针对目前已有的手工设计描述符对局部曲面几何特征描述不够全面的问题,本文提出了一种高鉴别强鲁棒的多视图几何分布特征描述符(Multi-View Geometric Distribution Signatures,MGDS)。首先,基于关键点及其邻域点构建局部参考框架(Local...针对目前已有的手工设计描述符对局部曲面几何特征描述不够全面的问题,本文提出了一种高鉴别强鲁棒的多视图几何分布特征描述符(Multi-View Geometric Distribution Signatures,MGDS)。首先,基于关键点及其邻域点构建局部参考框架(Local Reference Frame,LRF),对局部曲面进行体素化,计算三维体素的质心点分布、二维扇区轮廓特征、二维网格点密度分布以及局面曲面深度波动,生成几何特征描述符。接着,基于LRF多次旋转局部曲面,产生新的形状表示,利用质心、轮廓点、密度以及z值波动信息对旋转后的曲面进行编码。通过多个视角获取这些几何特征描述符,将它们串联成一个特征向量,得到最终的多视图几何分布特征描述符MGDS。本文在RandomView,SpaceTime,Kinect以及B3R四个数据集中不同的高斯噪声以及网格分辨率下进行实验,并与目前已有的10种描述符进行比较。与其他描述符相比,MGDS描述符的性能优于已有的局部特征描述符。实验结果表明,本文所提出的MGDS具有较好的描述性与鲁棒性,可用于三维点云的准确配准。展开更多
基于智能机器人代替人到各种复杂环境完成探测、防疫等大量应用的需求,场景的识别引起了研究者的广泛关注。场景识别的目的是通过提取和分析场景中的特征,获得场景的高层语义信息,从而推理出所处的具体位置,它是同步定位与建图系统(Simu...基于智能机器人代替人到各种复杂环境完成探测、防疫等大量应用的需求,场景的识别引起了研究者的广泛关注。场景识别的目的是通过提取和分析场景中的特征,获得场景的高层语义信息,从而推理出所处的具体位置,它是同步定位与建图系统(Simultaneous Localization and Mapping,SLAM)、自动驾驶、机器人导航、闭环检测的基础。三维扫描技术的快速发展使得人们能够利用各种扫描仪快速获取各类场景的点云数据。不论扫描时间、光照环境如何变化,点云场景所获取的几何信息都具有较好的不变性,因此,基于点云的场景识别成为计算机视觉领域的研究热点。本文首先对近年来面向点云数据的场景识别方法进行了归纳和总结;然后介绍用于场景识别的大规模室内/室外场景的数据集,以及用于算法评测的评价指标,同时总结了各类算法的识别率。最后指出面向点云的场景识别中所面临的问题和挑战,对未来的研究趋势进行展望。研究结果有助于相关领域学者快速全面地了解基于点云数据场景识别的研究现状,为进一步提升场景识别精度奠定基础。展开更多
目的探究最好自我(best possible self,BPS)训练对集训期新兵心理健康状况(乐观与悲观情绪、知觉压力和主观幸福感)的干预效果。方法采用非随机对照试验设计方案,以整群抽样法于2023年9月在某新兵训练基地抽取212名新兵,根据建制分为研...目的探究最好自我(best possible self,BPS)训练对集训期新兵心理健康状况(乐观与悲观情绪、知觉压力和主观幸福感)的干预效果。方法采用非随机对照试验设计方案,以整群抽样法于2023年9月在某新兵训练基地抽取212名新兵,根据建制分为研究组(100人,行BPS训练15 min/d)和对照组[112人,行日常生活(typical day,TD)表象训练,15 min/d],连续干预2周。于干预当天(T0),干预实施1周(T1)、2周(T2),干预结束后1周(T3)采用未来预期量表(Future Expectation Scale,FEX)、知觉压力量表(Chinese Perceived Stress Scale,CPSS)、正负性情绪量表(Positive and Negative Affect Scale,PANAS)和生活满意度量表(Satisfaction with Life Scale,SWLS)对2组被试进行测量,评估BPS训练对上述心理健康指标的训练效果。结果2组被试的人口统计学信息及各心理学基线指标均衡。随着训练的进行,2组在悲观情绪、知觉压力和主观幸福感(包含情感和认知幸福感)上的训练效果表现出明显的差异(P<0.05)。研究组T1~T3的悲观情绪相比基线(T0)明显降低(P<0.01),情感幸福感(P<0.01)和认知幸福感(P<0.01)明显升高,其知觉压力在T1(P<0.05)和T3(P<0.01)也明显降低;而对照组在训练前后却无上述明显变化。结论2周BPS训练可有效降低集训期新兵悲观情绪和知觉压力水平,提升其主观幸福感,促进新兵心理健康。展开更多
以石墨烯为添加剂,利用一步水热法制备出石墨烯包覆三维花状SnS_2纳米结构,制得的复合纳米材料由石墨烯和数十个纳米薄片组装而得的SnS_2纳米花球构成。利用XRD、SEM等对材料的晶体结构和形貌进行表征,同时研究了其电化学性能。在1 000 ...以石墨烯为添加剂,利用一步水热法制备出石墨烯包覆三维花状SnS_2纳米结构,制得的复合纳米材料由石墨烯和数十个纳米薄片组装而得的SnS_2纳米花球构成。利用XRD、SEM等对材料的晶体结构和形貌进行表征,同时研究了其电化学性能。在1 000 m A/g的电流密度下循环50次后,SnS_2/石墨烯复合材料的可逆容量仍然可达503.1 m Ah/g,容量保持率高达82%。展开更多
With the increasing number of vehicles,manual security inspections are becoming more laborious at road checkpoints.To address it,a specialized Road Checkpoints Robot(RCRo)system is proposed,incorporated with enhanced ...With the increasing number of vehicles,manual security inspections are becoming more laborious at road checkpoints.To address it,a specialized Road Checkpoints Robot(RCRo)system is proposed,incorporated with enhanced You Only Look Once(YOLO)and a 6-degree-of-freedom(DOF)manipulator,for autonomous identity verification and vehicle inspection.The modified YOLO is characterized by large objects’sensitivity and faster detection speed,named“LF-YOLO”.The better sensitivity of large objects and the faster detection speed are achieved by means of the Dense module-based backbone network connecting two-scale detecting network,for object detection tasks,along with optimized anchor boxes and improved loss function.During the manipulator motion,Octree-aided motion control scheme is adopted for collision-free motion through Robot Operating System(ROS).The proposed LF-YOLO which utilizes continuous optimization strategy and residual technique provides a promising detector design,which has been found to be more effective during actual object detection,in terms of decreased average detection time by 68.25%and 60.60%,and increased average Intersection over Union(Io U)by 20.74%and6.79%compared to YOLOv3 and YOLOv4 through experiments.The comprehensive functional tests of RCRo system demonstrate the feasibility and competency of the multiple unmanned inspections in practice.展开更多
为挖掘特征间的语义关系以及空间分布信息,并通过多特征增强进一步改善点云语义分割的效果,提出一种基于多特征融合的点云场景语义分割网络(MFF-Net)。所提网络以点的三维坐标和改进后的边特征作为输入,首先,利用K-近邻(KNN)算法搜寻点...为挖掘特征间的语义关系以及空间分布信息,并通过多特征增强进一步改善点云语义分割的效果,提出一种基于多特征融合的点云场景语义分割网络(MFF-Net)。所提网络以点的三维坐标和改进后的边特征作为输入,首先,利用K-近邻(KNN)算法搜寻点的近邻点,并在三维坐标和近邻点间坐标差值的基础上计算几何偏移量,从而增强点的局部几何特征表示;其次,将中心点与近邻点间的距离作为权重信息更新边特征,并引入空间注意力机制,获取特征间的语义信息;再次,通过计算近邻特征间的差值,利用均值池化操作进一步提取特征间的空间分布信息;最后,利用注意力池化操作融合三边特征。实验结果表明,所提网络在S3DIS(Stanford 3D large-scale Indoor Spaces)数据集上的平均交并比(mIoU)达到了67.5%,总体准确率(OA)达到了87.2%,相较于PointNet++分别提高10.2和3.4个百分点,可见MFF-Net在大型室内/室外场景均能获得良好的分割效果。展开更多
文摘基于智能机器人代替人到各种复杂环境完成探测、防疫等大量应用的需求,场景的识别引起了研究者的广泛关注。场景识别的目的是通过提取和分析场景中的特征,获得场景的高层语义信息,从而推理出所处的具体位置,它是同步定位与建图系统(Simultaneous Localization and Mapping,SLAM)、自动驾驶、机器人导航、闭环检测的基础。三维扫描技术的快速发展使得人们能够利用各种扫描仪快速获取各类场景的点云数据。不论扫描时间、光照环境如何变化,点云场景所获取的几何信息都具有较好的不变性,因此,基于点云的场景识别成为计算机视觉领域的研究热点。本文首先对近年来面向点云数据的场景识别方法进行了归纳和总结;然后介绍用于场景识别的大规模室内/室外场景的数据集,以及用于算法评测的评价指标,同时总结了各类算法的识别率。最后指出面向点云的场景识别中所面临的问题和挑战,对未来的研究趋势进行展望。研究结果有助于相关领域学者快速全面地了解基于点云数据场景识别的研究现状,为进一步提升场景识别精度奠定基础。
文摘目的探究最好自我(best possible self,BPS)训练对集训期新兵心理健康状况(乐观与悲观情绪、知觉压力和主观幸福感)的干预效果。方法采用非随机对照试验设计方案,以整群抽样法于2023年9月在某新兵训练基地抽取212名新兵,根据建制分为研究组(100人,行BPS训练15 min/d)和对照组[112人,行日常生活(typical day,TD)表象训练,15 min/d],连续干预2周。于干预当天(T0),干预实施1周(T1)、2周(T2),干预结束后1周(T3)采用未来预期量表(Future Expectation Scale,FEX)、知觉压力量表(Chinese Perceived Stress Scale,CPSS)、正负性情绪量表(Positive and Negative Affect Scale,PANAS)和生活满意度量表(Satisfaction with Life Scale,SWLS)对2组被试进行测量,评估BPS训练对上述心理健康指标的训练效果。结果2组被试的人口统计学信息及各心理学基线指标均衡。随着训练的进行,2组在悲观情绪、知觉压力和主观幸福感(包含情感和认知幸福感)上的训练效果表现出明显的差异(P<0.05)。研究组T1~T3的悲观情绪相比基线(T0)明显降低(P<0.01),情感幸福感(P<0.01)和认知幸福感(P<0.01)明显升高,其知觉压力在T1(P<0.05)和T3(P<0.01)也明显降低;而对照组在训练前后却无上述明显变化。结论2周BPS训练可有效降低集训期新兵悲观情绪和知觉压力水平,提升其主观幸福感,促进新兵心理健康。
文摘以石墨烯为添加剂,利用一步水热法制备出石墨烯包覆三维花状SnS_2纳米结构,制得的复合纳米材料由石墨烯和数十个纳米薄片组装而得的SnS_2纳米花球构成。利用XRD、SEM等对材料的晶体结构和形貌进行表征,同时研究了其电化学性能。在1 000 m A/g的电流密度下循环50次后,SnS_2/石墨烯复合材料的可逆容量仍然可达503.1 m Ah/g,容量保持率高达82%。
基金supported by the National Key Research and Development Program of China(grant number:2017YFC0806503)。
文摘With the increasing number of vehicles,manual security inspections are becoming more laborious at road checkpoints.To address it,a specialized Road Checkpoints Robot(RCRo)system is proposed,incorporated with enhanced You Only Look Once(YOLO)and a 6-degree-of-freedom(DOF)manipulator,for autonomous identity verification and vehicle inspection.The modified YOLO is characterized by large objects’sensitivity and faster detection speed,named“LF-YOLO”.The better sensitivity of large objects and the faster detection speed are achieved by means of the Dense module-based backbone network connecting two-scale detecting network,for object detection tasks,along with optimized anchor boxes and improved loss function.During the manipulator motion,Octree-aided motion control scheme is adopted for collision-free motion through Robot Operating System(ROS).The proposed LF-YOLO which utilizes continuous optimization strategy and residual technique provides a promising detector design,which has been found to be more effective during actual object detection,in terms of decreased average detection time by 68.25%and 60.60%,and increased average Intersection over Union(Io U)by 20.74%and6.79%compared to YOLOv3 and YOLOv4 through experiments.The comprehensive functional tests of RCRo system demonstrate the feasibility and competency of the multiple unmanned inspections in practice.
文摘为挖掘特征间的语义关系以及空间分布信息,并通过多特征增强进一步改善点云语义分割的效果,提出一种基于多特征融合的点云场景语义分割网络(MFF-Net)。所提网络以点的三维坐标和改进后的边特征作为输入,首先,利用K-近邻(KNN)算法搜寻点的近邻点,并在三维坐标和近邻点间坐标差值的基础上计算几何偏移量,从而增强点的局部几何特征表示;其次,将中心点与近邻点间的距离作为权重信息更新边特征,并引入空间注意力机制,获取特征间的语义信息;再次,通过计算近邻特征间的差值,利用均值池化操作进一步提取特征间的空间分布信息;最后,利用注意力池化操作融合三边特征。实验结果表明,所提网络在S3DIS(Stanford 3D large-scale Indoor Spaces)数据集上的平均交并比(mIoU)达到了67.5%,总体准确率(OA)达到了87.2%,相较于PointNet++分别提高10.2和3.4个百分点,可见MFF-Net在大型室内/室外场景均能获得良好的分割效果。
