利用中国廊坊站(39.4°N,116.7°E)流星雷达在2012年4月1日至2013年3月31日的水平风场观测数据,分析廊坊上空80~100 km的中间层与低热层(Mesospherc and Lower Thermosphere,MLT)大气平均纬向风和经向风的季节变化特征.结果表...利用中国廊坊站(39.4°N,116.7°E)流星雷达在2012年4月1日至2013年3月31日的水平风场观测数据,分析廊坊上空80~100 km的中间层与低热层(Mesospherc and Lower Thermosphere,MLT)大气平均纬向风和经向风的季节变化特征.结果表明平均纬向风和经向风都表现出明显的季节变化特征.平均纬向风在冬季MLT盛行西风,极大值位于中间层顶,随高度增加西风减弱;在夏季中间层为东风,低热层为强西风,风向转换高度约为82 km.平均经向风在冬季以南风为主,在夏季盛行北风.纬向风和经向风在春秋两季主要表现为过渡阶段.流星雷达观测结果与WACCM4模式和HWM93模式模拟的气候变化特点基本一致,但WACCM4模式纬向风和经向风风速偏大,而HWM93模式纬向风和经向风风速偏小.展开更多
飞行时间(Time of Flight, ToF)三维成像技术在人工智能领域具有重要的应用价值。间接ToF三维成像是通过向目标发射调制的光强信号,再经过目标反射到相位解调图像传感器获得相位差,通过计算获得目标的深度信息。由于间接ToF成像技术会...飞行时间(Time of Flight, ToF)三维成像技术在人工智能领域具有重要的应用价值。间接ToF三维成像是通过向目标发射调制的光强信号,再经过目标反射到相位解调图像传感器获得相位差,通过计算获得目标的深度信息。由于间接ToF成像技术会受到背景界面多次反射产生的多路径干扰,因此在复杂环境中目标物体深度测量数据会受到侧面和背景界面的多次反射的回波信号影响,降低边缘处深度测量的精度水平,因此需要对原始点云数据进行目标提取和多路径去除的预处理。本文针对该问题提出一种多界面场景中基于点云矢量的目标提取方法,能够实现复杂多目标的快速提取和多路径强干扰的去除。首先基于k-means提出一种FVP-k-means算法,完成目标点云数据的全局全矢量提取处理。再基于K-NN提出一种迭代滤波算法,实现局部多路径干扰数据的滤除。通过与其它方法的比较研究,该方法能够有效去除TOF点云目标数据的多路径干扰,目标提取性能提高了40%,实验表明本文提出的全局点云数据全矢量目标提取和多路径干扰去除算法能够实现对目标点云数据的无监督学习智能提取与滤波要求。展开更多
文摘飞行时间(Time of Flight, ToF)三维成像技术在人工智能领域具有重要的应用价值。间接ToF三维成像是通过向目标发射调制的光强信号,再经过目标反射到相位解调图像传感器获得相位差,通过计算获得目标的深度信息。由于间接ToF成像技术会受到背景界面多次反射产生的多路径干扰,因此在复杂环境中目标物体深度测量数据会受到侧面和背景界面的多次反射的回波信号影响,降低边缘处深度测量的精度水平,因此需要对原始点云数据进行目标提取和多路径去除的预处理。本文针对该问题提出一种多界面场景中基于点云矢量的目标提取方法,能够实现复杂多目标的快速提取和多路径强干扰的去除。首先基于k-means提出一种FVP-k-means算法,完成目标点云数据的全局全矢量提取处理。再基于K-NN提出一种迭代滤波算法,实现局部多路径干扰数据的滤除。通过与其它方法的比较研究,该方法能够有效去除TOF点云目标数据的多路径干扰,目标提取性能提高了40%,实验表明本文提出的全局点云数据全矢量目标提取和多路径干扰去除算法能够实现对目标点云数据的无监督学习智能提取与滤波要求。
