一、跟踪测量视频的高精度同步采集系统（论文文献综述）
高凯[1]（2020）在《高速视频测量技术及在水箱液面高度监测的应用》文中研究指明目前,随着我国的城市化建设的突飞猛进,作为城市化发展建设的重要组成部分的高楼正在不断涌现。这些高层建筑物在遇到地震、飓风等特殊灾害天气环境时极易受到影响而出现晃动甚至引发坍塌,如果发生坍塌会对人们的生命和财产将会造成巨大的影响。因此,建筑物的抗震性以及稳定性对建筑物的整体安全极其重要,并且引起了人们的广泛关注。为了进一步增强高层建筑物的抗震能力,学者们提出了在建筑物上增加减震装置的措施并得到了广泛的应用。TLD（调谐液体阻尼器,Tuned Liquid Damper,简称TLD）就是一种非常有用的被动结构控制减震装置。这种阻尼器装置通俗来讲就是将水箱固定在建筑物顶上,当建筑物因受到外力而引起晃动时,水箱中液体可以在晃动过程中产生的动侧力提供减振作用。它具有构造简单,自动激活性能好,不需要启动装置等诸多优点。监测获取的TLD水箱液面高度动态变化的数据,能用于分析建筑物受到灾害的等级和对建筑物的健康性进行评价,后续还可以用来对建筑物进行科学加固与修复时提供指导性意见。因而对TLD水箱液面高度动态变化的研究已经逐渐成为一个热门的研究领域。传统的对TLD水箱液面高度动态变化的监测是采用激光位移计,存在着单点性、一维性等缺点。近景摄影测量技术是一种通过获取像片和处理像片来确定目标的外形和状态变化的非接触式测量技术,近几十年来不断地被创新与发展。高速视频摄影测量技术,就是近景摄影测量技术的最新研究成果。高速视频摄影测量技术除了具有近景摄影测量技术传统的非接触的优点外,还具有全面域、高速采集、高效存储等能力。它能够在极短的时间内以图像的方式获得被测物体的物理信息和几何信息。本文提出将高速视频摄影测量技术应用于TLD水箱液面高度的动态监测中,构建了适用于TLD水箱液面高度动态监测的高速视频摄影测量系统传感器网络,设计了适用于TLD水箱液面高度动态监测的球形人工标志点,并根据TLD高速视频摄影测量监测周围环境难以布设控制点的问题,改进得到了一种内外方位元素一体化计算方法,最后构建了TLD水箱液面位移场。证明了将高速视频摄影测量技术应用于TLD水箱液面高度动态监测具有可行性和一定的研究价值。主要研究内容与成果如下:（1）本文简述了近景摄影测量技术的发展历程,综述了高速视频摄影测量技术的发展,介绍了高速视频摄影测量技术在土木工程领域的应用,并简单概述了TLD水箱液面高度监测的研究现状。分析了构建高速视频影像传感器网络的基本原理以及高速视频影像摄影测量系统的特点。系统地研究了高速视频影像摄影测量传感器网络各部分组成的特点,包括高速相机、数据采集卡、同步控制器、计算机、人工标志点和照明光源等。并根据本研究的实际应用情况,构建了一套适用于TLD液面动态监测的高速视频影像传感器网络系统,设计了一种适用于本研究中的TLD水箱液面高度动态监测的球形标志点,并利用频闪法对本研究中应用的两台高速相机的同步性进行了验证。（2）本文对高速视频摄影测量技术的基本原理和方法进行了总结,包括像片的内外方位元素等。针对本实验环境周围难以布设控制点的问题,本文从一体化解算考虑,将像片的内方位元素和外方位元素纳入矩阵内作为一个整体,提出了内外方位元素一体化的计算方法。该方法首先求解隐含内参数和外参数的类旋转矩阵初值,再将空间坐标通过映射的方式转换成像方坐标,然后再求解畸变参数并且对图像畸变进行纠正。既避免了陷入局部极值的可能性,也避免了在解算单个元素的过程中出现损失新的精度。（3）将本研究中构建的高速视频影像传感器网络系统应用于TLD水箱液面高度的动态变化的监测实验。解算分析了实验中基于时间序列的液面目标点的位移变化,将结果与传统激光法中激光位移计采集数据进行结果比较,表明利用高速视频摄影测量技术获取的位移变化与激光位移计获取的位移变化具有高度相似性,而且在竖直方向上的位移与激光法的误差不超过10%。此外,本文根据实验结果选取了合适的目标点构建了液面位移场,相对于传统的激光法,高速视频摄影测量技术具有对液面全域性监测的优点,构建的液面位移场可以更加直观的反应TLD水箱液面的变化。实验结果证实了高速视频摄影测量技术应用于TLD水箱液面高度动态监测的可行性,为TLD水箱液面高度监测提供了一种新的解决方案。
彭弘铭[2]（2020）在《视线跟踪系统关键技术研究与实现》文中指出视线跟踪技术一直以来是国内外研究的热点,在混合增强人工智能、军事、AR/VR、人机交互、医学诊断和可用性研究等方面有着广泛的应用前景。现有的视线跟踪系统存在着可靠性低,需要用户高度配合来标定用户参数,允许用户头部运动范围小,眼动数据中的不同眼动形式（眼跳、注视和平滑尾随等）如何准确的识别和国产化低成本等问题。本文对高鲁棒性眼特征提取并防止伪虹膜的攻击,允许大范围头动的用户免标定视线估计方法,高精度眼动形式识别和国产化低成本视线跟踪系统软硬件实现等内容展开研究,具体的研究内容如下:（1）针对现有的视线跟踪系统在光照变化、反射光斑、眨眼和模糊等干扰下无法鲁棒性的提取眼特征,并且在武器系统控制等高安全领域使用时无法防止伪虹膜的攻击行为的问题,本文提出了高鲁棒性防攻击的眼特征提取算法。该算法由轻量化高鲁棒性防攻击的虹膜定位算法（LAILNet）和瞳孔反射光斑特征提取算法（LAILNet-PDGD）两部分组成。轻量化高鲁棒性防攻击的虹膜定位算法实现了在光照变化、反射光斑、眨眼和模糊等干扰数据上的高鲁棒性和高精度的定位,同时能有效滤除人工伪造及打印虹膜。该算法在两个公开数据集和本文IPITRT数据集上的性能与2019年最优的算法MT-PAD一致,但是LAILNet算法的参数量和计算量是MT-PAD算法的1/24,处理时间是MT-PAD算法的1/2。在保证精度不损失的情况下,实现了模型的轻量化和实时性。LAILNet算法非常适用于嵌入式低功耗的设备。在LAILNet算法基础上的LAILNet-PDGD算法实现了鲁棒性的瞳孔和光斑提取,在瞳孔遮挡、头发眉毛干扰、远近焦距、光线变化、模糊、光斑干扰和佩戴眼镜等情况下瞳孔特征的提取结果精确度高达95.49%,优于主流的Deepeye和ElSe算法。LAILNet-PDGD算法处理640×480的虹膜图像仅需5.76ms,是Deepeye算法时间的1/18。高鲁棒性防攻击的眼特征提取算法可在嵌入式、移动化和低功耗的设备上高效的运行。（2）基于3D眼球模型的视线估计方法具有高精度、允许用户头动等优势。针对现有高精度的免标定视线估计方法需要双相机四光源的复杂硬件结构,本文提出了基于3D双眼模型的单相机双光源免标定视线估计方法。该方法采用一套低成本的单相机双光源的硬件配置,优化改进视线估计模型,实现了用户自然头动下的免标定视线估计。该估计方法包括用户参数自动标定和实时视线估计两个过程。由于实时视线估计中需要因人而异的人眼参数,本文增加左右眼角膜曲率中心的距离为固定值的特性,建模求解出用户的左右眼角膜曲率半径。利用瞳孔边界点建模优化解出瞳孔中心和角膜曲率中心的距离。利用双眼视轴注视同一个点的特征,建模优化计算出眼坐标系下光轴和视轴夹角。在实时视线估计算法中,首先构建了双眼眼球模型,并根据光学的几何原理建模,完成了角膜曲率中心和瞳孔中心的求解以及光轴的重建。其次利用眼坐标系下的光轴和视轴的固定夹角特性计算出用户的注视点,从而完成了视线估计。为了验证用户参数自动标定算法和实时视线估计算法的有效性,本文利用现有的眼球框架模拟双眼视线跟踪过程,获取到了眼特征的实验数据和验证数据,根据眼特征实验数据,将利用本章参数自动标定算法获取的人眼参数和视线估计算法的结果数据与验证数据进行对比,验证了算法的有效性。基于3D双眼模型的单相机双光源免标定视线估计方法具有硬件结构简单、双眼模型实现用户免标定、视线跟踪过程头动鲁棒性强等特性,优于目前最高精度下复杂硬件结构的单眼模型和单相机单光源双眼用户标定模型。（3）根据眼动数据精确的识别眼动形式是视线跟踪系统应用的关键技术。而受到噪声、眼动仪不精确性和眼动固有特性等的影响,目前眼动形式识别的精度不高,特别是平滑尾随的识别,2019年最优算法只达到73%。针对平滑尾随识别精度不高、受阈值影响大等问题,本文提出了基于分段和聚类的识别（I-SC）算法,识别注视、眼跳和平滑尾随三种常见的眼动形式。该算法首先利用眼动数据的速度特征来识别眼跳段,然后利用空间特征的标准差将剩余的眼动数据划分为不同的段。最后定义了段的平均直接距离特征,并采用快速查找密度峰值聚类的方法对注视和平滑尾随进行分类识别。该算法考虑了眼动的连续性和突发性,眼动的连续性由分段方法来表征,空间特征的标准差可以反映出眼动的突发性。聚类算法实现了无阈值区分注视和平滑尾随。该算法在眼动仪的噪声和不精确的眼动数据下也能实现精确的眼动形式识别。为了证明该算法的有效性和鲁棒性,本文采用由商业眼动仪采集的1 1个受试者的各种眼动数据形成的数据集对所提出的I-SC算法进行了评估。实验结果表明,该算法的识别准确率达96.0%,召回率达87.60%,优于主流的I-VDT算法和和卷积神经网络（CNN）算法。证明了本文算法能提供更准确的三元分类的能力。（4）针对上述关键技术和理论研究验证的实验设备需求,以及国外产品敏感领域无法使用、无自主知识产权且价格昂贵等问题。本文在关键技术研究和长期、大量的技术积累的基础上,设计和实现了一套符合本文研究需求和实际应用的视线跟踪系统。该系统采用上述的鲁棒性防攻击眼特征提取算法,基于3D双眼模型的免标定视线估计方法和眼动形式识别（I-SC）算法并具体实现。系统具有高鲁棒性防攻击、允许用户头自然运动、免用户标定、高精度和低成本等特性。视线跟踪系统的设计与实现包括方案设计和指标设计,软硬件框架设计和实现以及最后的系统测试及应用。在系统硬件设计中考虑了冗余设计,采用双路同步的低成本的CMOS传感器实现了双相机双光源的亮暗瞳眼动跟踪硬件设备。该设备能稳定提供双路的1280×720@60Hz的亮暗瞳或暗瞳图像。整个硬件成本在一千元人民币之内。在软件框架设计中采用了跨平台的QT软件设计,利用多线程以及信号槽机制实现了一个稳定的软件框架环境。针对Windows和Linux不同操作系统实现了标准化的视频采集接口,使得视线跟踪系统的上层软件在不同的操作系统下都可以兼容,并考虑研究与应用需要,构建了具有种类丰富,干扰多,背景噪声大和伪虹膜相似性高等特性的开放虹膜数据库IPITRT。为了验证软硬平台以及视线跟踪算法的有效性,本文对11名受试者分别在头部轻微运动、头部大范围运动和不同光照环境下进行了详细的测试,并计算了视线跟踪的准确度和精确度。实验结果表明,本文构建的视线跟踪系统的平均视线准确度为0.62°。在大范围头动情况和不同光照环境下的视线跟踪的准确度也在1°左右。视线跟踪系统的处理时间为9.67ms,满足本文理论算法研究需要和工程实际应用系统的要求。
林俤[3]（2020）在《复杂背景下反无人机的智能光电搜索跟踪技术研究》文中指出随着国际反恐和安保形式的变化,必须对来自空中的“低慢小”目标进行有效的防范。城市空中安保面临的空中威胁多为“低慢小”目标,固定翼目标机动飞行的速度可达30～50m/s,飞行角速度较大,且存在机动。在目标机动情况下,高精度拦截系统需要光电搜索跟踪系统的激光测距光轴实时照准目标,以获取目标位置信息,并实时估计目标机动运动参数,这对光电搜索跟踪系统的跟踪精度提出了很高的要求。另一方面,由于城市环境楼宇及建筑物众多,背景复杂,相对于常规净空背景下的无人机目标跟踪,对光电搜索跟踪系统复杂背景下的目标探测及图像跟踪能力也提出了新的要求。智能光电搜索跟踪系统能够实现城市复杂背景下对空中“低慢小”目标的实时搜索、捕获和跟踪,以便为高精度的拦截系统提供目标运动参数。针对复杂背景下“低慢小”目标探测及高精度跟踪的难点,本文分析了目标和复杂背景成像特点,提出了多光谱多元探测光学系统设计方案,将目标信息获取从常规的单一通道扩展为多个通道,使目标和背景可以在不同的波段上进行区分。在多光谱成像探测的基础上重点研究了复杂背景下的目标图像搜索跟踪技术和高精度伺服跟踪技术。在多光谱成像探测的基础上,对于目标机动情况下的高精度伺服跟踪技术,针对多种类型的“低慢小”目标机动能力和典型飞行方式的不同,提出了基于神经网络的IMM卡尔曼滤波前馈补偿跟踪方法。该方法将各种类型目标的机动特性建模后加入IMM卡尔曼滤波机动模型中,并采用神经网络目标识别模型来对搜索到的空中目标进行识别,根据识别到的目标类型自动调整IMM卡尔曼滤波参数,使滤波器对目标的机动特性获得最佳估计。从而为前馈补偿控制算法提供精确的前馈补偿控制量。高精度的伺服控制可保证在目标机动情况下,光学系统光轴仍可以稳定对准目标,使得测距激光可实时连续对目标进行测距。对于城市复杂背景下的目标图像搜索跟踪技术,提出了基于多光谱探测的多模复合TLD目标跟踪算法。在实际系统应用中,TLD算法存在耗时较长,容易产生跟踪漂移等缺点。因此,为了获得实时稳定的跟踪算法,本文提出了改进的复合TLD目标跟踪算法,一方面,图像处理前端首先对获取的图像进行融合处理,融合后的视频帧一路经过抽取（原始50Hz,抽取后为10Hz）,之后送入TLD目标跟踪算法,另一路直接送入KCF目标跟踪算法中,KCF算法实时性高,运算速度快,在运行正常的情况下,TLD算法会对KCF样本进行更新,以弥补KCF算法不能适应目标尺度变化及局部遮挡的情况,最外层采用基于先验信息的神经网络目标识别技术,在内层算法丢失目标后重新捕获目标,复合跟踪算法将三种算法进行优势互补,提高了跟踪稳定性和可靠性。对于城市复杂背景下建筑物对无人机的遮挡情况,通过IMM卡尔曼滤波技术来解决目标进入遮挡区域后对其运动轨迹的预测问题。无人机在进入遮挡区域后,其轨迹预测误差随时间的增长而增加。在短时间内,IMM卡尔曼滤波器的预测精度较高,随着时间的增长,目标出现各种机动的概率增加。提出了抗长时遮挡的IMM卡尔曼滤波-TLD目标跟踪算法,并进行了单机试验验证。对多机联合跟踪情况进行了仿真。本章算法根据目标出现区域的概率来自适应的调整跟踪波门,以使目标脱离遮挡区域后能够以较大概率重新进入跟踪视场。本文对以上关键技术在理论分析的基础上,进行了相关试验验证,证明了其算法的有效性。对于机动目标的跟踪精度验证,在实验室环境采用目标模拟器模拟各种目标机动,采用光电搜索跟踪系统实时跟踪并评估其跟踪精度,采用基于神经网络的IMM卡尔曼滤波前馈补偿控制器较常规控制器精度可提高3倍以上,实际系统在外场验证目标典型机动跟踪精度优于0.5mrad;在外场环境验证了多模复合TLD目标跟踪算法,较常规KCF或TLD算法,包含复杂背景下测试视频集的平均测试精度评估为0.9。单次抗遮挡跟踪试验中,基于IMM卡尔曼滤波将轨迹预测误差从常规预测的53m减小到15m。提高光电搜索跟踪系统的智能化水平、抗遮挡能力和精确跟踪能力是未来城市复杂背景反无人机系统的发展方向。对反无人机相关关键技术进行深入研究无论是军用还是民用反恐都将具有重要意义。
杨泽[4]（2020）在《动云台立体视觉跟踪测量关键技术研究》文中认为目标跟踪检测在人机互动、工业测量和机器人导航等领域有着广泛的应用,通过对相机采集所获得的被测目标图片帧序列进行图像处理与分析,将运动目标从背景中分割出来,进而获得被测对象的运动轨迹,实现持续的跟踪定位。然而目标识别与跟踪的实际应用多采用单目视觉系统,单相机所采集到的图像信息不足,丢失了实际场景中的深度信息,无法实现跟踪目标的空间坐标测量。此外,对于跟踪识别过程中目标受物体遮挡等问题,单相机系统难以利用视频图像中的信息采取有效的目标识别跟踪策略。而立体视觉系统通过获取两幅图像之间的场景视差恢复场景深度,能实现三维空间的场景重建,受目标遮挡等因素的干扰程度更小,对于复杂场景里的目标也能有很好的跟踪效果。此外,若运动目标超出相机视场,利用相机云台的平移和回转运动可实现对目标的持续视觉跟踪。因此,采用动云台双目立体视觉的动态目标跟踪测量技术,在视觉跟踪检测领域有着相当重要的意义。本文以动云台条件下的动态视觉测量技术为基础,提出了驾驶员视觉疲劳的定量测量方法。对驾驶员眼睛运动轨迹跟踪算法进行了深入的研究,分析了多种算法在人眼识别和提取过程中的差异,提出了人眼虹膜中心亚像素级精确定位的算法。搭建了动云台双目立体视觉系统实验装置,获取了左右相机的人眼亚像素精度结果,并结合视觉测量原理中的三维点重建算法,测量了人眼运动时的三维坐标,获得了运动轨迹。在动态校准实验中,对比了人眼运动轨迹和振动台所提供的标准正弦运动,验证了使用双目立体视觉定量测量驾驶员眼睛运动轨迹的可行性。在真实的测试实验中设计了不同车速情况下的车辆加速、刹车和颠簸实验,利用立体视觉系统持续采集人脸面部图像用于人眼运动轨迹的重建,通过图像分析了目标的位移、速度和加速度等信息,扩展了检测驾驶员疲劳的信息来源。之后的研究内容介绍了动云台立体视觉跟踪测量系统在工程中的实际应用需求。采用了运动云台跟踪拍摄的立体视觉测量方案,利用双轴转台作为高速视觉成像系统的运动云台以跟踪目标在较大区域的运动。以探测器悬停避障试验中的大空间动态目标位姿测量等实际需求为背景,搭建了用于高速运动目标跟踪的视觉测量系统,开发了视觉测量软件用于相机的标定和目标的空间位姿解算。针对相机的运动模型、坐标系变换和目标位姿的解算进行了介绍。采用直接线性变换法和棋盘格标定法对系统进行了标定,并利用双轴转台提供的转角信息处理图像,实现了大空间环境下静态目标的坐标测量。
李春田[5]（2019）在《基于Zynq的手术导航光学定位关键技术研究》文中研究指明手术导航系统将患者的术前影像数据与术中解剖结构准确对应,能在手术过程中为医生提供手术器械相对于手术靶点的位置和方向信息,实时引导手术进行。定位设备是手术导航系统最为核心的部分,其定位的实时性及精度直接影响到手术导航系统的安全性和精确性。基于双目视觉原理的近红外光学定位技术因其精度高、操作方便的优势被广泛应用于手术导航领域,但目前国内的光学定位设备主要依赖于国外进口,缺乏自主创新与技术支持。因此为了自主研发高精度光学定位系统,需要对系统硬件设计、相机图像同步采集、标记点亚像素坐标提取及数据实时传输等关键技术进行研究。为解决上述关键问题,本文采用Zynq作为核心处理器,通过光学定位系统硬件设计和Zynq平台的软硬件协同设计研究实现了对近红外标记点的实时跟踪定位,本文的主要研究内容如下:（1）设计了光学定位硬件系统,结合光学定位技术需求进行模块划分与设计,根据模块功能需求完成了芯片选型及硬件电路实现。（2）设计了高同步近红外相机图像采集模块,近红外相机能有效抑制可见光对图像标记点提取的干扰,并实现了高同步图像采集控制,有效避免标记点的伪匹配问题。（3）实现了高速率图像标记点提取,利用Zynq平台的可编程逻辑资源实现实时的图像标记点识别及其亚像素坐标计算。（4）实现了高速数据传输方案,基于以太网、USB及Wi-Fi三种通信方式实现图像与标记点坐标数据高速的传输,满足不同场景下的通信需求。实验结果显示,本文提出的手术导航光学定位技术的定位精度标准偏差在0.15mm范围内,处理速度可达60pfs,并具有极高的图像采集同步性,满足手术导航的应用需求。
谢良[6]（2018）在《实时人体姿态行为检测识别及非刚性形貌稠密重建方法研究》文中研究表明基于图像的非接触式人体姿态、行为、形貌测量,是人机与环境工程中的关键问题,是机器深入理解人体行为含义、理解环境形貌变化的必要条件。本文从人机与环境工程中的人体姿态检测跟踪、人员行为检测识别、人体稠密重建以及相关的非线性优化问题入手,先后设计提出了基于稠密关键点检测的人体姿态测量框架、联合人员和行为检测识别的深度卷积神经网络框架、联合关节运动和嵌入式运动的实时人体形貌稠密重建框架、适用于GPU并行加速的矩阵数据结构以及深度神经网络的特定压缩加速策略,以上算法框架先后应用于“921”工程天宫二号在轨航天员人体姿态测量项目、群体人员行为检测识别项目、实时多人非刚性稠密重建项目,为各项目提供了精确高效的测量算法框架,并在相应实际工程应用中取得了较好的效果。本文取得的主要成果如下:1.提出了基于稠密关键点检测的人体姿态测量框架。人体姿态测量的关键问题在于求取模型点和图像点之间的对应关系,之后利用明确的模型参数优化技术即可获得人体姿态参数。传统的对应关系求取测量需要较好的初始化姿态,鲁棒性较差,容易出现跟踪错误;现有基于深度学习的关节检测算法速度较慢,难以实时应用,并且只能对特定关节点位置进行检测,难以应对带有拓扑变换的模型变形。在此背景下,本文开展了基于深度卷积神经网络的稠密关键点检测算法,能够实时对图像中多人进行稠密关键点检测,能够应对人体拓扑变形。并自此算法基础上,先后针对在轨航天员人体姿态测量、多人配合局部人体姿态测量、大范围人体姿态测量项目进行了方案设计。其中本文设计的在轨航天员人体姿态测量方案,于2016年11月随天宫二号进行了在轨实验,为我国首次获得了在轨人体姿态测量数据,为我国载人航天工程进行在轨长期驻留提供了重要的基础数据。2.提出了联合人员行为实时检测识别算法框架。群体场景中的人员检测识别和行为检测识别是人机与环境工程中机器理解人员行为意义的基础。传统的人员检测识别算法主要是面向简单场景、单人识别的,难以应对群体性、复杂应用场景;传统的行为检测识别算法主要是针对整个视频、单人行为进行识别的,难以对每一帧图像进行原子行为识别,更难以处理多人应用场景、一人多行为的识别。在此背景下,本文开展了基于端到端的联合人员行为检测识别的神经网络算法框架,能够在检测场景内所有人员的基础上,进行人员识别和行为识别,实现原子行为识别,单人可同时对应多个行为动作。在此基础上,针对K12教育中的学生课堂行为统计分析项目进行了方案设计,并进行了嵌入式前端硬件开发,并在特定教室中进行了实地项目测试。3.提出了实时非刚性人体稠密重建算法。非刚性场景稠密重建是人机与环境工程中机器深入理解人体和场景的必要前提。传统的场景重建算法大多是离线计算的,并且只能针对刚性场景进行重建,在此背景下,本文开展了实时非刚性多人场景重建算法研究,能够对多人非刚性运动场进行实时估计,可以将序列非刚性深度图像进行高精度融合,进而获得高精度的场景重建。4.针对大中小规模的非线性优化问题进行了加速策略设计人机与环境工程中多数问题最终都可以转换为非线性优化问题,现有非线性优化求解策略解算速度相对较慢,难以应对实时应用。在此背景下,本文针对中小规模的非线性优化问题,设计了适用于GPU并行加速求解的稀疏矩阵存储方式,能够有效对非刚性人体稠密运动场估计等问题进行实时求解;其次,本文针对神经网络中的大规模非线性优化问题进行网络压缩加速研究,使得本文涉及的目标检测识别网络参数能够进行大幅压缩,加速网络运算。本文针对人机与环境工程中的人体姿态测量、人员行为检测识别、非刚性人体场景重建,以及其中的非线性优化加速求解算法进行了深入研究,并在此基础上针对航天、医疗、运动、教育、社交等应用进行的相应方案设计,实验以及项目实际充分证明了本文算法框架的有效性以及实用性。
冯健昭[7]（2018）在《基于物联网的害虫监测关键技术研究》文中进行了进一步梳理农业物联网是现代农业与物联网技术的有机结合,推动现代农业从电脑农业、数字农业、精准农业到智慧农业的发展。智慧农业应用中的互联互通技术、感知技术和智能化技术,使现代农业系统运转更加标准化、智能化和集约化,从而促进农业可持续发展。物联网是智慧农业的支撑技术,农业物联网的感知设备正向着微功耗、低成本、高可靠和自适应的方向发展,传感器网络也逐步具备分布式、自组织、多协议兼容和高通量等功能特征,能够实现实时、准确和高效的数据处理。目前物联网技术在农业害虫监测领域仍没有被大量应用,其主要原因有传感器节点性能达不到用户的应用需求、节点采集的数据类型单一、多传感器数据融合的管理和应用水平不高等。因此,研究面向害虫监测的多类型传感器节点融合的物联网技术,对促进物联网技术在害虫监测领域的发展和应用、提高害虫监测的智能化水平、推动农业物联网的发展具有现实意义。论文结合农业物联网相关技术,以害虫监测为应用背景,对基于机器视觉的害虫监测无线采集节点软硬件设计、多类型传感器融合的害虫监测远程无线网络设计、害虫监测无线网络的系统体系架构、无人机监测数据在可视化害虫监测方面的应用等关键技术开展理论及应用研究,主要内容如下:（1）设计了一种适应场景光照变化的害虫监测无线采集节点。节点由桔小实蝇诱捕监测装置、监测控制装置、网络传输模块和太阳能供电装置组成。其中害虫诱捕监测装置包括顶盖、PVC外壳和诱捕瓶;监测控制装置由处理模块、存储模块和视频采集模块组成;太阳能供电装置包括太阳能板、蓄电池、智能控制器和太阳能板支架。设计了害虫目标获取算法、基于代价模型的害虫目标跟踪算法和害虫自动计量算法,并通过试验验证了算法的有效性。在农田环境真实试验后,为了提高算法的鲁棒性,对害虫目标检测算法进行了优化,使用背景差分的方法,提出了一种可适应场景光照变化的桔小实蝇检测算法。详细设计了太阳能供电装置,延长了节点的生命周期。设计了可视化的桔小实蝇远程监测系统,开发了监控跟踪程序、远程服务器程序和客户端程序。农田试验表明,节点网络传输的丢包率为0.7%,改进后的检测算法在中度光照和严重光照影响下的错误率分别为7.21%和12.4%,耗时减少了42.2%,害虫检测准确率为98.7%。（2）设计了多类型传感器节点融合的害虫监测远程无线网络。结合所设计的害虫监测无线采集节点的特性,融合多种类型的气象传感器和土壤传感器节点以及无人机影像监测节点,根据实际应用需求设计了一套软硬件结合、空中地面地下多层协作的害虫监测远程无线网络体系架构,包括感知层的多类型传感器融合、网络层的害虫监测远程系统网络模型、应用层的害虫监测物联网云平台软件。（3）设计了害虫监测远程无线网络的传输模型和传输控制机制。结合实际需求,在网络模型中设计了害虫监测远程网络的拓扑结构、网络架构和传输模型,设计了传输控制机制中的通信协议、数据包格式、多级存储的数据备份机制、差错控制机制和时钟同步策略。设计了基于Web的可视化害虫监测的物联网云平台软件,对多种类型节点采集的数据进行融合和有效管理,同时为用户提供可靠的网络服务。（4）开展了害虫监测远程无线网络系统的综合试验。根据所设计的试验方案,在广州市4个不同行政区的农场和科研基地里,分别部署多类型的气象传感器和土壤传感器及无线网络节点,结合无人机影像监测节点获取了高分辨率的正射影像图和数字表面模型,建立了基于物联网的害虫监测远程无线网络系统,开展了跨区域远距离的综合性网络试验。经过数据统计分析,网络的数据丢包率平均值为2.965%,采用状态?2检验法进行野值检测,空气温度传感器、空气湿度传感器和土壤温度传感器出现野值的概率分别为2.23%、0.83%和1.69%,4个不同监测区域的温度数据空间相关性最大值为0.9934;经过数据融合后的传感器数据和害虫发生数量的定量关系和相关性分析,影响虫害发生的最关键6大环境因素分别是土壤温度、叶面湿度、空气温度、降雨量、土壤水分和风速,并建立了回归分析方程和害虫预警模型。无人机数据分析表明,监测区的最佳飞行高度为15米,正射影像图的G分量能有效地监测害虫对生菜长势的影响。本文的主要创新工作体现在设计并实现了一种害虫监测无线采集节点、可适应场景光照变化的桔小实蝇检测算法BDDA-LV以及多类型传感器节点融合的害虫监测远程无线网络体系架构等方面。
张廷华[8]（2018）在《空间观测系统时空超分辨率成像关键技术研究》文中指出现有空间观测系统基于传统成像体制,受限于探测器的物理尺寸、数据带宽、曝光时间和光学系统的衍射极限,易受光照变化、光学或运动模糊、量化采样和噪声等因素干扰,使图像质量和分辨率明显下降,不利于空中目标的跟踪识别和关键事件记录。基于光学压缩感知和计算成像的时空超分辨率成像技术,可以突破传统采样方式和器件限制的瓶颈,因此研究时空超分辨率成像理论及关键技术,具有重要的应用价值和现实意义。时空超分辨率成像技术是一个交叉学科,涉及压缩感知、计算成像和图像处理等技术,本文在相关研究的基础上,深入研究了时空配准与运动估计、多视频序列时空超分辨率成像和孔径编码时间压缩成像（Coded Aperture Compressive Temporal Imaging,CACTI）等理论和关键技术。论文的主要工作和取得的创新性成果如下:1、针对复杂场景的多视频序列时空配准问题,提出一种基于天文标定和SIFT（Scale-Invariant Feature Transform）流的联合时空配准方法,实现时空配准参数的高精度联合估计,并降低计算复杂度。为实现多传感器的空间配准,提出一种基于局部星图模拟的识别和姿态解算方法,建立了多传感器空间观测的成像模型,将星座特征转换为模拟星图的图像特征;提出基于四边形对角线简比不变性特征的局部星图识别算法,利用星点坐标矩阵奇异值不变性,自动匹配星点并求解姿态矩阵的参数值;为实现局部运动估计和时间配准,利用SIFT流场相似性求解时间变换参数,达到联合时空配准的目标。实验结果表明,该算法具有估计精度高、计算简单和鲁棒性强的优点,满足时空超分辨率成像系统时空配准的精度要求。2、针对现有多视频序列时空超分辨率重建算法存在的运动模型简单、模糊和噪声水平未知等问题,提出一种基于置信度传播（Belief Propagation,BP）的MAP-MRF（Maximum Posterior Likelihood-Markov Random Field）时空超分辨率重建算法。针对真实运动场景中存在的多目标、大位移和光照变化等问题,提出基于小波变换域稀疏约束的SIFT流算法,算法具有较高的估计精度和较强的鲁棒性;提出一种运动矢量加权的MAP-MRF模型,采用加权全变分（Total Variation,TV）正则项表征多视频序列之间的时间和空间稀疏性和平滑性,利用BP算法同时对运动矢量、模糊核等模型参数和超分辨率图像进行分级迭代估计。实验结果证实,与现有的超分辨率重建算法相比,本文提出的基于BP的MAP-MRF重建算法在保持边缘锐度和纹理细节的同时,可以有效抑制噪声,实现真实场景的时空超分辨率成像。3、针对CACTI提升时间分辨率的同时导致空间分辨率退化严重的问题,提出一种基于多正则约束的MAP-MRF时空超分辨率重建方法。提出的多正则约束算法充分利用运动场景在不同变换域的稀疏性和多次观测数据的帧间非冗余信息,同时保证运动前景和静态背景的清晰度;提出基于TV和运动矢量的多正则约束重建算法,在鲁棒性和重建图像质量方面具有明显优势。实验结果证实了本文提出的优化框架和重建算法的有效性。4、构建相机阵列成像系统和基于数字微镜阵列的CACTI系统,分别验证基于天文标定和SIFT流的多视频序列时空配准方法,基于MAP-MRF的超分辨率重建算法,以及基于多正则约束的CACTI重建算法的有效性,为时空超分辨率成像技术的实用化奠定基础。
史小敏[9]（2018）在《多摄像机立体视觉动态实时测量系统》文中进行了进一步梳理相比双目视觉系统,多摄像机立体视觉系统虽然算法复杂,设计难度大,但其具有更宽的测量范围和更高的测量精度,应用前景广泛。因此,论文针对多摄像机立体视觉的动态测量进行研究,从硬件选型到同步图像采集,从图像特征点定位、图像运动跟踪、自适应滤波到立体标定,分别进行设计和算法研究,开发了一套多摄像机立体视觉动态测量系统。综合考虑多摄像机动态测量对图像同步采集和图像传输速率的要求,进行了图像传输接口和相机种类选型。在Lab VIEW平台上,开发了多相机同步采集系统软件,建立了三摄像机立体视觉系统模型及动态测量软件平台。根据系统结构与测量精度的关系,设计了相机的空间布局方案。研究了多摄像机立体标定算法。通过开发新的标定工具箱,获取所有相机内参数、畸变参数和结构参数。并根据立体标定环境的实际情况,提出了一种自动调整曝光时间算法使棋盘格成像清晰,降低了标定结果的不确定度。选用四边形对角线交叉点为动态测量特征点,实现了该特征点的准确定位。为解决系统实时性问题,研究了基于检测更新模型的图像运动跟踪算法,与不使用图像跟踪算法相比,该算法减少了40%的运行时间,在i7四核CPU上实现了三摄像机每个相机大约12FPS（Frames Per Second）的实时处理。提出了一种IAE-DW自适应滤波算法,通过动态调整IAE算法窗口大小,取得了良好的滤波效果;实验证明,在1.5m深度附近,运动速度最快约64mm/s时,系统轨迹测量的平均误差小于1.5mm。
《中国公路学报》编辑部[10]（2017）在《中国汽车工程学术研究综述·2017》文中提出为了促进中国汽车工程学科的发展,从汽车噪声-振动-声振粗糙度（Noise,Vibration,Harshness,NVH）控制、汽车电动化与低碳化、汽车电子化、汽车智能化与网联化以及汽车碰撞安全技术5个方面,系统梳理了国内外汽车工程领域的学术研究进展、热点前沿、存在问题、具体对策及发展前景。汽车NVH控制方面综述了从静音到声品质、新能源汽车NVH控制技术、车身与底盘总成NVH控制技术、主动振动控制技术等;汽车电动化与低碳化方面综述了传统汽车动力总成节能技术、混合动力电动汽车技术等;汽车电子化方面综述了汽车发动机电控技术、汽车转向电控技术、汽车制动电控技术、汽车悬架电控技术等;汽车智能化与网联化方面综述了中美智能网联汽车研究概要、复杂交通环境感知、高精度地图及车辆导航定位、汽车自主决策与轨迹规划、车辆横向控制及纵向动力学控制、智能网联汽车测试,并给出了先进驾驶辅助系统（ADAS）、车联网和人机共驾等典型应用实例解析;汽车碰撞安全技术方面综述了整车碰撞、乘员保护、行人保护、儿童碰撞安全与保护、新能源汽车碰撞安全等。该综述可为汽车工程学科的学术研究提供新的视角和基础资料。
二、跟踪测量视频的高精度同步采集系统（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、跟踪测量视频的高精度同步采集系统（论文提纲范文）
（1）高速视频测量技术及在水箱液面高度监测的应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 高速视频摄影测量技术国内外研究现状及在土木工程上的应用 |
| 1.2.1 高速视频摄影测量技术国内外研究现状 |
| 1.2.2 高速视频摄影测量技术在土木工程领域的应用 |
| 1.3 本文主要研究内容与结构 |
| 1.3.1 当前问题与主要研究内容 |
| 1.3.2 主要结构 |
| 1.3.3 技术路线图 |
| 第2章 高速视频摄影测量传感器网络 |
| 2.1 高速视频摄影测量系统构建 |
| 2.1.1 数据采集卡 |
| 2.1.2 高速相机 |
| 2.1.3 同步控制器 |
| 2.1.4 计算机 |
| 2.2 高速传感器网络布设 |
| 2.2.1 照明光源 |
| 2.2.2 人工标志 |
| 2.2.3 高速传感器网络布设 |
| 2.3 相机同步精度检校 |
| 2.4 本章小结 |
| 第3章 内外方位元素一体化解算 |
| 3.1 像片的内方位元素和外方位元素 |
| 3.1.1 内方位元素 |
| 3.1.2 外方位元素 |
| 3.2 高速相机的检校方法 |
| 3.2.1 张正友标定法 |
| 3.2.2 DLT法 |
| 3.3 内外方位元素一体化解算 |
| 3.4 本章小结 |
| 第4章 液面位移场的构建 |
| 4.1 目标点的识别与跟踪 |
| 4.2 标志点三维坐标计算 |
| 4.3 运动参数计算与应变场构建 |
| 4.3.1 位移 |
| 4.3.2 变形 |
| 4.3.3 速度 |
| 4.3.4 位移场 |
| 4.3.5 应变场 |
| 4.4 本章小结 |
| 第5章 高速视频摄影测量技术在TLD水箱液面高度监测中的应用 |
| 5.1 实验设计与实验设备 |
| 5.2 TLD实验高速视频摄影测量网络布设 |
| 5.3 实验数据处理 |
| 5.3.1 相机内外参数解算 |
| 5.3.2 人工标志点三维坐标提取与计算 |
| 5.4 实验结果分析与讨论 |
| 5.4.1 标志点随时间变化位移变化与分析 |
| 5.4.2 高速视频摄影测量技术与激光法结果对比分析 |
| 5.4.3 液面位移场构建 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 附录 |
| 致谢 |
（2）视线跟踪系统关键技术研究与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 视线跟踪系统研究背景、意义及应用 |
| 1.2 视线跟踪方法概述 |
| 1.2.1 非视频的眼动跟踪方法 |
| 1.2.2 基于视频的视线跟踪方法 |
| 1.2.3 VOG视线跟踪产品 |
| 1.3 VOG视线跟踪系统面临的挑战 |
| 1.3.1 现有VOG视线跟踪系统的问题 |
| 1.3.2 鲁棒性防攻击高精度特征提取 |
| 1.3.3 用户免标定问题 |
| 1.3.4 眼动行为识别 |
| 1.4 论文的主要贡献及结构安排 |
| 第二章 高鲁棒性防攻击的眼特征提取算法 |
| 2.1 引言 |
| 2.2 眼图数据库 |
| 2.2.1 公开数据库CASIA-Iris-V4.0 |
| 2.2.2 公开伪虹膜数据库CASIA-Iris-Fake |
| 2.2.3 IPITRT数据库 |
| 2.3 基于轻量化网络高鲁棒性防攻击虹膜定位算法 |
| 2.3.1 深度学习网络轻量化趋势 |
| 2.3.2 轻量化高鲁棒性防攻击虹膜定位算法的网络架构 |
| 2.3.3 网络的训练 |
| 2.4 鲁棒性瞳孔和反射光斑特征提取 |
| 2.4.1 鲁棒性瞳孔和反射光斑提取算法总体设计 |
| 2.4.2 自适应阈值方法 |
| 2.4.3 瞳孔遮挡剔除方法 |
| 2.4.4 基于RANSAC的椭圆拟合算法 |
| 2.5 实验结果和分析 |
| 2.5.1 测试数据集 |
| 2.5.2 LAILNet算法性能 |
| 2.5.3 LAILNet-PD和LAILNet-GD算法的性能 |
| 2.6 本章总结 |
| 第三章 基于3D双眼模型的免标定视线估计方法 |
| 3.1 引言 |
| 3.2 双眼模型建模 |
| 3.2.1 眼球模型 |
| 3.2.2 双眼建模 |
| 3.2.3 角膜曲率中心求解 |
| 3.2.4 瞳孔中心的求解 |
| 3.2.5 视线点求解 |
| 3.3 双眼模型标定 |
| 3.3.1 参数R的标定 |
| 3.3.2 参数K的标定 |
| 3.3.3 参数Kappa角度的标定 |
| 3.4 仿真模型数据和视线估计结果 |
| 3.4.1 仿真模型数据 |
| 3.4.2 用户标定计算结果 |
| 3.4.3 视线估计结果 |
| 3.5 本章总结 |
| 第四章 眼动形式识别算法 |
| 4.1 引言 |
| 4.2 基于分割和聚类的眼动形式三分类识别算法 |
| 4.2.1 预处理 |
| 4.2.2 初步分割眼跳段 |
| 4.2.3 分割剩余眼动数据 |
| 4.2.4 段聚类 |
| 4.3 眼动数据库 |
| 4.4 实验结果与分析 |
| 4.4.1 实验结果 |
| 4.4.2 实验分析 |
| 4.5 本章小结 |
| 第五章 视线跟踪系统的设计与实现 |
| 5.1 系统的总体设计 |
| 5.2 系统硬件设计 |
| 5.2.1 器件选型 |
| 5.2.2 FPGA逻辑设计 |
| 5.2.3 USB3.0接口芯片的设计 |
| 5.3 系统软件设计 |
| 5.3.1 视频采集接口设计 |
| 5.3.2 采集处理线程设计 |
| 5.3.3 视线跟踪算法实现 |
| 5.4 系统测试、应用与IPITRT数据库 |
| 5.4.1 系统建立与标定 |
| 5.4.2 视线跟踪系统的硬件测试 |
| 5.4.3 视线跟踪系统的鲁棒性眼特征提取算法结果 |
| 5.4.4 视线跟踪系统性能测试结果 |
| 5.4.5 视线跟踪系统应用和IPITRT数据库 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 主要研究工作 |
| 6.2 研究的创新点 |
| 6.3 研究展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（3）复杂背景下反无人机的智能光电搜索跟踪技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 反无人机系统国内外研究现状 |
| 1.2.2 目标探测跟踪领域国内外研究现状 |
| 1.3 当前光电跟踪装备及目标搜索跟踪技术中存在的问题 |
| 1.4 研究难点 |
| 1.5 论文主要研究内容 |
| 第二章 目标成像特点及基本跟踪设计理论 |
| 2.1 引言 |
| 2.2 “低慢小”目标在复杂背景下的成像特点 |
| 2.2.1 光谱特征 |
| 2.2.2 颜色特征 |
| 2.2.3 偏振特性 |
| 2.2.4 三维特征 |
| 2.2.5 运动特征 |
| 2.3 基于多光谱探测的光学载荷设计 |
| 2.4 光电跟踪基本伺服跟踪理论 |
| 2.4.1 基本控制原理 |
| 2.4.2 复合前馈控制 |
| 2.4.3 目标跟踪及轨迹预测 |
| 2.4.4 动载体情况下的陀螺稳像控制 |
| 2.5 基于复杂背景的基本图像跟踪理论 |
| 2.6 本章小结 |
| 第三章 改进的多模TLD目标跟踪算法 |
| 3.1 引言 |
| 3.2 TLD算法的主要模块 |
| 3.2.1 跟踪器 |
| 3.2.2 检测器 |
| 3.2.3 整合器 |
| 3.2.4 P-N学习模块 |
| 3.3 KCF算法简介 |
| 3.3.1 构造样本 |
| 3.3.2 训练分类器 |
| 3.3.3 目标检测 |
| 3.3.4 分类器的更新 |
| 3.4 多模复合TLD目标跟踪算法 |
| 3.4.1 TLD算法中改进的多特征融合目标跟踪器 |
| 3.4.2 改进的多模复合TLD算法 |
| 3.4.3 仿真 |
| 3.5 本章小结 |
| 第四章 基于神经网络的IMM卡尔曼滤波前馈补偿伺服控制算法 |
| 4.1 引言 |
| 4.2 伺服系统构成及工作原理 |
| 4.3 基于神经网络的IMM卡尔曼滤波复合控制器 |
| 4.4 用于估计模型最优参数的神经网络参数训练器 |
| 4.5 仿真分析 |
| 4.6 本章小结 |
| 第五章 抗长时遮挡的联合IMM卡尔曼滤波-TLD目标跟踪算法 |
| 5.1 引言 |
| 5.2 基本原理 |
| 5.3 目标遮挡时对可能出现区域的概率估计 |
| 5.4 仿真分析 |
| 5.5 多机联合IMM卡尔曼滤波-TLD目标跟踪 |
| 5.6 基于抗长时遮挡IMM卡尔曼滤波器轨迹预估的延伸功能 |
| 5.7 本章小结 |
| 第六章 硬件设计与实现 |
| 6.1 引言 |
| 6.2 智能光电搜索跟踪系统构成和工作原理 |
| 6.3 光学系统设计 |
| 6.4 搜索跟踪系统的伺服控制模块设计 |
| 6.4.1 伺服控制系统设计要点 |
| 6.4.2 伺服控制系统总体构架 |
| 6.4.3 伺服控制电控设计 |
| 6.5 时序控制模块设计 |
| 6.6 GPU图像处理平台设计 |
| 6.7 关键技术 |
| 6.8 本章小结 |
| 第七章 智能光电搜索跟踪系统试验分析 |
| 7.1 引言 |
| 7.2 IMM卡尔曼滤波前馈补偿控制跟踪精度试验 |
| 7.3 多模复合TLD目标跟踪试验 |
| 7.4 抗长时遮挡IMM卡尔曼滤波-TLD目标跟踪试验 |
| 7.5 本章小结 |
| 第八章 工作总结与展望 |
| 8.1 总结 |
| 8.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（4）动云台立体视觉跟踪测量关键技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 动云台立体视觉测量技术的国内外研究现状 |
| 1.3 主要研究内容 |
| 1.4 章节安排 |
| 第二章 动云台立体视觉测量理论研究 |
| 2.1 相机成像模型研究 |
| 2.1.1 视觉坐标系与线性相机模型研究 |
| 2.1.2 非线性畸变模型研究 |
| 2.2 相机标定方法研究 |
| 2.2.1 直接线性变换方法研究 |
| 2.2.2 棋盘格标定方法研究 |
| 2.2.3 双目立体视觉标定理论研究 |
| 2.3 特征提取算法研究 |
| 2.3.1 角点检测算法研究 |
| 2.3.2 Hough圆识别算法研究 |
| 2.4 三维重建模型研究 |
| 2.5 本章小结 |
| 第三章 动云台条件下的目标特征提取 |
| 3.1 人眼运动轨迹追踪的意义 |
| 3.2 基于Haar级联分类器的人眼特征提取 |
| 3.3 基于Daugman算法的虹膜轮廓定位研究 |
| 3.4 基于Taylor插值算法的人眼虹膜中心亚像素定位 |
| 3.5 本章小结 |
| 第四章 动云台条件下的目标跟踪测量 |
| 4.1 视觉测量的动态校准方法 |
| 4.2 仿真条件下的人眼运动轨迹追踪 |
| 4.3 真实条件下的人眼运动轨迹追踪 |
| 4.4 疲劳实验 |
| 4.5 本章小结 |
| 第五章 动云台条件下的大空间视觉测量研究 |
| 5.1 大空间动云台立体视觉测量的意义 |
| 5.2 动云台立体视觉测量系统设计 |
| 5.3 测量原理分析 |
| 5.4 实验与分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 创新点 |
| 6.3 现有局限性与未来规划 |
| 参考文献 |
| 攻读硕士学位期间的学术活动及成果情况 |
（5）基于Zynq的手术导航光学定位关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题背景与意义 |
| 1.2 光学定位技术研究现状 |
| 1.2.1 双目视觉目标定位技术 |
| 1.2.2 近红外光学定位技术 |
| 1.3 本文研究内容与组织结构 |
| 第二章 光学定位系统硬件设计 |
| 2.1 引言 |
| 2.2 光学定位技术硬件需求分析 |
| 2.2.1 图像采集模块分析 |
| 2.2.2 外部通信模块分析 |
| 2.2.3 系统检测模块分析 |
| 2.2.4 信息显示模块分析 |
| 2.2.5 控制模块分析 |
| 2.3 硬件系统电路实现 |
| 2.3.1 图像采集模块硬件实现 |
| 2.3.2 外部通信模块硬件实现 |
| 2.3.3 主控制电路硬件实现 |
| 2.4 本章小结 |
| 第三章 Zynq平台软硬件协同设计 |
| 3.1 引言 |
| 3.2 Zynq7000 Soc开发体系 |
| 3.2.1 Zynq平台体系结构概述 |
| 3.2.2 PS和 PL接口技术 |
| 3.3 片上系统硬件平台设计 |
| 3.3.1 硬件平台框架设计 |
| 3.3.2 IP集成与配置 |
| 3.3.3 硬件设计综合与实现 |
| 3.4 系统软件平台建立 |
| 3.4.1 硬件初始化 |
| 3.4.2 VDMA读写控制程序设计 |
| 3.4.3 外部通信控制程序设计 |
| 3.4.4 信息显示控制程序设计 |
| 3.5 上位机软件设计 |
| 3.6 本章小结 |
| 第四章 系统测试与分析 |
| 4.1 图像采集同步性分析 |
| 4.2 光学定位系统标定 |
| 4.2.1 近红外相机标定板设计 |
| 4.2.2 相机标定结果分析 |
| 4.2.3 视场范围验证 |
| 4.3 系统定位精度实验分析 |
| 4.3.1 标记点定位精度结果分析 |
| 4.3.2 标记点定位精度对比分析 |
| 4.4 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（6）实时人体姿态行为检测识别及非刚性形貌稠密重建方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及目的 |
| 1.1.1 课题背景 |
| 1.1.2 研究目的及意义 |
| 1.2 国内外发展趋势 |
| 1.2.1 人体关节姿态测量 |
| 1.2.2 人员检测识别和行为检测识别 |
| 1.2.3 非刚性稠密重建 |
| 1.2.4 非线性优化加速 |
| 1.3 本文的主要内容和技术贡献 |
| 1.3.1 本文的主要内容 |
| 1.3.2 本文的技术贡献 |
| 1.3.3 本文组织结构 |
| 第二章 基于稠密关键点检测的人体姿态测量 |
| 2.1 问题介绍 |
| 2.2 相关研究 |
| 2.2.1 关键点检测 |
| 2.2.2 人体运动模型 |
| 2.2.3 在轨人体姿态测量应用 |
| 2.2.4 外科手术中的人体姿态测量辅助系统 |
| 2.2.5 跳台滑雪运动员姿态测量 |
| 2.3 基于神经网络的人体稠密关键点检测 |
| 2.3.1 神经网络框架 |
| 2.3.2 稠密人体数据标注 |
| 2.4 项目实验 |
| 2.4.1 稠密关键点检测框架测试 |
| 2.4.2 模拟在轨航天员人体姿态测量实验 |
| 2.4.3 外科手术中人体姿态测量实验 |
| 2.4.4 跳台滑雪运动员人体姿态测量 |
| 第三章 复杂场景中的人员行为检测识别 |
| 3.1 问题介绍 |
| 3.2 相关研究 |
| 3.2.1 目标检测 |
| 3.2.2 人员识别 |
| 3.2.3 行为识别 |
| 3.2.4 时序特征提取网络 |
| 3.3 联合时空信息的人员行为检测识别 |
| 3.3.1 本文框架 |
| 3.3.2 数据标定 |
| 3.3.3 嵌入式硬件设计 |
| 3.4 实验结果 |
| 3.4.1 行为识别结果 |
| 3.4.2 人员识别结果 |
| 3.5 结论 |
| 第四章 非刚性人体实时稠密重建 |
| 4.1 问题介绍 |
| 4.2 相关研究 |
| 4.2.1 Kinect Fusion |
| 4.2.2 Dynam Fusion |
| 4.2.3 Fusion4D |
| 4.2.4 关节运动估计 |
| 4.2.5 嵌入式运动估计 |
| 4.2.6 深度图融合 |
| 4.3 本文算法 |
| 4.3.1 流程概述 |
| 4.3.2 技术细节 |
| 4.4 实验结果 |
| 4.4.1 关节角度跟踪结果展示 |
| 4.4.2 稠密人体重建结果 |
| 4.4.3 算法的不足和讨论 |
| 4.5 结论 |
| 第五章 非线性优化问题的加速求解 |
| 5.1 问题介绍 |
| 5.2 相关研究 |
| 5.2.1 常规非线性优化 |
| 5.2.2 基于GPU并行加速优化的非线性优化加速 |
| 5.2.3 卷积神经网络中的非线性优化 |
| 5.3 基于GPU加速的中小规模非线性优化 |
| 5.3.1 Bin-CSR数据结构 |
| 5.3.2 稀疏矩阵向量乘法(SpMV) |
| 5.3.3 并行PCG算法 |
| 5.3.4 GPU矩阵构建和更新 |
| 5.3.5 实验对比 |
| 5.4 神经网络压缩加速 |
| 5.4.1 网络剪枝 |
| 5.4.2 权重量化和权重分享 |
| 5.4.3 霍夫曼编码 |
| 5.4.5 实验结果 |
| 5.5 结论 |
| 第六章 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 进一步工作展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
（7）基于物联网的害虫监测关键技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 引言 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 基于机器视觉的害虫监测 |
| 1.2.2 多传感器融合 |
| 1.2.3 农业物联网 |
| 1.3 论文研究内容与技术路线 |
| 1.3.1 课题来源 |
| 1.3.2 研究内容 |
| 1.3.3 技术路线 |
| 1.4 应用前景分析 |
| 1.5 论文组织结构 |
| 2 害虫监测无线采集节点设计 |
| 2.1 引言 |
| 2.2 节点硬件设计 |
| 2.2.1 总体物理结构 |
| 2.2.2 诱捕检测装置模块 |
| 2.2.3 监测控制装置模块 |
| 2.2.4 网络传输模块 |
| 2.2.5 太阳能供电模块 |
| 2.3 节点算法设计 |
| 2.3.1 害虫目标获取算法 |
| 2.3.2 害虫目标跟踪算法 |
| 2.3.3 害虫计量算法 |
| 2.3.4 节点监测算法优化 |
| 2.4 节点软件设计 |
| 2.4.1 监控跟踪程序设计 |
| 2.4.2 远程服务器设计 |
| 2.4.3 客户端设计 |
| 2.5 节点性能测试与分析 |
| 2.5.1 试验硬件设备 |
| 2.5.2 太阳能系统测试 |
| 2.5.3 系统软件运行测试 |
| 2.5.4 检测算法性能测试 |
| 2.5.5 系统监测应用测试 |
| 2.6 本章小结 |
| 3 害虫监测远程无线网络系统设计 |
| 3.1 引言 |
| 3.2 网络体系架构 |
| 3.2.1 网络应用特征 |
| 3.2.2 网络体系结构 |
| 3.3 感知层传感器融合设计 |
| 3.3.1 害虫监测无线采集节点 |
| 3.3.2 无线气象和土壤传感器节点 |
| 3.3.3 无人机航拍监测节点 |
| 3.3.4 传感器数据融合机制 |
| 3.4 网络层设计 |
| 3.4.1 拓扑结构 |
| 3.4.2 网络构建层 |
| 3.4.3 网络传输模型 |
| 3.4.4 传输控制机制 |
| 3.5 应用层设计 |
| 3.5.1 设计思想 |
| 3.5.2 功能模块结构图 |
| 3.5.3 用户系统用例图 |
| 3.5.4 数据库设计 |
| 3.5.5 软件运行效果 |
| 3.6 本章小结 |
| 4 农田综合试验与分析 |
| 4.1 引言 |
| 4.2 试验方案设计 |
| 4.3 区域部署 |
| 4.3.1 南沙区部署 |
| 4.3.2 从化区部署 |
| 4.3.3 增城区部署 |
| 4.3.4 天河区部署 |
| 4.3.5 多区域联网测试 |
| 4.4 试验数据分析 |
| 4.4.1 丢包率分析 |
| 4.4.2 数据融合分析 |
| 4.4.3 数据精度分析 |
| 4.4.4 环境因子空间相关性分析 |
| 4.4.5 环境因子与害虫的相关性分析 |
| 4.5 无人机监测数据分析 |
| 4.5.1 试验场地 |
| 4.5.2 无人机平台 |
| 4.5.3 图像数据处理 |
| 4.6 本章小结 |
| 5 结论与展望 |
| 5.1 论文总结 |
| 5.2 主要创新点 |
| 5.3 工作展望 |
| 致谢 |
| 参考文献 |
| 附录A 攻读博士学位期间的科研工作情况 |
（8）空间观测系统时空超分辨率成像关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 光场采集系统研究现状 |
| 1.2.2 时空超分辨率成像技术现状 |
| 1.2.3 时空配准技术现状 |
| 1.3 主要研究内容和结构安排 |
| 1.3.1 主要研究内容 |
| 1.3.2 本文的结构安排 |
| 第2章 时空超分辨率成像理论及关键技术 |
| 2.1 目标稀疏表示与降质分析 |
| 2.1.1 目标稀疏表示与观测矩阵 |
| 2.1.2 成像降质分析与退化模型 |
| 2.2 多视频序列的超分辨率重建算法 |
| 2.2.1 参数正则模型 |
| 2.2.2 非参数核回归模型 |
| 2.3 基于压缩感知的时空超分辨率成像 |
| 2.3.1 压缩编码孔径成像原理 |
| 2.3.2 光场调制对成像系统影响分析 |
| 2.4 时空配准和运动估计 |
| 2.4.1 泰勒级数法全局运动估计 |
| 2.4.2 基于光流法的局部运动估计 |
| 2.5 超分辨率成像质量评价 |
| 2.6 本章小结 |
| 第3章 时空超分辨率成像系统的时空配准 |
| 3.1 基于天文标定和SIFT流的联合时空配准 |
| 3.1.1 联合时空配准的MAP模型 |
| 3.1.2 基于天文标定的空间配准 |
| 3.1.3 基于SIFT流的时间配准测度 |
| 3.2 基于天文标定的多传感器空间配准 |
| 3.2.1 多传感器成像模型与星图模拟 |
| 3.2.2 基于四边形简比不变性的星图识别 |
| 3.2.3 基于奇异值分解的星图识别 |
| 3.3 基于SIFT流的运动估计 |
| 3.3.1 SIFT流运动估计原理 |
| 3.3.2 基于置信度传播的SIFT流的估计 |
| 3.4 多传感器的联合时空配准算法实现 |
| 3.4.1 算法实现 |
| 3.4.2 影响因素分析 |
| 3.5 实验验证与分析 |
| 3.5.1 多传感器空间配准的实验验证与分析 |
| 3.5.2 基于SIFT流的时间配准测度实验与分析 |
| 3.6 本章小结 |
| 第4章 多视频序列时空超分辨率重建方法研究 |
| 4.1 基于运动矢量加权的三维邻域系统 |
| 4.1.1 加权邻域系统 |
| 4.1.2 基于稀疏约束的SIFT流估计 |
| 4.1.3 仿真验证与性能分析 |
| 4.2 基于MAP-MRF的时空超分辨率重建 |
| 4.2.1 超分辨率重建的Bayesian模型 |
| 4.2.2 基于IRLS的模糊核估计 |
| 4.2.3 基于MAP-MRF的重建算法实现 |
| 4.3 仿真验证及分析 |
| 4.3.1 静态图像的空间超分辨率重建性能 |
| 4.3.2 单视频序列空间超分辨率重建性能 |
| 4.3.3 多视频序列时空超分辨率重建算法性能 |
| 4.4 成像实验与分析 |
| 4.5 本章小结 |
| 第5章 孔径编码时间压缩的时空超分辨率成像研究 |
| 5.1 CACTI成像方法及重建原理 |
| 5.1.1 CACTI成像原理 |
| 5.1.2 GAP重建算法 |
| 5.1.3 现有重建算法分析 |
| 5.2 基于多正则约束的时空超分辨率重建算法 |
| 5.2.1 多正则约束的CACTI重建算法 |
| 5.2.2 基于多正则约束的MAP-MRF重建算法 |
| 5.3 仿真验证与分析 |
| 5.3.1 不同压缩率下的重建性能比较 |
| 5.3.2 不同噪声条件下的重建性能比较 |
| 5.3.3 CACTI时空超分辨率重建性能分析 |
| 5.4 CACTI的成像系统构建与测试 |
| 5.4.1 实验系统构建 |
| 5.4.2 关键器件性能测试 |
| 5.4.3 成像实验与评估 |
| 5.5 本章小结 |
| 第6章 空间复用时空超分辨成像技术研究 |
| 6.1 基于压缩感知的空间复用超分辨率成像 |
| 6.1.1 CS-MUVI成像原理 |
| 6.1.2 CS-CAKEI成像原理 |
| 6.2 空间复用时空超分辨率成像关键技术及性能 |
| 6.2.1 基于压缩感知的SMCs关键技术 |
| 6.2.2 基于压缩感知的SMCs成像性能分析 |
| 6.3 基于空间复用的CACTI重建方法 |
| 6.3.1 双尺度编码的CACTI方法 |
| 6.3.2 基于TV和运动矢量约束的重建方法 |
| 6.3.3 ADMM-ALB鲁棒重建算法 |
| 6.4 仿真验证与分析 |
| 6.4.1 ADMM-ALB的重建算法性能 |
| 6.4.2 多正则约束的重建算法性能比较 |
| 6.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间发表的论文与研究成果清单 |
| 致谢 |
| 作者简介 |
（9）多摄像机立体视觉动态实时测量系统（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 多摄像机立体视觉系统研究现状 |
| 1.2.1 双目立体视觉研究现状 |
| 1.2.2 多摄像机立体视觉研究现状 |
| 1.2.3 关键技术 |
| 1.3 论文的主要内容与章节安排 |
| 第2章 多摄像机立体视觉系统总体设计 |
| 2.1 需求分析 |
| 2.2 硬件设计 |
| 2.2.1 相机型号选择 |
| 2.2.2 图像采集卡型号选择 |
| 2.3 软件设计 |
| 2.3.1 系统软件开发工具选择 |
| 2.3.2 多摄像机立体视觉动态测量算法 |
| 2.3.3 基于Lab VIEW的多相机同步采集系统 |
| 2.4 本章小结 |
| 第3章 多摄像机立体视觉系统模型 |
| 3.1 立体视觉中的坐标系 |
| 3.2 针孔成像模型 |
| 3.3 透镜畸变矫正 |
| 3.4 多摄像机立体视觉系统模型 |
| 3.5 系统精度分析与系统结构设计 |
| 3.6 本章小结 |
| 第4章 多摄像机立体标定 |
| 4.1 多摄像机视觉立体标定算法 |
| 4.1.1 单目相机标定 |
| 4.1.2 双目相机立体标定 |
| 4.1.3 多摄像机立体视觉系统的全局标定算法 |
| 4.2 标定工具箱设计 |
| 4.2.1 标定工具箱需求分析 |
| 4.2.2 标定工具箱现状分析 |
| 4.2.3 程序设计 |
| 4.3 立体标定实验 |
| 4.3.1 曝光控制试验 |
| 4.3.2 曝光控制对标定结果的影响 |
| 4.3.3 立体标定结果 |
| 4.4 本章小结 |
| 第5章 运动物体的多摄像机立体视觉测量 |
| 5.1 多摄像机立体视觉的空间点定位算法 |
| 5.2 图像特征点定位 |
| 5.2.1 特征点选取 |
| 5.2.2 四边形对角线交叉点提取算法设计 |
| 5.3 基于检测更新模型的图像运动跟踪算法 |
| 5.4 自适应滤波算法 |
| 5.4.1 IAE滤波原理 |
| 5.4.2 IAE标准差估计精度研究 |
| 5.4.3 IAE-DW滤波原理 |
| 5.5 实验研究 |
| 5.5.1 IAE-DW长度测量滤波 |
| 5.5.2 空间定位与轨迹测量 |
| 5.5.3 图像运动跟踪实验 |
| 5.6 本章总结 |
| 结论 |
| 参考文献 |
| 攻读学位期间发表论文与研究成果清单 |
| 致谢 |
（10）中国汽车工程学术研究综述·2017（论文提纲范文）
| 索引 |
| 0引言 |
| 1汽车NVH控制 (长安汽车工程研究院庞剑总工程师统稿) |
| 1.1从静音到声品质 (重庆大学贺岩松教授提供初稿) |
| 1.1.1国内外研究现状 |
| 1.1.1.1声品质主观评价 |
| 1.1.1.2声品质客观评价 |
| 1.1.1.3声品质主客观统一模型 |
| 1.1.2存在的问题 |
| 1.1.3研究发展趋势 |
| 1.2新能源汽车NVH控制技术 |
| 1.2.1驱动电机动力总成的NVH技术 (同济大学左曙光教授、林福博士生提供初稿) |
| 1.2.1.1国内外研究现状 |
| 1.2.1.2热点研究方向 |
| 1.2.1.3存在的问题与展望 |
| 1.2.2燃料电池发动机用空压机的NVH技术 (同济大学左曙光教授、韦开君博士生提供初稿) |
| 1.2.2.1国内外研究现状 |
| 1.2.2.2存在的问题 |
| 1.2.2.3总结与展望 |
| 1.3车身与底盘总成NVH控制技术 |
| 1.3.1车身与内饰 (长安汽车工程研究院庞剑总工程师提供初稿) |
| 1.3.1.1车身结构 |
| 1.3.1.2声学包装 |
| 1.3.2制动系 (同济大学张立军教授、徐杰博士生、孟德建讲师提供初稿) |
| 1.3.2.1制动抖动 |
| 1.3.2.2制动颤振 |
| 1.3.2.3制动尖叫 |
| 1.3.2.4瓶颈问题与未来趋势 |
| 1.3.3轮胎 (清华大学危银涛教授、杨永宝博士生、赵崇雷硕士生提供初稿) |
| 1.3.3.1轮胎噪声机理研究 |
| 1.3.3.2轮胎噪声计算模型 |
| 1.3.3.3轮胎噪声的测量手段 |
| 1.3.3.4降噪方法 |
| 1.3.3.5问题与展望 |
| 1.3.4悬架系 (吉林大学庄晔副教授提供初稿) |
| 1.3.4.1悬架系NVH问题概述 |
| 1.3.4.2悬架系的动力学建模与NVH预开发 |
| 1.3.4.3悬架系的关键部件NVH设计 |
| 1.3.4.4悬架NVH设计整改 |
| 1.4主动振动控制技术 (重庆大学郑玲教授提供初稿) |
| 1.4.1主动和半主动悬架技术 |
| 1.4.1.1主动悬架技术 |
| 1.4.1.2半主动悬架技术 |
| 1.4.2主动和半主动悬置技术 |
| 1.4.2.1主动悬置技术 |
| 1.4.2.2半主动悬置技术 |
| 1.4.3问题及发展趋势 |
| 2汽车电动化与低碳化 (江苏大学何仁教授统稿) |
| 2.1传统汽车动力总成节能技术 (同济大学郝真真博士生、倪计民教授提供初稿) |
| 2.1.1国内外研究现状 |
| 2.1.1.1替代燃料发动机 |
| 2.1.1.2高效内燃机 |
| 2.1.1.3新型传动方式 |
| 2.1.2存在的主要问题 |
| 2.1.3重点研究方向 |
| 2.1.4发展对策及趋势 |
| 2.2混合动力电动汽车技术 (重庆大学胡建军教授、秦大同教授, 彭航、周星宇博士生提供初稿) |
| 2.2.1国内外研究现状 |
| 2.2.2存在的问题 |
| 2.2.3重点研究方向 |
| 2.3新能源汽车技术 |
| 2.3.1纯电动汽车技术 (长安大学马建、余强、汪贵平教授, 赵轩、李耀华副教授, 许世维、唐自强、张一西研究生提供初稿) |
| 2.3.1.1动力电池 |
| 2.3.1.2分布式驱动电动汽车驱动控制技术 |
| 2.3.1.3纯电动汽车制动能量回收技术 |
| 2.3.2插电式混合动力汽车技术 (重庆大学胡建军、秦大同教授, 彭航、周星宇博士生提供初稿) |
| 2.3.2.1国内外研究现状 |
| 2.3.2.2存在的问题 |
| 2.3.2.3热点研究方向 |
| 2.3.2.4研究发展趋势 |
| 2.3.3燃料电池电动汽车技术 (北京理工大学王震坡教授、邓钧君助理教授, 北京重理能源科技有限公司高雷工程师提供初稿) |
| 2.3.3.1国内外技术发展现状 |
| 2.3.3.2关键技术及热点研究方向 |
| 2.3.3.3制约燃料电池汽车发展的关键因素 |
| 2.3.3.4燃料电池汽车的发展趋势 |
| 3汽车电子化 (吉林大学宗长富教授统稿) |
| 3.1汽车发动机电控技术 (北京航空航天大学杨世春教授、陈飞博士提供初稿) |
| 3.1.1国内外研究现状 |
| 3.1.2重点研究方向 |
| 3.1.2.1汽车发动机燃油喷射控制技术 |
| 3.1.2.2汽车发动机涡轮增压控制技术 |
| 3.1.2.3汽车发动机电子节气门控制技术 |
| 3.1.2.4汽车发动机点火控制技术 |
| 3.1.2.5汽车发动机空燃比控制技术 |
| 3.1.2.6汽车发动机怠速控制技术 |
| 3.1.2.7汽车发动机爆震检测与控制技术 |
| 3.1.2.8汽车发动机先进燃烧模式控制技术 |
| 3.1.2.9汽车柴油发动机电子控制技术 |
| 3.1.3研究发展趋势 |
| 3.2汽车转向电控技术 |
| 3.2.1电动助力转向技术 (吉林大学宗长富教授、陈国迎博士提供初稿) |
| 3.2.1.1国内外研究现状 |
| 3.2.1.2重点研究方向和存在的问题 |
| 3.2.1.3研究发展趋势 |
| 3.2.2主动转向及四轮转向技术 (吉林大学宗长富教授、陈国迎博士提供初稿) |
| 3.2.2.1国内外研究现状 |
| 3.2.2.2研究热点和存在问题 |
| 3.2.2.3研究发展趋势 |
| 3.2.3线控转向技术 (吉林大学郑宏宇副教授提供初稿) |
| 3.2.3.1转向角传动比 |
| 3.2.3.2转向路感模拟 |
| 3.2.3.3诊断容错技术 |
| 3.2.4商用车电控转向技术 (吉林大学宗长富教授、赵伟强副教授, 韩小健、高恪研究生提供初稿) |
| 3.2.4.1电控液压转向系统 |
| 3.2.4.2电液耦合转向系统 |
| 3.2.4.3电动助力转向系统 |
| 3.2.4.4后轴主动转向系统 |
| 3.2.4.5新能源商用车转向系统 |
| 3.2.4.6商用车转向系统的发展方向 |
| 3.3汽车制动控制技术 (合肥工业大学陈无畏教授、汪洪波副教授提供初稿) |
| 3.3.1国内外研究现状 |
| 3.3.1.1制动系统元部件研发 |
| 3.3.1.2制动系统性能分析 |
| 3.3.1.3制动系统控制研究 |
| 3.3.1.4电动汽车研究 |
| 3.3.1.5混合动力汽车研究 |
| 3.3.1.6参数测量 |
| 3.3.1.7与其他系统耦合分析及控制 |
| 3.3.1.8其他方面 |
| 3.3.2存在的问题 |
| 3.4汽车悬架电控技术 (吉林大学庄晔副教授提供初稿) |
| 3.4.1电控悬架功能与评价指标 |
| 3.4.2电控主动悬架最优控制 |
| 3.4.3电控悬架其他控制算法 |
| 3.4.4电控悬架产品开发 |
| 4汽车智能化与网联化 (清华大学李克强教授、长安大学赵祥模教授共同统稿) |
| 4.1国内外智能网联汽车研究概要 |
| 4.1.1美国智能网联汽车研究进展 (美国得克萨斯州交通厅Jianming Ma博士提供初稿) |
| 4.1.1.1美国智能网联车研究意义 |
| 4.1.1.2网联车安全研究 |
| 4.1.1.3美国自动驾驶车辆研究 |
| 4.1.1.4智能网联自动驾驶车 |
| 4.1.2中国智能网联汽车研究进展 (长安大学赵祥模教授、徐志刚副教授、闵海根、孙朋朋、王振博士生提供初稿) |
| 4.1.2.1中国智能网联汽车规划 |
| 4.1.2.2中国高校及研究机构智能网联汽车开发情况 |
| 4.1.2.3中国企业智能网联汽车开发情况 |
| 4.1.2.4存在的问题 |
| 4.1.2.5展望 |
| 4.2复杂交通环境感知 |
| 4.2.1基于激光雷达的环境感知 (长安大学付锐教授、张名芳博士生提供初稿) |
| 4.2.1.1点云聚类 |
| 4.2.1.2可通行区域分析 |
| 4.2.1.3障碍物识别 |
| 4.2.1.4障碍物跟踪 |
| 4.2.1.5小结 |
| 4.2.2车载摄像机等单传感器处理技术 (武汉理工大学胡钊政教授、陈志军博士, 长安大学刘占文博士提供初稿) |
| 4.2.2.1交通标志识别 |
| 4.2.2.2车道线检测 |
| 4.2.2.3交通信号灯检测 |
| 4.2.2.4行人检测 |
| 4.2.2.5车辆检测 |
| 4.2.2.6总结与展望 |
| 4.3高精度地图及车辆导航定位 (武汉大学李必军教授、长安大学徐志刚副教授提供初稿) |
| 4.3.1国内外研究现状 |
| 4.3.2当前研究热点 |
| 4.3.2.1高精度地图的采集 |
| 4.3.2.2高精度地图的地图模型 |
| 4.3.2.3高精度地图定位技术 |
| 4.3.2.4基于GIS的路径规划 |
| 4.3.3存在的问题 |
| 4.3.4重点研究方向与展望 |
| 4.4汽车自主决策与轨迹规划 (清华大学王建强研究员、李升波副教授、忻隆博士提供初稿) |
| 4.4.1驾驶人决策行为特性 |
| 4.4.2周车运动轨迹预测 |
| 4.4.3智能汽车决策方法 |
| 4.4.4自主决策面临的挑战 |
| 4.4.5自动驾驶车辆的路径规划算法 |
| 4.4.5.1路线图法 |
| 4.4.5.2网格分解法 |
| 4.4.5.3 Dijistra算法 |
| 4.4.5.4 A*算法 |
| 4.4.6路径面临的挑战 |
| 4.5车辆横向控制及纵向动力学控制 |
| 4.5.1车辆横向控制结构 (华南理工大学游峰副教授, 初鑫男、谷广研究生, 中山大学张荣辉研究员提供初稿) |
| 4.5.1.1基于经典控制理论的车辆横向控制 (PID) |
| 4.5.1.2基于现代控制理论的车辆横向控制 |
| 4.5.1.3基于智能控制理论的车辆横向控制 |
| 4.5.1.4考虑驾驶人特性的车辆横向控制 |
| 4.5.1.5面临的挑战 |
| 4.5.2动力学控制 (清华大学李升波副研究员、李克强教授、徐少兵博士提供初稿) |
| 4.5.2.1纵向动力学模型 |
| 4.5.2.2纵向稳定性控制 |
| 4.5.2.3纵向速度控制 |
| 4.5.2.4自适应巡航控制 |
| 4.5.2.5节油驾驶控制 |
| 4.6智能网联汽车测试 (中国科学院自动化研究所黄武陵副研究员、王飞跃研究员, 清华大学李力副教授, 西安交通大学刘跃虎教授、郑南宁院士提供初稿) |
| 4.6.1智能网联汽车测试研究现状 |
| 4.6.2智能网联汽车测试热点研究方向 |
| 4.6.2.1智能网联汽车测试内容研究 |
| 4.6.2.2智能网联汽车测试方法 |
| 4.6.2.3智能网联汽车的测试场地建设 |
| 4.6.3智能网联汽车测试存在的问题 |
| 4.6.4智能网联汽车测试研究发展趋势 |
| 4.6.4.1智能网联汽车测试场地建设要求 |
| 4.6.4.2智能网联汽车测评方法的发展 |
| 4.6.4.3加速智能网联汽车测试及进程管理 |
| 4.7典型应用实例解析 |
| 4.7.1典型汽车ADAS系统解析 |
| 4.7.1.1辅助车道保持系统、变道辅助系统与自动泊车系统 (同济大学陈慧教授, 何晓临、刘颂研究生提供初稿) |
| 4.7.1.2 ACC/AEB系统 (清华大学王建强研究员, 华南理工大学游峰副教授、初鑫男、谷广研究生, 中山大学张荣辉研究员提供初稿) |
| 4.7.2 V2X协同及队列自动驾驶 |
| 4.7.2.1一维队列控制 (清华大学李克强教授、李升波副教授提供初稿) |
| 4.7.2.2二维多车协同控制 (清华大学李力副教授提供初稿) |
| 4.7.3智能汽车的人机共驾技术 (武汉理工大学褚端峰副研究员、吴超仲教授、黄珍教授提供初稿) |
| 4.7.3.1国内外研究现状 |
| 4.7.3.2存在的问题 |
| 4.7.3.3热点研究方向 |
| 4.7.3.4研究发展趋势 |
| 5汽车碰撞安全技术 |
| 5.1整车碰撞 (长沙理工大学雷正保教授提供初稿) |
| 5.1.1汽车碰撞相容性 |
| 5.1.1.1国内外研究现状 |
| 5.1.1.2存在的问题 |
| 5.1.1.3重点研究方向 |
| 5.1.1.4展望 |
| 5.1.2汽车偏置碰撞安全性 |
| 5.1.2.1国内外研究现状 |
| 5.1.2.2存在的问题 |
| 5.1.2.3重点研究方向 |
| 5.1.2.4展望 |
| 5.1.3汽车碰撞试验测试技术 |
| 5.1.3.1国内外研究现状 |
| 5.1.3.2存在的问题 |
| 5.1.3.3重点研究方向 |
| 5.1.3.4展望 |
| 5.2乘员保护 (重庆理工大学胡远志教授提供初稿) |
| 5.2.1国内外研究现状 |
| 5.2.2重点研究方向 |
| 5.2.3展望 |
| 5.3行人保护 (同济大学王宏雁教授、余泳利研究生提供初稿) |
| 5.3.1概述 |
| 5.3.2国内外研究现状 |
| 5.3.2.1被动安全技术 |
| 5.3.2.2主动安全技术研究 |
| 5.3.3研究热点 |
| 5.3.3.1事故研究趋势 |
| 5.3.3.2技术发展趋势 |
| 5.3.4存在的问题 |
| 5.3.5小结 |
| 5.4儿童碰撞安全与保护 (湖南大学曹立波教授, 同济大学王宏雁教授、李舒畅研究生提供初稿;曹立波教授统稿) |
| 5.4.1国内外研究现状 |
| 5.4.1.1儿童碰撞安全现状 |
| 5.4.1.2儿童损伤生物力学研究现状 |
| 5.4.1.3车内儿童安全法规和试验方法 |
| 5.4.1.4车外儿童安全法规和试验方法 |
| 5.4.1.5儿童安全防护措施 |
| 5.4.1.6儿童约束系统使用管理与评价 |
| 5.4.2存在的问题 |
| 5.4.3重点研究方向 |
| 5.4.4发展对策和展望 |
| 5.5新能源汽车碰撞安全 (大连理工大学侯文彬教授、侯少强硕士生提供初稿) |
| 5.5.1国内外研究现状 |
| 5.5.1.1新能源汽车碰撞试验 |
| 5.5.1.2高压电安全控制研究 |
| 5.5.1.3新能源汽车车身结构布局研究 |
| 5.5.1.4电池包碰撞安全防护 |
| 5.5.1.5动力电池碰撞安全 |
| 5.5.2热点研究方向 |
| 5.5.3存在的问题 |
| 5.5.4发展对策与展望 |
| 6结语 |
四、跟踪测量视频的高精度同步采集系统（论文参考文献）
- [1]高速视频测量技术及在水箱液面高度监测的应用[D]. 高凯. 北京建筑大学, 2020(08)
- [2]视线跟踪系统关键技术研究与实现[D]. 彭弘铭. 西安电子科技大学, 2020
- [3]复杂背景下反无人机的智能光电搜索跟踪技术研究[D]. 林俤. 中国科学院大学(中国科学院西安光学精密机械研究所), 2020(06)
- [4]动云台立体视觉跟踪测量关键技术研究[D]. 杨泽. 合肥工业大学, 2020(02)
- [5]基于Zynq的手术导航光学定位关键技术研究[D]. 李春田. 华南理工大学, 2019
- [6]实时人体姿态行为检测识别及非刚性形貌稠密重建方法研究[D]. 谢良. 国防科技大学, 2018(01)
- [7]基于物联网的害虫监测关键技术研究[D]. 冯健昭. 华南农业大学, 2018(08)
- [8]空间观测系统时空超分辨率成像关键技术研究[D]. 张廷华. 北京理工大学, 2018
- [9]多摄像机立体视觉动态实时测量系统[D]. 史小敏. 北京理工大学, 2018(07)
- [10]中国汽车工程学术研究综述·2017[J]. 《中国公路学报》编辑部. 中国公路学报, 2017(06)