征提取能力;引入高效交并比(Efficient Intersection over Union, EIoU)损失函数代替传统的完全交并比(Complete Intersection over Union, CIoU)损失函数,提升模型训练时的收敛速度,进一步提升模型对复杂情景下目标的检测性能。在中国交通标志数据集CCTSDB 2021上的实验结果表明,改进后算法的平均精度均值(mean Average Precision, mAP)为79.8%,相较于YOLOv5s提升2.4%,检测速度达到128帧/秒,在检测性能与检测速度之间取得了较好的平衡。意味着改进后的算法能够满足更高精度的交通标志实时检测需求,为实际应用提供了可靠的解决方案。研究成果对未来的交通管理和自动驾驶系统的发展具有重要意义,为提高安全性和可靠性提供了新的前景。