基于通道注意力机制的单目深度估计

现有单目深度估计（Monocular depth estimation）算法存在细节估计不准确、同一平面距离估计错误的问题。深度信息是通过图像像素的三通道信息估计出来的,目前已有的算法中很少考虑特征图通道之间的相互关系对深度信息的影响。因此本文提出了一种SE-DenseDepth网络,在网络的编码器中嵌入通道注意力机制,依据不同通道对深度信息的贡献度差异,对通道进行编码,提高编码器对图像特征的表征能力。为了获得图像精细的深度信息,网络建立编码器到解码器的跳连接,引入了更多的低层信息。本文在通用室内数据集NYU-Depth V2上训练,并在真实数据上测试。实验结果表明,本文提出的方法在深度突然变化的细节区域表现更好,在远距离大平面的情况下不会出现深度的断层,与其他主流算法相比可以获得较好的深度估计性能。      

脉冲调制激光雷达水下成像系统

针对水下目标探测应用场景,给出了相应的532 nm波长激光雷达系统参数,结合条纹管激光雷达和载波调制激光雷达的优点,设计研制了一套水下三维成像增程激光雷达原理样机。相对于常见的微波调制激光产生高频脉冲的方案,该原理样机采取调Q技术压缩激光脉冲,再结合F-P腔的特性产生高频激光脉冲,具有峰值功率高和输出能量高的优点。实验结果表明,该原理样机在清水环境中成像距离优于20 m,能够捕捉到13 m处直径9 mm的目标细节;在浊水环境中的信号处理增程能力达到81.4%,相对距离分辨误差为0.01 m。所获得的实验结果为进一步提升水下激光雷达的成像距离和分辨率进而发展水下成像装备奠定了基础。     

基于RDSNet的毫米波雷达人体跌倒检测方法

随着人口老龄化的到来,跌倒检测逐渐成为研究热点。针对基于毫米波雷达的人体跌倒检测应用,该文提出了一种融合卷积神经网络和长短时记忆网络的距离多普勒热图序列检测网络(RDSNet)模型。首先通过卷积神经网络对距离多普勒热图进行特征提取得到特征向量,然后将动态序列对应的特征向量序列依次输入长短时记忆网络,进而学习得到热图序列的时间相关性信息,最后通过分类器网络得到检测结果。利用毫米波雷达采集了不同对象的多种人体动作,构建了距离多普勒热图数据集。对比试验表明,所提出的RDSNet网络模型检测准确率可达到96.67%,计算时延小于50 ms,而且具有良好的泛化能力,可为跌倒检测和人体姿态识别提供新的技术思路。      

激光雷达应用技术研究进展

随着激光成像雷达技术的快速发展,激光雷达三维点云数据在多个领域展现出良好的应用前景。本文首先概述了激光雷达的基本原理和性能优势,进而重点阐述了激光雷达在调查监测、建模测绘、探测测量、医疗、军事等各方面的实际应用。     

嵌入注意力机制的卷积神经网络水声目标识别

针对低信噪比水声目标单一特征识别率低,稳健性差的问题,提出一种基于注意力机制和多尺度残差卷积神经网络（Multi-scale Residual CNN with Attention,MR-CNN-A）进行特征融合的识别方法。该方法根据多尺度卷积核与特征图形成多分辨率分析关系,并以此通过注意力机制实现优势特征权值提取与融合,从而提高模型在文中水声数据集上提取目标噪声特征和分类识别的稳健性与抗噪能力。开展了4类舰船噪声和海洋环境噪声的识别试验、水下和水面自主式水下航行器的识别试验,以及不同信噪比条件下目标噪声的识别试验。结果表明：对于文中所涉及的水声目标噪声和人工高斯白噪声干扰,该网络模型识别正确率明显高于支持矢量机与简单卷积神经网络,且对高斯白噪声的抑制能力远强于支持矢量机与简单卷积神经网络,稳健性好,模型复杂度小。     

基于半球形邻域的激光雷达点云局部特征提取

为提升激光雷达点云目标识别的效率和减少计算开销,本文通过采用改进的邻域确定方法和LRF估计方法,提出了一种新的特征描述子:半球单值形状上下文特征描述子(Hemispheric Unique Shape Context,HUSC).首先计算关键点处的互相关矩阵,并根据邻域点附近的点密度进行加权,以此估计关键点的法向量和切...     

用于被动声纳微弱目标检测的宽带最大信噪比方法

本文尝试利用匹配场处理中的能量匹配思想，对阵列波束形成进行优化，用于解决水下目标被动声纳微弱信号检测问题。首先，本文对比了基于线性非相干、MVDR非相干、线性相干和MVDR相干四种匹配场处理器的检测方法的性能，之后分析推导了线性非相干处理器的输出信噪比和输出功率，得出了在声源频谱起伏增大时线性非相干处理器的检测能力会下降的结论。为了得到更高的输出信噪比，本文提出了最大信噪比处理器，在理想情况下可以在处理带宽上达到最高的输出信噪比。最大信噪比处理器没有通过归一化消除声源的影响，而是利用声源频谱的估计值和拷贝场直接对接收数据进行匹配。本文证明了最大信噪比处理器的检测能力优于线性非相干处理器，并且通过仿真实验进一步验证了这个结论。      

一种基于光学测量的航天器结构分析方法

对空间目标进行形态结构分析, 对于航天器空间操作和空间攻防等空间任务具有重要意义。探索了一种空间目标结构分析方法。首先利用最小曲率准则和最短分割线准则,并结合目标骨架,构建了一种新的形状分解的方法;在此基础上,将小波矩特征引入到卫星部件形状分析中,并利用粗糙集约简算法选择有效的小波矩特征;最后利用支持向量机构造了多尺度形状识别器,结合目标先验信息实现对空间目标结构的分析。仿真实验结果表明了所提方法的有效性。     

基于Frobenius范数奇异值分解的快速ICP算法

迭代最近点法(ICP)及其变体是三维点云刚性配准的典型方法,但此类通过迭代计算逐点距离矩阵实现点云配准的方式,严重制约了点云的配准效率。本文提出一种快速ICP算法,利用Frobenius范数表示待配准的两幅点云之间的误差函数,获得误差值最小点位置,并对此位置进行奇异值分解,从而得到旋转矩阵和平移向量,极大压缩了迭代次数和配准时间。在Standford数据集和3DMatch数据集上进行试验,与传统ICP算法及其变体、3种基于学习的点云配准算法进行对比,本文方法配准效率最优;在达到相近的配准精确度时,提出的快速ICP方法的迭代次数仅为传统ICP算法的0.2倍,在Standford数据集上配准所需时间为传统ICP算法的1/4,在3D Match数据集上配准所需时间为传统ICP算法的1/8倍。本文提出的快速ICP算法在数据量大的点云场景下,具有更高的效率。