基于CUDA的声辐射力弹性成像算法研究

声辐射力弹性成像是一种新的测量组织硬度的超声成像方法。不同于其他超声组织弹性成像方法,声辐射力弹性成像能够定量测量组织的弹性模量数值,并且具有对操作者经验依赖性低的特点。然而,由于成像算法数据处理量大,运算时间长,声辐射力弹性成像还无法进行准实时的二维成像。为了获得实时的二维声辐射力弹性图像,提出并实现了一种适合于在GPU上并行计算的声辐射力弹性成像算法。通过与运行在CPU上的原始声辐射力弹性成像算法进行对比,证明在GPU上实现的算法大幅度地提高了运算速度。在自制弹性仿体上,比较了基于GPU和CPU两种算法所成的二维弹性分布图像的质量,结果证明两者的图像质量没有明显差异。     

超声瞬时弹性成像算法与系统设计

超声瞬时弹性成像技术具有无创、无痛、定量、实时及重复性好等优势,适用于肝纤维化分期诊断,具有重要的临床应用价值。本文以超声瞬时弹性成像系统设计为研究出发点,提出在基于射频信号的时域互相关算法基础上,采用抛物线插值算法提取亚采样信息,提高位移场的估算精度;设计了剪切波匹配滤波器,以减弱低频振荡器对位移场造成的干扰,从而提高了应变估计质量,增强了剪切波速度估算的可靠性与准确性;设计了针对瞬时弹性成像系统的时间增益补偿(TGC)电路,以降低声信号衰减带来的影响,提高信号的信噪比;给出了一种聚丙烯酰胺凝胶生物仿体的制备方法,并采用机械压痕测试对仿体进行标定,将标定结果与瞬时弹性成像系统的检测结果进行了对比,对比结果显示出良好的一致性。生物仿体实验和健康人体肝脏的弹性测量结果也验证了提出的位移估计算法、匹配滤波器及TGC电路的优越性。     

基于瞬时弹性成像的粘弹性测量自适应误差补偿

传统方法,基于超声瞬时弹性成像,利用粘弹性逆问题建模分析的方法,可以简单的求解生物软组织的粘弹性系数。但是由于一些因素导致这种测量方法存在测量误差。其中激励源半径和近场效应是导致瞬时弹性成像对剪切波速度高估的主要原因,而衍射效应则是导致对剪切波衰减高估的因素。本文通过对组织进行建模分析,设计出相关自适应误差校正方法来减少剪切波速度和位移衰减的测量误差。实验结果和理论结果相符合,验证了该方法的正确性,为粘弹性精确测量提供一条有效的方法。     

可视化遥感图像坐标位置距离远程测量仿真

针对传统的图像坐标位置测量方法存在测量误差较大、测量时间较长等问题,提出基于脊波变换的可视化遥感图像坐标位置距离远程测量方法。引入小波系数变换算法对含噪的可视化遥感图像进行计算,获取相应的小波系数,构建多元统计模型,利用最小二乘法对模型参数进行求解,获取噪声图像与其对应的小波系数估计值,将估计值进行小波重构,得到的估计信号视为去噪后的遥感图像。在去噪后的图像待测量位置描绘一条直线,对直线上的灰度值进行脊波变换,通过变换后的脊波系数确定可视化遥感图像的坐标位置,计算直线两端坐标点的距离,实现可视化遥感图像坐标位置距离测量。实验结果表明,所提方法有效降低了测量误差,减少了测量时间。     

融合图像处理与超声测距的工件精确抓取

图像处理给出工件的形心在图像的位置与姿态,利 用本文提出了一种简单与高精度的映射算法,求出形心在机器人参考坐标的位置,引导超声 波距离测量仪测量到工件的正上方测量工件的深度数据．融合图像处理给出的形心的位置与 姿态和超声波测量得到工件深度数据,获得机器人的控制输入向量,控制机器人运动并实现 精确抓取工件．图像处理的低误差与超声波的高精度深度测量,获得了工件抓取的高精确度 ．     

超声弹性模量测量中声时测量精度的提高方法

超声脉冲回波法是一种高精度的弹性模量声速测量法。实验测定由声耦合界面引起声时测量相对误差达0. 3%,延时相对误差在0. 2%左右。为减小声时测量误差,提高超声脉冲回波法弹性模量的测量精度,采用了台阶轴试样,避免了由声耦合界面引起的声时测量相对误差;利用试样后端面的二次回波,变相的改变声程,消除了由各种延时引起的声时测量误差。     

仿体表面磁共振声辐射力成像位移精度检测研究

磁共振声辐射力成像(Magnetic Resonance Acoustic Radiation Force Imaging,MR-ARFI)是一种超声焦点定位技术,可通过检测声辐射力作用到生物体内时在局部组织区域产生的微米级位移,实现对超声焦点的定位。基于 MR-ARFI 位移检测结果,可实现经颅超声焦点定位及相位矫正。但目前仍较 少研究对 MR-ARFI 定量技术的位移检测精度进行标定。该文在超声作用参数(输入功率、时长、脉冲重复频率)完全一致的条件下,以激光多普勒技术测得的位移作为金标准,与 MR-ARFI 测得的位移值进行比对,探究 MR-ARFI 的位移检测精度。研究结果显示,激光多普勒测量的最大位移值和位移分布 图与 MR-ARFI 测量结果具有良好的一致性。这表明 MR-ARFI 定位技术具有较高的位移检测精度,可反映检测对象的真实运动情况,有望在脑科学领域发挥重要作用。     

基于CUDA的超声脉冲多普勒成像

医学超声脉冲多普勒成像模式是在临床超声成像系统中获得人体血管中血流分布情况的一种重要的检测工具,与传统的B超,彩超成像模式不同,超声脉冲多普勒成像模式不仅可以通过频谱图显示表示流过取样容积的血流速度变化和测定某一位置的血流,而且相比较于连续波式多普勒模式它可以消除多普勒信号的混叠效应提高检测的空间分辨率。但是脉冲多普勒系统在处理时涉及大量的复杂运算,例如FFT（快速傅里叶变换）和卷积运算等,使其难于应用到临床实时系统中。为此研究并提出了一种基于统一计算设备架构（CUDA）平台的超声脉冲多普勒成像系统的并行处理算法。该算法包括了壁滤波、频谱估计、移频处理和频谱显示后处理等处理步骤的并行实现。数据实验结果表明,基于CUDA的超声脉冲多普勒成像处理结果与基于CPU的实现相比,不仅可以得到相同质量的频谱图,而且可以取得较大的加速效果,满足实时系统需求;数据测试显示,对于65 535×20的信号数据能够达到1秒处理2 770条谱线的计算性能,速度提高了约140倍。     

一种新的遥感影像变化检测算法

针对传统的遥感影像变化检测算法不能同时确保准确率高、抗噪能力强和时间成本低的现状,设计一种新的基于非下采样剪切波变换和自适应脉冲耦合神经网络相结合的遥感影像变化检测算法。充分采用邻域信息有效降低虚警数量;借助非下采样剪切波变换的多方向、多尺度分解并利用全局、局部滤波,有效降低漏警数量;非下采样剪切波变换具有平移、旋转和尺度不变性,有效提升抗噪能力;自适应脉冲耦合神经网络分类准确率高并且时间成本很低。实验结果表明,与其他算法相比,该算法具有更高的检测准确度、更强的抗噪能力和更低的时间成本。实验结果验证了该算法的优越性和可行性。     

基于位置反解算法的并联机器人坐标变换方法

目的为提高工作效率,提升工业机器人的可靠性、稳定性和运动精度,避免机器人出现速度以及加速度的突变,对机器人的位置进行准确的控制。方法 以RBT-6T03P并联机器人为例,应用坐标变化法和位置反解算法对并联机器人机构的位置坐标进行分析并利用MATLAB进行仿真。结果 结果表明：通过位置反解对并联机器人的坐标进行变换求解是方便可行。结论 所述控制方法相对于并联机器人求正解算法更加简单、方便、快捷。     

A real time displacement estimation algorithm for ultrasound elastography

Motion tracking algorithms to derive the local displacement distribution inside soft tissue from ultrasonic radio frequency (RF) signals are critical for ultrasound-based techniques, especially for ultrasound elastography. Normally, there is a trade-off between precision and computational cost. In this study, we present a framework combined with block matching algorithm (BMA) and phase shift method with prior estimation (PSPE). BMA is first applied to the RF signals, the axial and lateral displacements obtained are then used as a prior estimates of the PS method to calculate a more precision axial displacements. The performance of the algorithm is evaluated with synthetic ultrasound RF data, and it is found that both SNRe and CNRe of our method are significantly higher than those of phase-shift as a prior estimation (PSPE) method. Elasticity phantom and clinical data are also used to verify the usefulness of our algorithm, respectively. The results show that our method is robust to image the complex tissue motions.     

基于多视角学习策略的手部姿态估计

手部姿态估计在人机交互、手功能评估、虚拟现实和增强现实等应用中发挥着重要作用, 为此本文提出了一种新的手部姿态估计方法, 以解决手部区域在大多数图像中占比较小和已有单视图关键点检测算法无法应对遮挡情况的问题. 所提方法首先通过引入Bayesian卷积网络的语义分割模型提取手部目标区域, 在此基础上针对手部定位结果, 利用所提基于注意力机制和级联引导策略的新模型以获得较为准确的手部二维关键点检测结果.然后提出了一种利用立体视觉算法计算关键点深度信息的深度网络, 并在深度估计中提供视角自学习的功能. 该方式以三角测量为基础, 利用RANSAC算法对测量结果进行校准. 最后经过多任务学习和重投影训练对手部关键点的3D检测结果进行优化, 最终提取手部关键点的三维姿态信息. 实验结果表明: 相比于已有的一些代表性人手区域检测算法, 本文方法在人手区域检测上的平均检测精度和运算时间上有一定的改善. 此外, 从本文所提姿态估计方法与已有其他方法的平均端点误差(EPE_mean)和PCK曲线下方面积(AUC)这些指标的对比结果来看, 本文方法的关键点检测性能更优, 因而能获得更好的手部姿态估计结果.     

Realtime Object-aware Monocular Depth Estimation in Onboard Systems

This paper proposes the object depth estimation in real-time, using only a monocular camera in an onboard computer with a low-cost GPU. Our algorithm estimates scene depth from a sparse feature-based visual odometry algorithm and detects/tracks objects’ bounding box by utilizing the existing object detection algorithm in parallel. Both algorithms share their results, i.e., feature, motion, and bounding boxes, to handle static and dynamic objects in the scene. We validate the scene depth accuracy of sparse features with KITTI and its ground-truth depth map made from LiDAR observations quantitatively, and the depth of detected object with the Hyundai driving datasets and satellite maps qualitatively. We compare the depth map of our algorithm with the result of (un-) supervised monocular depth estimation algorithms. The validation shows that our performance is comparable to that of monocular depth estimation algorithms which train depth indirectly (or directly) from stereo image pairs (or depth image), and better than that of algorithms trained with monocular images only, in terms of the error and the accuracy. Also, we confirm that our computational load is much lighter than the learning-based methods, while showing comparable performance.

     

A rectangular finite element for moderately thick flat plates

This paper presents the development of a straightforward displacement type rectangular finite element for bending of a flat plate with the inclusion of transverse (or lateral) shear effects. The element has 21 degrees of freedom consisting of nine for the lateral displacement of the midplane and 12 for rotations of the normal to the undeformed midplane of the plate (six each for rotations about the x and y axes). The latter are taken as independent of the slopes of the deformed midplane in order to include deformation due to transverse shear. The element is fully conforming and may be orthotropic. At interelement boundaries, the element matches adjacent elements both with respect to lateral displacement of the midplane and the rotations of the normal. Numerical computations for a number of examples are presented. The results show the element to be more flexible than most other finite element models and agree closely with those from a numerical solution of the three dimensional elasticity equations. The results also converge to those from thin plate theory when the thickness to length ratio becomes small or when the transverse shear moduli are artificially increased.     

基于ARM+CPLD的高精度超声波风速仪的设计

分析了运用超声波时差法测量风速风向的基本原理,介绍了风速风向的相关算法,重点给出了基于ARM+CPLD的超声波风速风向仪原型设计。同时提出了一种处理0°(360°)附近平均风向问题的算法,结合实际运用(风力发电)给出了一种运用气压传感器进行绝对风速测量的理论模型。所设计的超声波风速风向仪对环境监测和风力发电等具有重要的参考应用价值。     

基于短时能量与LSTM的油井动液面深度研究

油井动液面深度计算一直是油田行业关注的重要课题,高效、准确地获取井下液面的动态深度信息对石油行业发展至关重要。为此,针对油井动液面的深度测算受环境噪声的影响而导致计算误差较大的问题,研究基于声波法的油井动液面深度估计与预测算法。通过设计改进型短时能量过零函数和三电中心削波函数,以及融合多渠道液面位置估计信息,获得动态液面的深度估计算法;将此法获得的液面位置和平均声速作为LSTM神经网络的输入,以及实测液面深度作为期望输出,获得可预测液面深度的预测模型。比较性的实验结果表明,所获液面深度计算算法较之短时能量和短时能量过零函数法,更能有效测算动液面深度;得到的预测模型能有效预测不同时段声波下的液面深度。     

多算法结合的汽车参数和状态估计方法研究

为实时准确获取汽车参数及状态信息以提高汽车主动安全性能,提出了一种多算法结合的自适应估计算法。该算法将递推最小二乘算法、蚁群优化算法及容积卡尔曼滤波算法进行有效结合,同时将含有不准确模型参数及未知时变噪声的三自由度非线性整车模型作为标称模型。采用递推最小二乘算法实时估计汽车参数,引入蚁群优化算法实时跟踪容积卡尔曼滤波器的过程噪声及量测噪声,根据目标函数对噪声协方差进行寻优,以解决系统的噪声时变问题,从而获取汽车状态的准确估计。基于CarSim/Simulink的仿真实验结果表明,该算法的状态估计精度高,且具备汽车模型参数校正能力,可以满足系统的控制需要。     

基于Bayes估计的离散Kalman滤波相关观测融合

针对带相关观测噪声和带不同 未知观测函数的多传感器离散系统,在已有的融合算法基础上提出了基于Bayes估计的加权最小二乘(Bayes estimation weighted least squares,BYEWLS)分布式融合Kalman滤波算法。该方法充分利用未知参数的验前信息,以风险函数为评价指标,证明了BYEWLS融合算法优于WLS融合算法,针对YEWLS融合算法是有偏估计,提出了在线消除偏差的方法。分布式融合算法减少了计算负担,提高了融合精度,便于实时应用。最后通过仿真例子验证了该方 法的有效性和理论分析的正确性。     

A comparison of simulated annealing and genetic algorithm for optimum design of nonlinear steel space frames

In this article, two algorithms are presented for the optimum design of geometrically nonlinear steel space frames that are based on simulated annealing and genetic algorithm. The design algorithms obtain minimum weight frames by selecting suitable sections from a standard set of steel sections such as the American Institute of Steel Construction (AISC) wide-flange shapes. Stress constraints of AISC Load and Resistance Factor Design (LRFD) and AISC Allowable Stress Design (ASD) specifications, maximum (lateral displacement) and interstorey drift constraints, and also size constraints for columns were imposed on frames. The algorithms were applied to the optimum design of three space frame structures, which have a very small amount of nonlinearity. The unconstrained form of objective function was applied in both optimum design algorithms, and constant penalty factors were used instead of gradually increasing ones. Although genetic algorithm took much less time to converge, the comparisons showed that the simulated annealing algorithm yielded better designs together with AISC-LRFD code specification.