干涉合成孔徑雷達(dá)成像的相位解纏的枝切法程序。
上傳時(shí)間： 2016-03-25
上傳用戶：hakim
結(jié)合分級(jí)關(guān)鍵點(diǎn)互相關(guān)迭代法與搜索空間標(biāo)記法,設(shè)計(jì)了一種有效提高圖像相關(guān)匹配速度的算法。 其中分級(jí)關(guān)鍵點(diǎn)互相關(guān)迭代算法快速實(shí)現(xiàn)了由重要到不重要像素點(diǎn)的逐級(jí)迭代互相關(guān)匹配計(jì)算,算法在保 證精度的前提下可以隨時(shí)結(jié)束并輸出相關(guān)匹配值 而搜索空間標(biāo)記法則能快速排除掉大量參數(shù)空間內(nèi)不可 能匹配的點(diǎn)。實(shí)驗(yàn)證明,這種算法能在正確配準(zhǔn)圖像的前提下大幅度提高匹配速度。
上傳時(shí)間： 2013-12-24
上傳用戶：xyipie
用鏡像延拓法處理端點(diǎn)效應(yīng)，通過信號(hào)極值點(diǎn)的信息來獲得信號(hào)端點(diǎn)之外的極值點(diǎn)信息。
上傳時(shí)間： 2013-12-18
上傳用戶：cuiyashuo
一個(gè)基于像素的字符分割。適合于數(shù)字，字母單筆畫的分割。比一般的投影法要快。本例為行分割，稍加改動(dòng)即可實(shí)現(xiàn)列分割。
上傳時(shí)間： 2016-04-03
上傳用戶：erkuizhang
圖像的邊緣是指圖像中鄰域灰度有顯著變化 的像素的集合。它是圖像的基本特征, 因此邊緣檢 測(cè)方法在圖像處理中成為一個(gè)十分重要的課題。經(jīng) 典的邊緣提取方法是考察圖像的每個(gè)像素在某個(gè)鄰 域內(nèi)灰度的變化, 利用邊緣鄰近一階或二階方向?qū)? 數(shù)變化規(guī)律, 用簡單的方法檢測(cè)邊緣。但是, 因?yàn)檫? 緣和噪聲都是高頻信號(hào), 因此許多經(jīng)典邊緣檢測(cè)算 法很難在邊緣和噪聲中做出取舍。在眾多的邊緣檢 測(cè)算子中, 算子因?yàn)榫哂袃?yōu)良的邊緣檢測(cè)能 力, 因此在圖像處理中得到廣泛應(yīng)用。
上傳時(shí)間： 2014-01-08
上傳用戶：zhanditian
超聲波成像算法，用合成開口法發(fā)射超聲波后，收到的信號(hào)進(jìn)行傅立葉變換，延時(shí)加算等步驟成像
上傳時(shí)間： 2013-12-10
上傳用戶：aix008
設(shè)計(jì)高速電路必須考慮高速訊 號(hào)所引發(fā)的電磁干擾、阻抗匹配及串音等效應(yīng)，所以訊號(hào)完整性 (signal integrity)將是考量設(shè)計(jì)電路優(yōu)劣的一項(xiàng)重要指標(biāo)，電路日異複雜必須仰賴可 靠的軟體來幫忙分析這些複雜的效應(yīng)，才比較可能獲得高品質(zhì)且可靠的設(shè)計(jì)， 因此熟悉軟體的使用也將是重要的研究項(xiàng)目之一。另外了解高速訊號(hào)所引發(fā)之 各種效應(yīng)(反射、振鈴、干擾、地彈及串音等)及其克服方法也是研究高速電路 設(shè)計(jì)的重點(diǎn)之一。目前高速示波器的功能越來越多，使用上很複雜，必須事先 進(jìn)修學(xué)習(xí)，否則無法全盤了解儀器之功能，因而無法有效發(fā)揮儀器的量測(cè)功能。 其次就是高速訊號(hào)量測(cè)與介面的一些測(cè)試規(guī)範(fàn)也必須熟悉，像眼圖分析，探針 效應(yīng)，抖動(dòng)(jitter)測(cè)量規(guī)範(fàn)及高速串列介面量測(cè)規(guī)範(fàn)等實(shí)務(wù)技術(shù)，必須充分 了解研究學(xué)習(xí)，進(jìn)而才可設(shè)計(jì)出優(yōu)良之教學(xué)教材及教具。
標(biāo)簽： 高速電路
上傳時(shí)間： 2021-11-02
上傳用戶：jiabin
用三點(diǎn)法實(shí)現(xiàn)機(jī)器人三維位置測(cè)量的研究摘 要 ：提 出 了一 種 微 小 爬 壁 機(jī) 器 人 三 維 位 置 測(cè) 量 的新 方 法 。筆 者 通 過 深 入 分 析 研 究各 種 位 置 測(cè) 控 方 法 與 系 統(tǒng) ，提 出采 用單 目視 覺方 法 中的 聚 焦法 ，以 CCD作 為 傳 感 器 ，用 三 點(diǎn) 法 實(shí)現(xiàn) 對(duì) 機(jī) 器 人 的 三 維 位 置 測(cè) 量 。 驗(yàn) 證性 實(shí)驗(yàn) 結(jié)果表 明 ，本研 究提 出的測(cè) 量原 理和 系統(tǒng)是 正 確 可行 的 。 關(guān)鍵詞 ：機(jī) 器人 ；位置 測(cè)量 ；CCD傳 感 器 ；單 目視 覺 ；攝 像 機(jī) 標(biāo) 定 中 圖分 類 號(hào) ：TP242．6 文 獻(xiàn) 標(biāo) 識(shí) 碼 ：B Abstract：A new 3D position measurementmethod Ofa wall—climbing micro robothas been researched．Researc— hing on the various position measuring and controlling method，theauthorhasputforwardanewprojecttomeas— ure the 3D position of the robot，in which the focusing method with singlecamera and CCD sensorhasbeen used to getthe position information．The elementary experiment has verified the principle and the system． Key words：robot；position detection；CCD sensor；single camera vision；camera caiibration 位置測(cè)量技 術(shù)是智 能機(jī) 器人 的關(guān)鍵 技術(shù) ，是各 種 機(jī)器人控 制系統(tǒng) 中極 為重 要 的環(huán)節(jié) ，也 是 國內(nèi)外研 究 的熱點(diǎn)所 在。 按 照測(cè)試 系統(tǒng) 與被 測(cè)機(jī) 器 人 的關(guān) 系 ，可 以將位 置 測(cè)量技術(shù) 分為接觸 式和非接觸式 兩大類 。接觸 式測(cè)量 系統(tǒng) 由于在測(cè) 量過程 中或多或少地 對(duì)機(jī)器人施 加 了載 荷 ，因而僅適用于靜 態(tài) 位置測(cè) 量 。而動(dòng) 態(tài) 位 置測(cè)量 系 統(tǒng) 主要分 5類 ：①激光跟蹤 系統(tǒng) ；@ CCD交 互測(cè)量 收 稿 日期 ：2001—07—03 基 金項(xiàng) 目：國家 863高科技 研 究 資助 項(xiàng) 目(9804-06)；教 育 部 高 等 學(xué)校 骨干教 師 資助 計(jì) 3t,j項(xiàng) 目 作者 簡 介 ：張 智海 (1973一 )，男 ，工 學(xué)碩 士 ，主 要 研 究 方 向 為 智 能 機(jī) 器人 測(cè) 控 技 術(shù) 。 系統(tǒng) ；③ 超聲波 測(cè)量 系統(tǒng) ；④ PSD(positionsensitivede— vice)位 置 測(cè) 量 系統(tǒng) ；⑤ 帶 有 接 近覺 傳 感 器 的 測(cè)量 系 統(tǒng) 。位置測(cè)量 還可 以從另一個(gè)分類 角度劃分為主動(dòng)式 測(cè)量和被動(dòng) 式測(cè) 量 。主動(dòng)式測(cè) 量主要可 以分為結(jié) 構(gòu)光方法和激光 自動(dòng)聚焦法兩類 。被 動(dòng)式測(cè)量 主要 可 以分為雙 目視 覺 、三 目視覺 、單 目視覺 等方法 。 對(duì) 比以上各種方法 的 優(yōu)缺 點(diǎn) ，針對(duì) 筆者 研制 的微 小爬壁機(jī)器人 的空 間三 維位 置 測(cè)量 的要 求 ，測(cè)量 系統(tǒng) 必須滿足尺 寸小 、分 辨率 高 、穩(wěn)定 性 和可 靠性 好 、時(shí) 間 響應(yīng)快等特 點(diǎn) ，提 出了采用 單 目視覺方法 中的聚焦法 ， 選用 CCD作 為傳感器 ，用 三點(diǎn)法實(shí)現(xiàn)對(duì)機(jī)器人 的三維 位置測(cè)量 ，并用 Matlab和 V
標(biāo)簽： 機(jī)器人
上傳時(shí)間： 2022-02-12
上傳用戶：
論文-基于紅外熱成像技術(shù)的豬體溫檢測(cè)與關(guān)鍵測(cè)溫部位識(shí)別63頁摘要 實(shí)現(xiàn)豬體溫測(cè)量自動(dòng)化有利于實(shí)時(shí)監(jiān)測(cè)豬的健康狀況、母豬發(fā)情和排卵檢測(cè)等 生理健康狀況。本文采用紅外熱成像儀采集豬的紅外熱圖像，引入化學(xué)計(jì)量學(xué)建模 方法建立體表溫度、環(huán)境溫度與直腸溫度間的多元校正模型，同時(shí)提出兩種關(guān)鍵測(cè) 溫部位的自動(dòng)檢測(cè)方法。主要結(jié)論總結(jié)如下： (1)建立了母豬體表溫度、環(huán)境溫度與母豬體溫之間的一元和多元線性回歸模型。研 究發(fā)現(xiàn)， 9個(gè)身體區(qū)域提取的體表溫度與直腸溫度呈正相關(guān)(產(chǎn)O．34～0．68)，其中， 基于耳根區(qū)域體表溫度平均值建立的一元回歸方程效果最優(yōu)，預(yù)測(cè)集相關(guān)系數(shù)RP與 均方根誤差RMSEP分別為0．66和0．420C。全特征模型相比一元線性回歸方程有更 好的預(yù)測(cè)效果，RP和RMSEP分別為0．76和O．370C。此外，應(yīng)用特征選擇方法LARS． Lasso確定了7個(gè)重要特征建立簡化模型，其校正集和預(yù)測(cè)集的R分別為0．80和 0．80，RMSEs分別為0．30和0．350C。 (2)將卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于生豬主要測(cè)溫部位(眼睛和耳朵區(qū)域)的直接分割。利用 python構(gòu)建了四種不同結(jié)構(gòu)的卷積神經(jīng)網(wǎng)絡(luò)模型FCN一1 6s、FCN．8s、U．Net一3和U． Net．4。對(duì)比分析4種卷積神經(jīng)網(wǎng)絡(luò)模型的性能，結(jié)果表明U-Net．4網(wǎng)絡(luò)結(jié)構(gòu)的分割 效果最優(yōu)，平均區(qū)域重合度最高為78．75％。然而，當(dāng)計(jì)算設(shè)備的計(jì)算力不夠時(shí)，可 以選用U．Net一3模型以達(dá)到較好的分割效果。 (3)提出豬只眼睛及耳根區(qū)域關(guān)鍵點(diǎn)的識(shí)別方法，將豬只主要測(cè)溫部位的檢測(cè)問題 轉(zhuǎn)變?yōu)橹饕獪y(cè)溫部位的定位問題。設(shè)計(jì)具有不同深度的卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)A．E，得 出架構(gòu)E最優(yōu)。且當(dāng)Dropout概率設(shè)置為0．6時(shí)模型效果最好，驗(yàn)證集平均誤差和 預(yù)測(cè)集平均誤差分別為1．96％和2．65％。測(cè)試集單張豬臉關(guān)鍵點(diǎn)的預(yù)測(cè)誤差小于5％ 和10％的比例分別為89．5％和97．4％。模型能夠很好的定位豬臉關(guān)鍵點(diǎn)，用于豬只 體溫測(cè)量。 本文采用紅外熱像儀測(cè)量母豬體表溫度，通過化學(xué)計(jì)量學(xué)建模為非接觸母豬直 腸溫度測(cè)量提供了更準(zhǔn)確、可靠的方法，同時(shí)提出兩種關(guān)鍵測(cè)溫部位的自動(dòng)檢測(cè)方 法，有助于實(shí)現(xiàn)母豬體溫測(cè)量自動(dòng)化，為生豬健康管理提供參考。
標(biāo)簽： 紅外熱成像技術(shù)
上傳時(shí)間： 2022-02-13
上傳用戶：jiabin
微光與紅外成像技術(shù)
上傳時(shí)間： 2013-06-28
上傳用戶：eeworm
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
