无地面控制点无人机影像空三定位精度分析

随着无人机技术的快速发展和影像匹配技术的进步,无人机技术被广泛应用于智慧城市、测绘生产、BIM系统等领域.网络RTK技术和PPK技术为无人机影像提供了高精度的位置信息,为无地面控制点无人机影像空三提供了可能.首先介绍了无地面控制点无人机影像空三的理论知识,接着利用模拟和实测数据对影响无人机影像空三定位精度的主要因素如重叠度与倾斜角、相机模型、外方位线元素精度与权值、外方位角元素精度与权值等进行了分析,最后对无地面控制点无人机影像空三的实施给出了工程实施建议.研究结果表明:无地面控制点无人机影像空三具有可行性,其实现取决于合适的飞行参数设置、高精度的外方位元素、最优的空三后处理解算和顾及高程异常改正.     

无人机影像数字处理及在地震灾区重建中的应用

为解决多云雾地区卫星遥感数据难以实时获取的问题,考虑到无人机低空遥感影像分辨率高、灵活性好等特点,探讨了无人机影像的获取及数字处理方法.探讨了影像三维可视化过程,并针对汶川地震灾区重建规划设计的需要,将重建规划设计模型直接引入三维地理信息系统环境.实验结果表明:与卫星遥感数据相比,无人机获取的影像在三维可视化中能提供更详细、更丰富的几何和语义信息;采用设计模型与三维地形景观相结合的技术,能实时再现设计成果,避免复杂环境下二维图形带来的思维局限性和片面性,提高设计效果的真实表现力.     

基于Google Earth的数字正射影像图更新方法研究

研究和分析了利用Google Earth影像作为数据源更新数字正射影像图的可行性、更新条件和更新方法,并以虎石台地区为实验区,对更新方法进行验证。具体研究思路为:对照待更新的数字正射影像图与Google Earth最新影像,发现变化区域,采用局部纠正、局部镶嵌、局部更新的方法,将变化区域影像更新,并根据地面测量数据对更新结果进行了几何精度和影像质量的评定。实验结果表明,更新后的影像图能够满足相应的影像图更新的几何精度要求,影像质量方面也可以满足目视应用的要求。     

基于深度学习的四轴无人机飞行姿态估计方法

为解决传统无人机姿态估计过程中出现的精度低、实时性差、容易被干扰、模型复杂、计算量大、处理时间长等问题,研究基于深度学习的四轴无人机飞行姿态估计方法.结合多传感器数据融合技术,使用MARG传感器和光流传感器采集无人机飞行姿态数据,经小波阈值去噪算法和最大—最小标准化算法对采集到的数据进行去噪及归一化预处理后,基于GRU神经网络构建一个新的姿态估计模型.将预处理后传感器的数据输入模型中进行融合,通过模型训练输出重力矢量和地磁矢量,经无人机姿态角转换获取无人机飞行姿态.实验结果表明：基于深度学习的四轴无人机飞行姿态估算结果与实际值接近,且误差小、速度快,同时利用GRU神经网络可以融合多种传感器的数据,无需建立复杂的数学模型,即可实现无人机飞行姿态的高精度测量.     

考虑数据异质性的贝叶斯混合回归退化建模

针对退化数据的异质性问题,提出基于随机效应混合回归的贝叶斯退化建模与剩余使用寿命预测方法.通过模型随机参数的混合概率分布描述异质性退化数据的统计特征,并利用分层先验和Gibbs算法进行贝叶斯参数估计.进而,将随机参数的贝叶斯估计作为有信息先验,利用在线观测数据进行贝叶斯参数更新和剩余使用寿命估计.通过涡轮发动机退化数据验证了所提方法的剩余使用寿命预测性能.实验结果表明,考虑了异质性影响的贝叶斯混合回归退化建模方法,能更好地刻画设备个体的退化特征,提高了预测准确度.     

3S技术在土地利用调查中的应用

基于无人机遥感图像的分类精度和高分辨率的图像特征,得出面向对象的遥感影像分类方法,即应用无人机遥感技术进行土地利用的快速详查信息提取。运用GIS技术,着重研究土地利用数据库的建立方法及构建过程,通过该数据库构建的时空模型,可有效地避免数据冗余问题,建立的数据库还可实现土地的详查追溯,通过图像的层次叠加获取历史土地详查的全区土地信息。     

基于混合比例方法抽样用于入侵检测

支持向量机对于样本量不足的情况下会使得入侵检测分类精度普遍下降.为了提高入侵检测的检测精度,提出了一种利用混合比例抽取样本研究不平衡数据集的方法.该方法首先将数据集按各种类别分开,然后不按比例抽取,使得每层样本中的数据量相对平衡.再用此样本集构造分类器,采用构造的分类器去构建入侵检测系统进行检测.实验结果表明,使用这种混合比例的不平衡数据集分类方法可以有效地提高检测精度,而且降低误报率.     

基于点特征和边缘特征的无人机影像配准方法

为解决变形较大的无人机影像配准问题,提出了点特征和边缘特征相结合的配准方法.用尺度不变特征变换(SIFT)算法提取点特征,完成影像的初步配准,并通过多项式函数对影像进行粗校正.在此基础上提取影像的边缘特征信息,根据距离相似性对边缘特征信息进行配准;依据色彩能量差筛选点特征信息配准结果和边缘特征信息配准结果,采用小面元微分校正的方法对变形影像进行校正.实验结果表明:提出的配准方法能够弥补点特征配准方法和边缘特征配准方法的不足,其配准的鲁棒性提高10%左右,可以较好地完成变形较大的无人机影像配准.      

基于深度学习的绝缘子故障检测仿真研究

针对无人机巡检中采集到的绝缘子图片受干扰严重、检测精度低的问题，在YOLOv5s算法的基础上进行优化，基于改进后的YOLOv5s算法进行了绝缘子故障检测的仿真研究。通过在颈部网络添加CBAM注意力模块、运用K-means聚类重新计算先验框大小、采用MetaAconC作为激活函数3种措施改进了原算法，并基于Python进行了实验结果分析。实验结果表明本方案算法平均精度均值mAP达到了96.7%，对比原YOLOv5s模型，平均精度均值m AP提升3.3%；且方案算法训练出的权重文件大小仅有15.1 M,仅比原YOLOv5s大了0.1 M，仍然保持了轻量化的特点，在智能巡检工作的部署上有良好前景。     

近似最优的粗糙集连续属性离散化断点选择方法

针对粗糙集中连续属性的离散化问题,提出了一种基于断点选择的离散化方法.首先对条件属性进行重要性排序,选用有效的启发式规则作为获取近似最优断点的依据;然后以信息熵和决策表的相容度作为约束条件,生成离散化数据.最后采用UCI数据对此算法的性能进行了检验,并与其他算法做了对比实验.实验结果表明此算法是有效的,而且当属性值的出现频率和样本数较多时仍有很高的计算效率.     

城市物流无人机起降点布局规划研究

针对城市物流无人机起降点布局规划问题，考虑不同级别的物流无人机起降点，构建以总经济成本最小和客户满意度最高为目标，以禁飞区、无人机性能、容需匹配等为约束的整数规划模型。设计人类学习优化算法(HLO)，引入随机学习算子、个体学习算子和社会学习算子。在此基础上，基于真实地理信息数据和物流数据设计仿真实验，验证模型与算法有效性。实验结果表明，所建模型可以实现起降点的合理布局规划，适用于大规模资源配置，具备有效性；人类学习优化算法较遗传算法求解精度与收敛速度更优，表现出较佳性能。参数分析表明，基于该仿真环境的最优经济成本权重和客户满意度权重设置为0.4和0.6，最佳算法学习概率参数组合为5/n和 (0.8+2/n)。据此可对城市物流无人机起降点布局规划提供决策依据。     

基于形态检测与深度学习的高空视频车辆识别

为了准确提取广域场景道路交通信息,本文融合形态检测与深度卷积网络,提出了无人机视频车辆定位及车型识别方法. 首先,基于形态检测建立候选目标提取算法,并构建了含244 520 个无人机视频车辆样本的深度学习图像基准库;然后,通过增加卷积层、池化层及调整网络参数等方法对AlexNet 进行重构,提出了改进模型AlexNet*;最后,建立了基于候选目标提取算法与AlexNet*的车辆识别方法. 验证分析显示：AlexNet*的图像分类F1 均值达 85.51% ,优于AlexNet(82.54% )、LeNet(63.88% )、CaffeNet(46.64% )、VGG16(16.67% ) 及 GoogLeNet(14.38%);本文车辆识别方法对小汽车及公交车的正检率、重检率和漏检率均值分别达94.63%、6.87%、4.40%,可有效识别无人机视频目标.     

基于形态检测与深度学习的高空视频车辆识别

为了准确提取广域场景道路交通信息,本文融合形态检测与深度卷积网络,提出了无人机视频车辆定位及车型识别方法. 首先,基于形态检测建立候选目标提取算法,并构建了含244 520 个无人机视频车辆样本的深度学习图像基准库;然后,通过增加卷积层、池化层及调整网络参数等方法对AlexNet 进行重构,提出了改进模型AlexNet*;最后,建立了基于候选目标提取算法与AlexNet*的车辆识别方法. 验证分析显示：AlexNet*的图像分类F1 均值达 85.51% ,优于AlexNet(82.54% )、LeNet(63.88% )、CaffeNet(46.64% )、VGG16(16.67% ) 及 GoogLeNet(14.38%);本文车辆识别方法对小汽车及公交车的正检率、重检率和漏检率均值分别达94.63%、6.87%、4.40%,可有效识别无人机视频目标.     

弹性金属氟塑料轴瓦表面摩擦的定向机理分析

通过对磨损后表面的显微观察与分析,发现了弹性金属氟塑料轴瓦（EMP）轴瓦与钢对摩时,其摩擦副两表面都存在转移或析出PTFE的高度定向现象,结合弹性金属氟塑料表层材料的表面分子结构特性,对其它向机理进行了研究。     

基于数字图像技术的沥青混合料内部集料分布特征

针对Marshall与SGC成型的AC-16,SMA-16与OGFC-16 3种级配沥青混合料试件,采用数字图像处理技术研究集料颗粒在试件竖向剖面内的分布状况,用统计方法对集料主轴方向角进行重点研究.研究结果表明:对于AC与SMA试件,集料颗粒的主轴方向角呈显著的正态分布特性,对于OGFC试件其规律并不显著.从主轴方向角的离散性上来看,SGC旋转压实成型试件的方差较Marshall试件要大.     

基于完善交通信息收集的UAV路径规划

针对部分路段不能获取完整交通信息的问题,提出使用无人机对未布设固定型交通信息检测器路段进行交通巡视,完善交通信息。通过时空网络建立了一个总飞行时间最短、最大单机飞行时间最短的多目标模型,确定最佳的无人机数量和交通信息收集路径。新模型不仅利用时空网络技术细致刻画了无人机在巡视过程中的飞行轨迹,而且加入了对未布设固定型交通检测器路段的巡视次数以及巡视时间间隔约束问题,使巡视路径更加合理。情景分析表明,使用两架无人机进行巡视时,总飞行时间最短为37min,在23min 内完成巡视任务;随着最大单机飞行时间权重的增大,无人机的总飞行时间增加9.76%,最大单机飞行时间减少8.70%。算例分析表明,所建模型和方法能够解决大规模路网的多无人机调度问题,能够根据实际需求得到满意的巡视路径。     

基于视觉注意机制 PCNN 模型的车牌 图像分割方法

车辆图像中车牌具有所占比例小、位置不固定、大小不一,以及分割易受光照影 响的特点.因此,车牌图像的分割始终是车辆跟踪、车辆识别等领域中的难点问题.针对以 上问题,本文提出了基于视觉注意机制脉冲耦合神经网络模型的车牌图像分割方法.该方 法将视觉注意机制中的数据驱动模式和任务驱动模式相结合. 数据驱动模式中,通过对 PCNN 模型细胞感受野功能的完善,使优化 PCNN 模型具有了尺度性和方向性.任务驱 动模式中,针对不同尺度的分割,利用组合不变矩和局部灰度熵,自适应地确定目标的特 征尺度和最佳尺度,并确定该目标最终的分割结果.经实验验证,该方法对车牌图像具有 较好的分割效果.     

有效教学中以人为本的内涵探究

有效教学从提出之初,直到现在,一直强调教育视野中的以人为本．针对高职高专教学以人为本的缺失,力求在教学效率体现发展性、课堂管理追求人性化、学生发展彰显个性化、教师强调专业幸福感、师生交流突显互动性等多纬度完善以人为本的有效教学．