检索结果-南通市图书馆

维普期刊数据库博看期刊

基于空时级联单脉冲的多目标高效参数估计算法

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2024年第3期46卷 952-959页

作者：沈明威张永舒李建霓吴迪朱岱寅河海大学计算机与信息学院南京211100 南京航空航天大学雷达成像与微波光子技术教育部重点实验室南京210016

比幅单脉冲最大似然算法(ACM-ML)在进行目标参数估计时需要进行距离与速度的2维松弛迭代搜索,导致了计算效率低、运算量大的问题。针对上述问题,该文提出一种基于空时级联单脉冲的高效多目标参数估计算法(M-STCMP算法)。该算法将单脉冲... 详细信息

比幅单脉冲最大似然算法(ACM-ML)在进行目标参数估计时需要进行距离与速度的2维松弛迭代搜索,导致了计算效率低、运算量大的问题。针对上述问题,该文提出一种基于空时级联单脉冲的高效多目标参数估计算法(M-STCMP算法)。该算法将单脉冲概念引入脉冲域,利用时域单脉冲计算目标速度,避免了ACM-ML算法中对速度的迭代搜索,将2维松弛迭代搜索降为1维搜索,有效降低了计算复杂度。考虑时域单脉冲无法同时匹配分布在不同时域主波束的速度各异的多个检测目标,进一步利用目标信号的多普勒信息,在各多普勒单元分别进行时域单脉冲测速,并搜索目标距离值。最后为抑制目标间的信号泄露,将所有目标的估计参数进行级联迭代获得高精度参数估计值。理论分析和仿真结果验证了M-STCMP算法的有效性。

关键词：时域单脉冲多目标分离参数估计松弛迭代

在线全文

学校读者我要写书评

暂无评论

城区场景建筑物单体分割与结构重建耦合研究

中国科学：信息科学 2024年第2期54卷 281-300页

作者：董梦成谢科黄惠深圳大学计算机与软件学院可视计算研究中心深圳518060

随着无人机以及激光雷达在测绘领域的大规模应用,大量的城市场景稠密三维网格模型被生产出来,对其进行建筑物单体分割与结构化重建是计算机图形学领域极具挑战性的研究问题.本文对此提出了一种城区场景建筑物单体分割与结构化重建耦合... 详细信息

随着无人机以及激光雷达在测绘领域的大规模应用,大量的城市场景稠密三维网格模型被生产出来,对其进行建筑物单体分割与结构化重建是计算机图形学领域极具挑战性的研究问题.本文对此提出了一种城区场景建筑物单体分割与结构化重建耦合处理的方法.首先,本文基于马尔可夫(Markov)随机场从场景中提取建筑物轮廓;然后,基于提取出的建筑物轮廓以及人造建筑竖直方向的规则性,引入了一种新的建筑物结构化模型——多层轮廓模型;最后,设计了一个自顶向下的城区场景建筑物单体分割与结构化重建耦合处理的并行系统,该系统能够高效地处理大规模城区场景.实验结果表明,本文方法生成的结构化模型最高实现了厘米级的精度.

关键词：建筑物单体分割结构重建耦合处理城市场景理解马尔可夫随机场

在线全文

学校读者我要写书评

暂无评论

三维点云目标识别对抗攻击研究综述

电子与信息学报 2024年第5期46卷 1645-1657页

作者：刘伟权郑世均郭宇王程厦门大学信息学院厦门361005 福建省智慧城市感知与计算重点实验室厦门361005 集美大学计算机工程学院厦门361021

当前,人工智能系统在诸多领域都取得了巨大的成功,其中深度学习技术发挥了关键作用。然而,尽管深度神经网络具有强大的推理识别能力,但是依然容易受到对抗样本的攻击,表现出了脆弱性。对抗样本是经过特殊设计的输入数据,能够攻击并误导... 详细信息

当前,人工智能系统在诸多领域都取得了巨大的成功,其中深度学习技术发挥了关键作用。然而,尽管深度神经网络具有强大的推理识别能力,但是依然容易受到对抗样本的攻击,表现出了脆弱性。对抗样本是经过特殊设计的输入数据,能够攻击并误导深度学习模型的输出。随着激光雷达等3维传感器的快速发展,使用深度学习技术解决3维领域的各种智能任务也越来越受到重视。采用深度学习技术处理3维点云数据的人工智能系统的安全性和鲁棒性至关重要,如基于深度学习的自动驾驶3维目标检测与识别技术。为了分析3维点云对抗样本对深度神经网络的攻击方式,揭示3维对抗样本对深度神经网络的干扰机制,该文总结了基于3维点云深度神经网络模型的对抗攻击方法的研究进展。首先,介绍了对抗攻击的基本原理和实现方法,然后,总结并分析了3维点云的数字域对抗攻击和物理域对抗攻击,最后,讨论了3维点云对抗攻击面临的挑战和未来的研究方向。

关键词：对抗攻击深度学习 3维点云对抗样本

基于二阶注意力的Siamese网络视觉跟踪算法

在线全文

学校读者我要写书评

暂无评论

北京航空航天大学学报 2024年第3期50卷 739-747页

作者：侯志强陈茂林马靖媛郭凡余旺盛马素刚西安邮电大学计算机学院西安710121 西安邮电大学陕西省网络数据分析与智能处理重点实验室西安710121 空军工程大学信息与导航学院西安710077

为提升基于Siamese网络视觉跟踪算法的特征表达能力和判别能力,以获得更好的跟踪性能,提出了一种轻量级的基于二阶注意力的Siamese网络视觉跟踪算法。使用轻量级VGG-Net作为Siamese网络的主干,获取目标的深度特征;在Siamese网络的末端... 详细信息

为提升基于Siamese网络视觉跟踪算法的特征表达能力和判别能力,以获得更好的跟踪性能,提出了一种轻量级的基于二阶注意力的Siamese网络视觉跟踪算法。使用轻量级VGG-Net作为Siamese网络的主干,获取目标的深度特征;在Siamese网络的末端并行使用所提残差二阶池化网络和二阶空间注意力网络,获取具有通道相关性的二阶注意力特征和具有空间相关性的二阶注意力特征;使用残差二阶通道注意力特征和二阶空间注意力特征,通过双分支响应策略实现视觉跟踪。利用GOT-10k数据集对所提算法进行端到端的训练,并在OTB100和VOT2018数据集上进行验证。实验结果表明:所提算法的跟踪性能取得了显著提升,与基准算法SiamFC相比,在OTB100数据集上,精度和成功率分别提高了0.100和0.096,在VOT2018数据集上,预期平均重叠率(EAO)提高了0.077,跟踪速度达到了48帧/s。

关键词： Siamese网络视觉跟踪残差二阶池化网络二阶空间注意力网络双分支响应策略

LiDar点云指导下特征分布趋同与语义关联的3D目标检测

在线全文

学校读者我要写书评

暂无评论

电子学报 2024年第5期52卷 1700-1715页

作者：郑锦蒋博韬彭微王森北京航空航天大学计算机学院北京100191 虚拟现实技术与系统全国重点实验室北京100191

针对现有基于伪点云的3D目标检测算法精度远低于基于真实激光雷达(Light Detection and ranging,LiDar)点云的3D目标检测,本文研究伪点云重构,并提出适合伪点云的3D目标检测网络.考虑到由图像深度转换得到的伪点云稠密且随深度增大逐渐... 详细信息

针对现有基于伪点云的3D目标检测算法精度远低于基于真实激光雷达(Light Detection and ranging,LiDar)点云的3D目标检测,本文研究伪点云重构,并提出适合伪点云的3D目标检测网络.考虑到由图像深度转换得到的伪点云稠密且随深度增大逐渐稀疏,本文提出深度相关伪点云稀疏化方法,在减少后续计算量的同时保留中远距离更多的有效伪点云,实现伪点云重构.本文提出LiDar点云指导下特征分布趋同与语义关联的3D目标检测网络,在网络训练时引入LiDar点云分支来指导伪点云目标特征的生成,使生成的伪点云特征分布趋同于LiDar点云特征分布,从而降低数据源不一致造成的检测性能损失;针对RPN(Region Proposal Network)网络获取的3D候选框内的伪点云间语义关联不足的问题,设计注意力感知模块,在伪点云特征表示中通过注意力机制嵌入点间的语义关联关系,提升3D目标检测精度.在KITTI 3D目标检测数据集上的实验结果表明:现有的3D目标检测网络采用重构后的伪点云,检测精度提升了2.61%;提出的特征分布趋同与语义关联的3D目标检测网络,将基于伪点云的3D目标检测精度再提升0.57%,相比其他优秀的3D目标检测方法在检测精度上也有提升.

关键词： 3D目标检测伪点云语义关联分布趋同注意力感知

在线全文

学校读者我要写书评

暂无评论

基于深度学习的快速长时视觉跟踪算法

北京航空航天大学学报 2024年第8期50卷 2391-2403页

作者：侯志强马靖媛韩若雪马素刚余旺盛范九伦西安邮电大学计算机学院西安710121 西安邮电大学陕西省网络数据分析与智能处理重点实验室西安710121 空军工程大学信息与导航学院西安710077

在目标尺寸变化、遮挡和出视场等复杂长时视觉跟踪环境下,现有基于深度学习的视觉跟踪算法很难对目标进行实时准确的跟踪。针对该问题,提出一种快速的长时视觉跟踪算法,该算法由一个快速短时视觉跟踪算法和一个快速全局重检测模块组成... 详细信息

在目标尺寸变化、遮挡和出视场等复杂长时视觉跟踪环境下,现有基于深度学习的视觉跟踪算法很难对目标进行实时准确的跟踪。针对该问题,提出一种快速的长时视觉跟踪算法,该算法由一个快速短时视觉跟踪算法和一个快速全局重检测模块组成。在基准算法SiamRPN中加入二阶通道与区域空间融合的注意力模块作为短时视觉跟踪算法,在保证快速性的同时,提高算法的短时视觉跟踪精确度和成功率;为使改进后的短时视觉跟踪算法具有快速的长时视觉跟踪能力,在算法中加入提出的基于模板匹配的全局重检测模块,该模块使用轻量级网络和快速的相似度判断方法,加快重检测速率。在OTB100、LaSOT、UAV20L、VOT2018-LT、VOT2020-LT等5个数据集上进行测试,实验结果表明,所提算法在长时视觉跟踪中具有优越的跟踪性能,平均速度达104帧/s。

关键词：长时视觉跟踪深度学习二阶通道注意力区域空间注意力全局重检测

在线全文

学校读者我要写书评

暂无评论

多模态协同感知与融合技术专题前言

软件学报 2024年第5期35卷 2099-2100页

作者：孙立峰宋新航蒋树强王莉莉申恒涛清华大学计算机科学与技术系中国科学院计算技术研究所智能信息处理重点实验室北京航空航天大学计算机学院电子科技大学计算机科学与工程学院

与人类利用视觉、听觉、触觉等多种感官信息来感知世界相似,计算机智能系统也可通过不同的传感器,如摄像头、雷达、麦克风、触觉传感器等,来获取人类和物理世界中的数据与信息.随着智能终端和多模态传感设备的普及,可用于感知世界的数...

与人类利用视觉、听觉、触觉等多种感官信息来感知世界相似,计算机智能系统也可通过不同的传感器,如摄像头、雷达、麦克风、触觉传感器等,来获取人类和物理世界中的数据与信息.随着智能终端和多模态传感设备的普及,可用于感知世界的数据来源、维度和数据量都在快速增长,单独模态数据所提供的信息已经不能满足智能系统感知与理解世界的需求.因此智能系统在感知世界时,需要从更多模态数据的差异化获取、动态适配、

关键词：

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

室内圆柱引导的激光雷达全局定位与回环检测

武汉大学学报（信息科学版） 2024年第7期49卷 1088-1099页

作者：史鹏程李加元刘欣怡张永军武汉大学计算机学院湖北武汉430072 武汉大学遥感信息工程学院湖北武汉430079

针对移动机器人在大范围室内环境的定位难题,提出了一种基于圆柱特征的全局定位方法。首先,设计一种参数化地图,采用随机采样一致性算法和几何模型分割出地图中的圆柱点云,利用栅格地图描述环境中稳定人工构筑物的分布。其次,采用轻量... 详细信息

针对移动机器人在大范围室内环境的定位难题,提出了一种基于圆柱特征的全局定位方法。首先,设计一种参数化地图,采用随机采样一致性算法和几何模型分割出地图中的圆柱点云,利用栅格地图描述环境中稳定人工构筑物的分布。其次,采用轻量级二进制文件记录圆柱和地物分布。然后,基于圆柱独特的几何特性(离群性、对称性和显著性),提出一种实时LiDAR点云圆柱分割方法。最后,设计两种位姿求解策略:第一种是启发式搜索,在地图与实时数据中搜索出最佳匹配圆柱,进而分别解算平移量和旋转量;第二种是优化求解,利用圆柱之间的拓扑关系构建约束条件并计算最优位姿。为验证所提方法的可行性,采用16线激光雷达在大厅、走廊及混合场景3种典型室内环境进行全局定位和回环检测实验。实验结果表明,该方法可有效实现典型空旷室内环境中机器人的全局定位,可达到90%的定位成功率以及0.073 m定位误差,部分数据可达到毫米级定位精度,最快速度在100 ms内,位置识别性能达到主流方法水平。该方法基本满足实际应用中自动驾驶对全局定位的精度和效率要求。

关键词：自动驾驶全局定位回环检测圆柱分割参数化地图激光雷达

基于特征增强和历史帧选择的Transformer视觉跟踪算法

在线全文

学校读者我要写书评

暂无评论

控制与决策 2024年第10期39卷 3506-3512页

作者：侯志强杨晓麟马素刚王云龙余旺盛王昀琛西安邮电大学计算机学院西安710121 西安邮电大学陕西省网络数据分析与智能处理重点实验室西安710121 空军工程大学信息与导航学院西安710100

为进一步提升跟踪算法在历史帧信息利用和目标特征表达方面的性能,提出基于特征增强和历史帧选择的Transformer视觉跟踪算法(feature enhancement and history frame selection based Transformer visual tracking, FEHST).首先,在骨干网络中引入动态预测模块,通过稀疏化策略提高自注意力机制的计算效率,聚焦目标区域特征;其次,提出特征增强模块,将局部信息与全局信息的优势相结合,提升特征的表达能力;最后,采用自适应历史帧选择策略,提升跟踪器对目标动态信息的关注.在LaSOT、TrackingNet、GOT-10K和OTB100等数据集上进行了大量的实验,实验结果显示,在LaSOT、TrackingNet、OTB100上分别取得70.1%、83.0%和71.6%的成功率,在GOT-10K上取得71.4%的平均重叠度,并能以27 FPS的速度运行.

关键词：计算机视觉视觉跟踪深度学习注意力机制历史帧选择 Transformer