飞行时间(Time-of-Flight, ToF)三维成像方法由于多路径干扰和混合像素等问题降低了目标物体深度测量的精度。传统的方法通过优化重构异常点云数据或滤除噪声点云数据来提高目标的准确性, 但是这些方法复杂度高且容易导致过度平滑。三维点云图像中的有效点云与噪声点云之间的关系很难用数学模型来表示。针对上述问题, 本文提出了一种基于置信度的飞行时间点云去噪方法。首先, 分析多帧点云数据的概率相关性, 以点云数据的置信度作为判别有效点云与噪声点云的依据; 其次, 利用多帧点云之间的矢量对偶性, 提出了一种快速提取不同置信度点云的算法, 其时间复杂度为O(L); 最后使用该算法提取多帧三维图像中置信度高的点云数据获得目标物体的真实测量数据, 并重点对4组不同场景的点云数据进行对比实验。实验结果表明, 该算法能够在有效滤除噪声的同时, 显著提高目标物体的距离测量精度, 增强目标物体的特征, 因此具有广泛的应用价值。

针对第五代移动通信技术(5G)网络业务的多样性和复杂性导致传统产品基于泊松分布的可靠性试验置信度分析方法不再适用的问题,文章提出了基于业务故障分布统计的置信度分析方法,在5G网络业务的可靠性试验前期设计进行预试验,并根据预试验数据特点使用两种业务故障分布拟合方法对业务故障数据进行统计拟合,得到5G网络业务的故障分布规律,由此进行置信度分析,计算5G网络业务可靠性试验所需的试验次数以及对应的评估结果置信区间。案例验证表明,文章所提方法可帮助5G网络的可靠性试验设计者得到可信的试验结果。

针对显微立体视觉标定过程中, 因显微成像产生的畸变和模糊而造成棋盘格标定板角点误检的问题, 提出一种基于旋转不变性的角点检测方法, 研究了棋盘格角点间的几何特征, 对所有特征角点进行排序, 通过实验建立数学模型, 计算筛选的特征角点的置信度, 准确提取出棋盘格角点位置, 并通过一系列实验对这种方法的准确度、噪点数量以及精度进行验证。结果表明, 基于旋转不变性的棋盘格角点检测方法, 准确率达到91.2%, 重投影误差的均方差约为0.1像素, 具有较高的准确性和精度。

针对Canny边缘检测算法中通过固定的高低阈值而产生边缘的方法调参繁琐且有边缘间断或伪边缘的问题, 文章基于边缘特征的AdaBoost连接算法, 结合梯度信息、方向信息, 通过训练标记了的边缘结构的边缘特征数据, 将多个弱边缘分类器加权组合成强边缘分类器, 计算出图像中边缘端点与相邻端点的连接置信度, 判断端点之间是否连接。结果表明, 改进边缘连接的Canny算法具有更好的端点识别和连接能力, 能够有效连接漏掉的边缘, 且能获得完整干净的边缘。

介绍了一种基于图像像元独立性和空间非相关性假设条件下的置信度计算方法,并进行了真实数据的实验,分析了计算的准确性.结果表明计算置信度大小可以较准确判断景象匹配定位结果是否正确,在置信度小于0.5或接近1.0条件下尤其如此,但置信度大于0.5和小于0.99条件下景象匹配定位结果具有不确定性,探讨了解决此问题的方法和途径.