针对桥梁激光扫描巡检覆盖路径规划问题,提出基于点云切片的大型桥梁检查覆盖路径规划通用模型,这为多无人机系统桥梁覆盖路径规划提供了新的思路。首先,在点云切片的建模方法中增加补充视点,用于解决点云切片模型覆盖不完全的问题,将凸包集和补充视点转化为三维空间弧集,以弧为最小优化对象,解决大型建筑遍历搜索空间庞大的问题;其次,结合SC-CBBA (split and combine-consensus based bundle algorithm)和CRSOM (clustering characteristic of cluster growing ring self-organizing map)算法,实现多无人机任务的分配以及检查路径的弧序列规划;最后,通过仿真验证了该方法可以有效解决桥梁覆盖路径规划问题。

传统的卷积神经网络目标检测算法需要使用大量的数据来对网络参数进行训练,会花费大量的时间,并且森林火灾数据属于小样本数据。基于此,提出一种基于迁移学习的卷积神经网络森林火灾检测算法,该算法采用迁移学习的方法训练森林火灾检测网络模型。在建立的森林火灾数据集上进行实验,结果表明使用该算法进行森林火灾检测,准确率可达97%,具有准确率高、误报率低、检测时间短等优点,将其应用在森林火灾检测上具有一定的可行性。

摄像机标定在机器视觉系统研究中占据十分重要的部分,为更好更快地标定摄像机,提出一种基于混合粒子群算法的摄像机参数优化方法。用最小二乘法求出摄像机的内外参数,并以此作为待优化参数的初始值;然后以最小距离准则建立目标函数,再利用混合粒子群算法对摄像机参数进一步优化计算,最终获得误差小的摄像机参数。实验结果表明混合粒子群优化算法能够快速、高精度地收敛,可在一定程度上提高摄像机的标定精度。