基于联合卷积和递归神经网络的交通标志识别

提出了一种联合卷积和递归神经网络的深层网络结构,在卷积神经网络中引入了递归神经网络能学到的组合特征:原始图片先通过一级由k均值聚类学得滤波器的卷积神经网络,得到的结果再同时通过一级卷积和一级递归神经网络,最后得到的特征向量由Softmax分类器进行分类。实验结果表明:在第二级卷积和递归神经网络权重随机的情况下,该网络的识别率已经能够达到98.28%,跟其他网络结构相比,大大减少了训练时间,而且无需复杂的工程技巧。     

基于PCA学习子空间算法的有限汉字识别

采用PCA学习子空间方法来进行灰度图象上字符的识别,不仅克服了传统的基于二值化字符特征提取和识别所带来的主要困难,还尽量多地保存了字符特征,该算法在PCA子空间的基础上,通过反馈监督学习的方法使子空间作旋转调整,从而获得了更好的分类效果,特别当字符类别数不是很大时,子空间的训练时间也将在可接受的范围之内,应用效果也表明,采用PCAA学习子空间算法对车牌汉字这一有限汉字集进行识别,取得了较好的效果,实用价值较高。     

基于环境特征跟踪的移动机器人定位

提出了一种基于环境特征跟踪来实现移动机器人定位的方法。对传感器、环境观测和机器人的运动建立了相应的模型，并以扩展卡尔曼滤波技术将多种传感器的信息进行融合，从而最终实现了移动机器人的精确定位。     

室内移动机器人的初始定位的一种新方法

提出了一种基于“完整线段”匹配实现室内移动机器人初始定位的新方法，给出了完整线段的定义，性质和判定方法，详细介绍了该方法进行初始自定位的算法过程，并对一些特殊情况进行了讨论，用该方法进行初始定位的实验结果令人满意。     

颜色指导的深度图像升采样算法的对比性研究

目前深度图像升采样主要通过双边滤波、马尔科夫随机场等算法实现,这些算法针对不同特征的图像有不同的重建效果。该文对比性研究了这些算法在用于将高分辨率的深度图像与可能带噪的稀疏深度图像结合恢复高分辨率的深度图像,即利用颜色信息指导未知深度的象素点的深度重建工作上的效果。同时,该文引入了高阶马尔科夫随机场,即利用二阶平滑项来获取更准确的深度信息,建立和求解了相应的能量方程。实验表明,双边滤波普遍能获得均方值误差比较小的效果,但其细节处理上不够到位;高阶马尔科夫随机场对未知区域的深度信息的预测比马尔科夫原型及双边滤波更为准确,特别是在已知深度点比较稀疏的情况下效果更加明显。     

基于视差空间V-截距的障碍物检测

为了更加高效地完成对基于双目立体视觉的驾驶系统的环境分析,提出新的应用于视差空间中分析障碍的"V-截距"方法.与传统在三维空间中的障碍检测方法不同,该方法直接在视差空间中进行检测,通过将障碍坡度信息转换为视差空间中V轴的截距实现检测.推导视差空间中的坡度-截距转换关系,划定合理的阈值区间.整个检测算法具有快速高效的特点,在原理上不受平面道路的假设约束,具有很强的实际应用价值.多种环境下的实验证明:该方法的障碍物检测效果可靠、稳定,检测速度是基于三维空间的方法的3.9倍.     

H-ARQ信道上全分集LDPC码的构造与密度演化分析

本文研究了混合自动重传(hybrid auto matic repeat request,H-ARQ)信道上全分集低密度奇偶校验(low density parity check,LDPC)码的构造与性能.首先分析了H-ARQ信道的中断概率及其固有分集,然后构造了在H-ARQ信道上能取得全分集的LDPC码,新构造的码字采用根校验节点把原始传输与重传联系起来,从而获得全分集.接着,给出了所构造码字的密度演化过程、度的优化以及误字率(WER)性能.仿真结果表明,本文所提算法不仅能取得全分集,而且具有优异的性能.     

一种低差错平底线性复杂度的QC-LDPC码构造方法

本文给出了一种低差错平底QC-LDPC码构造方法.首先,提出了扩展近似下三角阵eALT( extern Approximate Lower Triangular)的全局矩阵构造法,通过对改进后的全局矩阵M进行矩阵置换,生成LDPC码的校验矩阵H以达 到减少小停止集( Stopping Set)数量,降低差错平台(Er...     

亿次并行计算机输入接口

本文介绍了智能车辆（ＡＬＶ＝ＡｕｔｏｎｏｍｏｕｓＬａｎｄＶｅｈｉｃｌｅ）的三维视觉理解系统的核心──亿次并行处理机的高速数据输入接口。     

基于TMS320VC5402的低端图像采集系统设计与应用

分析了在实时图像处理中采用TMS320VC5402作处理器的优缺点，设计了一种基于C5402的低端图像处理平台，适用于分辨率较低的灰度图像处理。还介绍了C5402利用10空间和I^2C总线的接口实现方式。给出了系统实例及实验结果。