摘要:针对三维场景下的目标检测与尺寸测量任务,设计了一种融合激光雷达和相机传感器的三维目标检测和尺寸测量算法。 使用基于卷积神经网络的二维目标检测器提取目标的二维检测框,结合图像中的二维检测框和几何投影关系获取包含物体的三维视锥点云,由欧氏聚类方法获得物体的聚类点云,实现了物体的三维目标检测。 提出了基于目标二维检测框的改进尺寸测量方案以替代原有点云聚类后得到的三维框信息,提高了物体尺寸测量的精度。 在现有数据集上评估测试了目标检测与尺寸测量的精度,实验结果表明,二维目标检测器 YOLOv7 在检测数据集上的平均检测精度达到了 81%,改进尺寸测量方案在物体尺寸测量时的测量误差在 5%以内,对于较远物体或较小物体的目标检测和尺寸测量也具有很好的效果。

摘要:面向城市发展过程中建筑物多样的变化类型,提出了一种基于 D-S 证据理论高分遥感建筑物变化检测方法。 基于影像多尺度分割结果,综合多重因素首先设计了一种非建筑物指标 NBI。 在此基础上,结合多时相的 NBI、传统建筑物指数 MBI 以及差分特征,构建建筑物变化证据集合。 最后,提出了一种结合阴影检测的证据置信度指标,进而构建了一套完整的 D-S 证据理论变化检测模型,从而将建筑物划分为新建、拆除以及改建类。 不同地区影像的实验结果表明,所提出模型的变化检测精度和 Kappa 系数分别可达 80%和 0. 7 以上,且在目视分析和定量评价中均优于对比方法。

摘要:由于滚动轴承早期微弱故障易受噪声影响导致难以对故障进行诊断。 针对原固有时间尺度( ITD)和三次样条插值改进 ITD 算法的不足以及最大相关峭度解卷积(MCKD)算法的滤波器长度参数选取困难的问题,提出基于四次 Hermite 插值改进的 ITD(QH-ITD)算法和利用变步长网络搜索参数寻优改进 MCKD(AMCKD)算法。 该方法首先利用 QH-ITD 算法对原滚动轴承故障信号进行分解运算,然后利用峭度指标和互相关系数筛选相应的分量信号进行重构,再利用 AMCKD 算法中对重构信号进行降噪处理,最后利用 Teager-Kaiser 能量算子进行解调处理,提取出故障特征信息并判断故障类型。 通过人工模拟的滚动轴承损伤故障诊断实验和全寿命周期的轴承早期微弱故障诊断实验,验证了所提方法可以有效地对滚动轴承的早期微弱故障进行诊断识别。