Vuforia的AR识别图像目标设计探析

文章基于计算机视觉中的角点检测算法,以Vuforia AR SDK的目标星级评定系统为例,从图形细节与角点分布,图案内容重复性与角点尺度不变性、旋转不变性,图片明暗反差阈值与角点数量三个方面探析作为AR识别物的图像目标的设计要点,以期为从事AR应用开发的美术设计人员提供通俗易懂的参考,为现今AR图像目标在美术设计中面临的系统化、规范化文献缺失问题,提供一个探析方向。     

焊接结构有限元模型焊缝高效识别工具开发

为了提升焊接结构有限元模型焊缝识别与分类的操作效率,文章基于壳单元模型中焊缝处理为共节点的特点,在HyperWorks软件中开发焊缝高效识别工具,依据组件或组装之间的共节点寻找焊缝线,并按焊缝处的几何特征对焊缝进行分类,在焊缝处生成杆单元以标记焊缝,以便于大型有限元模型的焊缝提取和管理。该识别工具提供了组件间识别、组装间识别和单个组装内全识别三种识别方式,可满足不同模型的需求。与人工操作处理相比,使用该工具可以极大地提高焊缝识别与分类处理的效率。     

高速公路改扩建工程周边路网交通瓶颈识别

为满足日益增加的交通需求和提高通行质量,同时保障高速公路区域路网和作业区的交通正常运行,有必要开展高速公路改扩建工程周边路网交通均衡诱导研究,对改扩建高速公路上过载的交通流量进行分流和转移。准确地识别高速公路周边路网的交通瓶颈路段,是进行高速公路改扩建工程周边路网交通均衡诱导的重要基础。在对国内某高速公路改扩建工程周边路网交通运行状况调研的基础上,耦合了速度-密度关系模型和服务水平法,构建了交通瓶颈识别模型。然后,基于所构建的交通瓶颈识别模型,结合周边路网的通行能力和不同时段的服务水平,对周边路网不同时段下的交通瓶颈路段进行识别。     

痕迹与文件检验综合在车架号鉴定中的运用

车辆识别代号即通俗称的车架号是为了识别某一辆车,由车辆制造厂为该车辆指定的一组字码。每辆车辆都应具有唯一的车辆识别代号,并永久的保持地标示在车辆上。该号码用以区别其他车辆,也被称为车辆的“身份证号码”。随着公路运输中挂车的大量运用,挂车车辆识别代号（车架号）改动的违法行为也随之增多。为了对嫌疑车辆进行认定,本文提出将痕迹检验与文件检验理论、方法结合,对车辆、拓印材料及文件材料同时进行比对分析,进而对车辆识别代号（车架号）进行综合研判。     

集装箱RFID技术标准回顾和展望

<正>1集装箱RFID技术标准回顾集装箱射频识别(Radio Frequency Identification,RFID)技术是通过近距离通信实现箱号识别、箱门启闭监控、运输信息传输以及供应链可视化管理的技术。早在1991年国际标准化组织集装箱技术委员会(ISO/TC104)就开始制定关于集装箱自动识别的标准,并于1995年进行修订;我国亦于1999年制定GB/T17894—1999《集装箱自动识别标准》。     

物体入水溅落信号特性分析与识别方法

文章从分析与溅落信号类似的爆炸信号特性、溅落信号的多路径特性、海洋信道的影响入手,在分析物体入水溅落信号特性及海试实测数据特征的基础上,针对海试实测数据探讨物体入水溅落信号识别方法。     

基于数据挖掘的船用通信网络异常行为分类和识别研究方法

为保证船用通信网络的安全,设计基于深度数据挖掘的船用通信网络异常行为分类和识别方法。该方法数据处理模块采用全局信息数据融合策略,融合网络的原始采集数据,特征选择模块通过平均不纯度减少特征重要度计算方法,选择有效特征并计算该特征重要度后,形成特征集,将其输入分类识别模块的内外卷积网络深度学习网络模型中,通过模型的学习和训练,获取船用通信网络异常行为分类识别结果。测试结果显示：该方法可有效删除其中的无效特征,保留有效特征结果;可获取不同类别有效特征标签的重要度评分结果;分类识别的平均绝对误差均低于0.18,可完成不同流量变化下异常行为分类识别。     

基于有序样本聚类的城市轨道交通站点差异化高峰时段识别方法

识别城市轨道交通站点高峰时段,对合理分配站内管理资源、制定乘客限流和错峰出行方案,从而缓解线路站点的高峰拥挤现象等具有重要作用。在现有多数城市的实践和研究中,主要依据人工经验确定全网或单条线路固定长度的高峰时段,但随着城市轨道网络规模和客流的增长,该方法难以体现不同站点和线路高峰时段的差异性,为车站开展精细化运营管理带来了挑战。针对城市轨道交通网络中的每个站点,本文基于以5 min为单元的进出站连续客流数据,提出了一种基于有序样本聚类的站点级差异化高峰时段识别方法。根据识别结果,进一步定义高峰时段时间窗最大客流、峰左（右）客流比和高峰时段长度三个指标,将网络中的站点高峰分为无高峰、微弱高峰、明显高峰三类。最后,以上海轨道交通18条运营线路5个工作日的客流数据为例,验证了方法的有效性。分析结果表明：(1)所提出方法可同时辨识出高峰时段的开始时刻和结束时刻,无须预先确定高峰时段长度,并且针对高峰时段的特点,使用定制化聚类参数,能够识别全网各站点差异化高峰时段;(2)同一条线路中站点距市中心越远,其进站早高峰时段开始越早,验证了辨识差异化高峰时段的必要性。     

城市轨道交通AI技术在安全监测中的应用研究

城轨在城市公共交通中占比逐渐变大,其安全问题已不容忽视。文章从技术角度分析城轨安全监测问题,研究AI技术在城轨安全监测中的应用,立足突破传统技术限制,构建更可靠安全的智能城市公共交通系统。     

基于深度卷积自编码器和多尺度残差收缩网络的滚动轴承寿命状态识别

针对滚动轴承早期故障识别困难、退化性能难以准确评估的问题,提出了基于深度卷积自编码器(DCAE)和多尺度残差收缩网络(MSRSN)的滚动轴承寿命状态识别方法。首先,为获得清晰的故障特征频率及倍频,将原始数据样本转换为包络谱输入深度卷积自编码器中,实现轴承寿命状态特征的自动提取与表达,并基于多维尺度分析(MDS)算法约简寿命状态特征获得低维特征,然后计算低维特征空间内样本间的欧几里得距离(ED),即为轴承性能衰退评估指标;其次,为全面提取轴承性能衰退特征,提出了改进的多尺度残差收缩网络识别模型,并开发了ReLU与DropBlock正则化相结合的新激活策略增强模型的抗噪性;最后,将所提方法及对比方法应用于轴承全寿命实验数据。实验结果表明：笔者提出的性能衰退评估指标能够精准地识别轴承性能退化起始点以及刻画轴承的退化趋势,所提出的改进的多尺度残差收缩网络识别模型在S_SNR=-4～6 dB环境中平均识别正确率为91.75%,能够准确识别轴承寿命状态,验证了方法的实用性以及有效性。