基于单张照片模式的三维图像重建新方法研究

现今的三维重建技术大多要从多幅图像中找到对应特征,进而求解基本矩阵,然而照片越多就意味着要付出更多采集和计算的时间及空间,对减少图像的幅数而实现同样的三维重建效果将具备一定研究价值。利用霍夫线检测、角点检测、边缘检测等算法,提出一种基于单张照片的三维重建新方法,通过霍夫变换在二值图像取线,再利用OpenCV获取方块的角点数等信息,得到图像基本轮廓,最后透视变换得到图像贴图,并利用画坐标的方法模糊定义模型的参数对应于图像参数的关系,从而实现三维重建。该方法被应用于列车车体的三维重构实验中,实验结果证明了该重建方法的可实现性,也揭示了其工程应用价值。     

基于高层次融合的卷积神经网络FPGA硬件加速

为了解决神经网络前向传播过程中的硬件加速问题,设计了一套基于FPGA编程工具Vivado HLS开发的AlexNet神经网络前向传播硬件加速系统。该系统能够确保在达到相关应用要求的基础上,有效地节省开发时间并降低开发成本。系统基于高级计算机语言C++进行FPGA电路的仿真与开发,同时,灵活运用具有很高便捷性及可靠性的Vivado HLS中的PIPELINE和ARRAY_PARTITION指令进行系统优化。实验结果表明,AlexNet神经网络在本文所构建的FPGA加速系统上的运行时间为21.95 ms,比在传统GPU平台上的运行时70 ms少,运行速度要3倍以上。此外,每一层的网络都实现了分开封装操作,使系统可便捷地移植到其它成熟的卷积神经网络上,加速了深度学习在各类人工智能系统上的应用,在智能产业具有广泛的应用价值。     

基于分布式自适应偏转次梯度投影算法的气体源点定位研究

针对无线传感网络中的气体源点定位问题,采用自适应次梯度投影定位算法(APSM)来逼近气体源点位置。由于实际气体浓度测量值受噪声干扰,导致APSM定位算法在估计源点位置时难收敛,并且计算耗时长,于是对其迭代搜索方向进行修正,并结合无线传感网络分布式计算的特点,提出一种分布式自适应偏转次梯度投影定位算法(DADPSM),该算法以有风时气体浓度衰减模型为基础,以DADPSM算法为核心,利用偏转次梯度方向代替原次梯度,以偏转次梯度投影的超平面作为搜索区域来进行松弛投影,对节点获取的气体浓度信息进行分布式计算,从而估计出气体源点位置。仿真实验表明,该算法收敛快、定位误差小,并且网络能耗少。