检索结果-内蒙古大学图书馆

现代计算机 2015年第17期21卷 40-44页

作者：马秀飞胡福年江苏师范大学轨道交通信息与控制国家级虚拟仿真实验教学中心徐州221116

虚拟仿真实验教学是高等教育信息化建设和实验教学示范中心建设的重要内容。以江苏师范大学轨道交通信息与控制国家级虚拟仿真实验教学中心的建设为例,介绍建设虚拟仿真实验中心的必要性、实验平台的搭建、实验资源体系的形成、资源共... 详细信息

虚拟仿真实验教学是高等教育信息化建设和实验教学示范中心建设的重要内容。以江苏师范大学轨道交通信息与控制国家级虚拟仿真实验教学中心的建设为例,介绍建设虚拟仿真实验中心的必要性、实验平台的搭建、实验资源体系的形成、资源共享的机制等内容,对虚拟仿真实验中心的建设方法、创新人才培养机制进行深入的研究。

关键词：虚拟仿真实验中心轨道交通信息与控制实验室建设

来源：评论

学校读者我要写书评

暂无评论

基于改进Segformer的光伏组件分割算法

引用

太阳能学报 2025年第2期46卷 425-432页

作者：曹冠华党建武杨景玉兰州交通大学电子与信息工程学院兰州730070 兰州交通大学轨道交通信息与控制国家级虚拟仿真实验教学中心兰州730070

针对光伏图像中光伏组件与复杂背景的边界特征模糊、难以区分的问题,提出一种基于Segformer的改进算法。在编码阶段,引入全新设计的block5模块用来解析更高级的语义信息;在解码阶段,引入LPCB(边界强化)模型用来识别更精确的边界特征,最... 详细信息

针对光伏图像中光伏组件与复杂背景的边界特征模糊、难以区分的问题,提出一种基于Segformer的改进算法。在编码阶段,引入全新设计的block5模块用来解析更高级的语义信息;在解码阶段,引入LPCB(边界强化)模型用来识别更精确的边界特征,最终得到精确的分割结果。实验结果表明:改进后的光伏组件分割算法在光伏组件图像数据集上的分割效果优于经典的主流分割算法,可以对光伏组件区域进行有效分割。

关键词：光伏组件 Segformer 编码解码边界特征

来源：评论

学校读者我要写书评

暂无评论

自适应融合多模态特征的6D物体位姿估计方法

引用

激光与光电子学进展 2025年第4期62卷 167-175页

作者：臧传方党建武雍玖兰州交通大学电子与信息工程学院甘肃兰州730070 轨道交通信息与控制国家级虚拟仿真实验教学中心甘肃兰州730070

针对6D位姿估计在处理弱纹理物体时配准精度低的问题,提出一种自适应融合多模态特征的6D物体位姿估计方法。首先,基于RGB-D图像标定目标物体,利用球形邻域对由深度信息得到的点云进行划分,增强特征提取中捕捉细节信息的能力;其次,通过... 详细信息

针对6D位姿估计在处理弱纹理物体时配准精度低的问题,提出一种自适应融合多模态特征的6D物体位姿估计方法。首先,基于RGB-D图像标定目标物体,利用球形邻域对由深度信息得到的点云进行划分,增强特征提取中捕捉细节信息的能力;其次,通过新增物体表面法线强化几何属性,实现对目标几何信息的补充;然后,对提取到的目标颜色、几何和法向三分支特征通过自适应特征融合策略进行高维度融合,实现特征间的优势互补;最后,利用回归函数得到目标位姿参数,并以高置信度像素的预测位姿作为初始估计,迭代学习不断优化以获得最终位姿,实现精确的6D位姿估计。在LineMOD和YCB-Video数据集上分别进行了测试,实验结果表明,与同类方法相比,所提方法在位姿估计精度上展现了显著优势。

关键词：图像处理物体位姿估计三维点云表面法线自适应融合

来源：评论

学校读者我要写书评

暂无评论

基于目标检测和点线特征关联的动态SLAM算法

引用

激光与光电子学进展 2024年

作者：邓文轩党建武雍玖兰州交通大学电子与信息工程学院轨道交通信息与控制国家级虚拟仿真实验教学中心(兰州)

为了解决视觉SLAM系统在室内动态环境建图中存在耗时严重、动态对象干扰、特征点不足所导致实时性不高、建图精度低以及位姿估计不准确等问题，本文提出一种基于目标检测和点线特征关联的视觉SLAM算法——LDF-SLAM。针对耗时严重、动态... 详细信息

为了解决视觉SLAM系统在室内动态环境建图中存在耗时严重、动态对象干扰、特征点不足所导致实时性不高、建图精度低以及位姿估计不准确等问题，本文提出一种基于目标检测和点线特征关联的视觉SLAM算法——LDF-SLAM。针对耗时严重、动态对象干扰等问题，首先引入MobileNetV3替换YOLOv8主干网络，减少网络参数量。同时设计无参注意力增强的ResAM模块与MobileNetV3网络共同组成轻量级检测网络，增强检测网络表征能力，快速检测出动态对象。其次，融合多视图几何方法补偿过滤潜在动态特征点并剔除，利用剩余静态特征点构建稠密点云地图，提高SLAM系统建图精度。此外，针对静态特征点不足导致位姿估计不准确的问题，提出一种融合FLD线特征提取方法，以提升位姿估计准确度。同时设计线段长度抑制来保证系统实时性，提高视觉SLAM系统的鲁棒性。在TUM数据集和Bonn数据集上进行实验，实验表明LDF-SLAM的绝对轨迹误差RMSE均有所下降，且小于其他主流SLAM算法，显著提高SLAM系统在动态环境中的鲁棒性和准确性。

关键词：目标检测点线特征同步定位与地图构建动态环境位姿估计

来源：评论

学校读者我要写书评

暂无评论

基于目标检测和点线特征关联的动态SLAM算法

引用

激光与光电子学进展 2025年第10期62卷 204-214页

作者：邓文轩党建武雍玖兰州交通大学电子与信息工程学院甘肃兰州 730070 兰州交通大学电子与信息工程学院甘肃兰州 730070 轨道交通信息与控制国家级虚拟仿真实验教学中心甘肃兰州 730070 轨道交通信息与控制国家级虚拟仿真实验教学中心甘肃兰州 730070

为了解决视觉SLAM系统在室内动态环境建图中存在的由耗时严重、动态对象干扰、特征点不足所导致的实时性不高、建图精度低以及位姿估计不准确等问题,本研究提出了一种基于目标检测和点线特征关联的视觉SLAM算法——LDF-SLAM.针对耗时严... 详细信息

为了解决视觉SLAM系统在室内动态环境建图中存在的由耗时严重、动态对象干扰、特征点不足所导致的实时性不高、建图精度低以及位姿估计不准确等问题,本研究提出了一种基于目标检测和点线特征关联的视觉SLAM算法——LDF-SLAM.针对耗时严重、动态对象干扰等问题,首先用MobileNetV3替换YOLOv8主干网络,以减少网络参数量.同时设计由无参注意力增强的ResAM模块与MobileNetV3网络共同组成的轻量级检测网络,以增强检测网络的检测能力,快速检测出动态对象.其次,引入多视图几何方法,与改进后的轻量级网络(ResAM模块与MobileNetV3网络组成的轻量级检测网络)共同对潜在的动态特征点进行补偿、过滤,并将其剔除,然后用剩余的静态特征点构建稠密点云地图,以提高SLAM系统的建图精度.此外,针对静态特征点不足导致位姿估计不准确的问题,提出一种融合FLD线特征的提取方法,以提升位姿估计的准确度.同时,通过设计线段长度抑制来保证系统的实时性,进而提高视觉SLAM系统的鲁棒性.在TUM数据集和Bonn数据集上进行实验,实验结果表明,LDF-SLAM的绝对轨迹误差的均方根误差均有所下降,且小于其他主流SLAM算法,显著提高了SLAM系统在动态环境中的鲁棒性和准确性.

关键词：目标检测点线特征同步定位与地图构建动态环境位姿估计

来源：评论

学校读者我要写书评

暂无评论

融合局部-全局历史模式与历史知识频率的时序知识图谱补全方法

引用

计算机应用研究 2025年

作者：贾凯王阳萍杨景玉张希权兰州交通大学电子与信息工程学院轨道交通信息与控制国家级虚拟仿真实验教学中心

时序知识图谱(Temporal knowledge graphs,TKGs)是动态描述事实演变的图谱，其补全任务是根据历史预测未来未知的事实，关键在于洞察历史数据。然而，现有的模型在捕捉历史事件的特征方面存在局限，不能准确地从时间戳中提取有用信息。... 详细信息

时序知识图谱(Temporal knowledge graphs,TKGs)是动态描述事实演变的图谱，其补全任务是根据历史预测未来未知的事实，关键在于洞察历史数据。然而，现有的模型在捕捉历史事件的特征方面存在局限，不能准确地从时间戳中提取有用信息。从历史演进的视角出发，综合考虑历史事实的顺序、频率和周期性模式有利于预测未来事实。为此，论文提出了融合局部-全局历史模式与历史知识频率的时序知识图谱补全算法(LGH-HKF)。具体来说，首先使用一个局部循环图编码器网络来建模相邻时间戳上事件的内在关联与动态演变；其次使用全局历史编码器网络考虑所有以前时间戳上的相关事实，以避免丢失在相邻时间戳上没有出现的实体或关系；然后通过历史知识频率学习模块学习这些事实的频率分数来丰富模型的预测依据；最后在两个编码器之间进行权衡后，由一个具有周期性的解码器进行推理补全。论文使用了四个基准数据集来评估所提出的方法，实验结果证明LGH-HKF在大多数情况下相比于目前其他模型有很强的竞争力。

关键词：时序知识图谱补全算法局部循环图编码器全局历史编码器历史知识频率

来源：评论

学校读者我要写书评

暂无评论

基于Transformer的小样本细粒度图像分类方法

引用

计算机工程与应用 2023年第23期59卷 219-227页

作者：陆妍王阳萍王文润兰州交通大学电子与信息工程学院兰州730070 轨道交通信息与控制国家级虚拟仿真实验教学中心兰州730070

针对小样本细粒度图像分类任务中存在的相似性度量单一以及细粒度特征提取效果不佳的问题,提出了一种基于Transformer的小样本细粒度图像分类方法,克服了小样本学习在细粒度图像分类中由于样本数量较少从而分类效果较差的问题。构建以... 详细信息

针对小样本细粒度图像分类任务中存在的相似性度量单一以及细粒度特征提取效果不佳的问题,提出了一种基于Transformer的小样本细粒度图像分类方法,克服了小样本学习在细粒度图像分类中由于样本数量较少从而分类效果较差的问题。构建以多轴注意力模块与卷积算子为基本组件的新模块CBG Transformer Block,通过该模块的重复堆叠提高了网络的特征提取能力;采用关系网络和余弦网络组成的双相似度模块进行相似性度量,避免了在训练数据量较小的情况下单一度量造成的相似性偏差;通过计算两个相似度得分的平均值得出最终预测结果。实验结果表明,提出的方法在CUB-200-2011、Stanford Cars和Stanford Dogs三个公开细粒度图像数据集上的5-way5-shot任务分类精度分别达到了82.70%、74.22%和69.68%,可见在小样本细粒度图像分类任务中取得了优异效果。

关键词：细粒度图像分类小样本学习多轴注意力 CBG Transformer Block 双相似度

来源：评论

学校读者我要写书评

暂无评论

基于位置信息和注意力机制的路面裂缝检测

引用

计算机工程 2024年第4期50卷 303-312页

作者：王安政党建武岳彪杨景玉兰州交通大学电子与信息工程学院甘肃兰州730070 轨道交通信息与控制国家级虚拟仿真实验教学中心甘肃兰州730070

路面裂缝是造成公路安全问题的主要因素。传统的裂缝检测通常以人工检测为主,存在效率低、不安全等问题,此外现有深度学习检测模型在面临阴影遮挡、背景复杂等干扰因素时会造成裂缝检测不完整。针对上述问题,提出一种基于位置信息和注... 详细信息

路面裂缝是造成公路安全问题的主要因素。传统的裂缝检测通常以人工检测为主,存在效率低、不安全等问题,此外现有深度学习检测模型在面临阴影遮挡、背景复杂等干扰因素时会造成裂缝检测不完整。针对上述问题,提出一种基于位置信息和注意力机制的路面裂缝检测模型(PA-TransUNet)。首先,通过混合编码器接收输入图像,提取裂缝特征信息,引入查询项、键、值的位置信息,提升编码器Transformer中自注意力机制捕获裂缝形状和补偿特征信息丢失的能力。然后,输入裂缝特征到解码器进行上采样,设计一种基于注意力门控的解码模块(AGDM),AGDM通过抑制非裂缝区域来加强对裂缝区域的学习,提高裂缝检测的准确性和完整性。实验结果表明,PA-TransUNet模型在路面裂缝检测数据集(CFD)和Cracktree200这2个公开数据集上的F1值分别达到87.44%和82.58%。此外,为了进一步检验PA-TransUNet模型在实际工程中的裂缝检测能力,又在自制无人机裂缝(UAV Cracks)数据集上取得了88.68%的F1值,由此可见其能较好地满足实际工程中的裂缝检测需求。

关键词：图像处理路面裂缝检测语义分割位置信息注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于并行化处理的无人机影像三维重建算法

引用

激光与光电子学进展 2024年第8期61卷 99-107页

作者：陈怀圆党建武岳彪杨景玉兰州交通大学光电技术与智能控制教育部重点实验室甘肃兰州730070 轨道交通信息与控制国家级虚拟仿真实验教学中心甘肃兰州730070 兰州交通大学电子与信息工程学院甘肃兰州730070

针对增量运动恢复结构(SFM)算法在重建大规模无人机影像数据集时效率低、易产生场景漂移的问题,提出一种可并行化处理的增量SFM重建算法。首先,利用词汇树图像检索结果约束图像特征匹配的空间搜索范围,提高图像特征匹配的效率。其次,综... 详细信息

针对增量运动恢复结构(SFM)算法在重建大规模无人机影像数据集时效率低、易产生场景漂移的问题,提出一种可并行化处理的增量SFM重建算法。首先,利用词汇树图像检索结果约束图像特征匹配的空间搜索范围,提高图像特征匹配的效率。其次,综合考虑特征匹配数量和无人机平台获取的全球定位系统(GPS)信息构建无向加权场景图,并选用归一化割算法将场景图划分为多个相互重叠的子集。然后,将每个子集分布在多核CPU上并行执行增量SFM重建算法。最后,基于子集间公共重建点和强相关子集优先被合并的策略实现子集合并。此外,结合GPS信息为光束法平差(BA)代价函数添加位置约束项,有效消除每次执行BA优化引入的误差。为了验证所提算法的有效性,在3个无人机数据集上进行实验,实验结果表明,所提算法相比原始增量SFM重建算法不仅显著提高了位姿估计和场景重建的效率,而且合理优化了重建结果的精度。

关键词：增量运动恢复结构光束法平差词汇树图像检索归一化割场景合并

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLOv4的无人机影像路面病害检测方法

引用

无线电工程 2023年第6期53卷 1285-1294页

作者：安学刚党建武王阳萍岳彪兰州交通大学电子与信息工程学院甘肃兰州730070 轨道交通信息与控制国家级虚拟仿真实验教学中心甘肃兰州730070

针对无人机影像下由于目标特征融合不充分导致的路面病害检测精度较低、检测模型较大,导致无法将其迁移到移动端运行,以及现有无人机路面病害检测数据集数量小且样本不均衡等问题,在YOLOv4模型的基础上做了以下改进:采用深度可分离卷积(... 详细信息

针对无人机影像下由于目标特征融合不充分导致的路面病害检测精度较低、检测模型较大,导致无法将其迁移到移动端运行,以及现有无人机路面病害检测数据集数量小且样本不均衡等问题,在YOLOv4模型的基础上做了以下改进:采用深度可分离卷积(DC)作为YOLOv4中卷积方式以减少模型计算的参数量;为了更好地利用各通道之间的有效信息引入了Squeeze-and-Excitation(SE)模块,按照每个通道的重要性分配不同的权重,有效利用通道间的信息;通过引入自适应空间特征融合(Adaptively Spatial Feature Fusian,ASFF)模块,充分学习高低层之间的特征信息,自适应地学习各尺度特征映射融合的空间权重,解决由于YOLOv4中特征金字塔网络(Feature Pyramid Network,FPN)和路径聚合网络(Path Aggregation Network,PANet)特征融合不充分问题;使用Focal Loss损失函数进行训练,解决了现有无人机路面病害检测数据集各种样本之间类别不均衡造成的部分检测结果精度较低的问题;通过自制数据集以及现场实验对所提方法进行验证。实验结果表明,所提方法较原始YOLOv4模型平均检测精度提高了7.51%,并且所提方法在无人机影像的路面健康检测中能够快速地检测出路面的破损位置及类型,且性能优于对比方法。

关键词： YOLOv4 无人机影像深度可分离卷积 SE 自适应特征融合 Focal Loss

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：