西安工业大学 电子信息工程学院, 西安 710032
针对传统室内定位算法精度较低的问题, 提出一种基于Elman神经网络的室内定位算法。使用Elman神经网络进行指纹库插值扩充, 完备指纹库, 两者结合减少定位误差, 并对该算法模型进行了实验验证。实验结果表明: 在0.8 m×0.8 m×0.8 m环境中, 所提算法的平均定位误差为4.6 cm, 满足室内定位对于精度的要求。
可见光通信 室内定位 Elman神经网络 数据插值 visible light communication indoor positioning Elman neural network data interpolation
在基于三角测量原理和条纹投影方法的三维面形测量技术中, 三角投影会出现局部的阴影、遮挡。此外, 为了多次测量数据的有效拼接配准, 常常在待测物体表面添加必要的标记点。以上因素都会导致条纹图形的局部断裂, 最终导致三维点云数据的部分缺失。为保证三维测量结果的完整性和精度, 本文将径向基函数应用于缺失三维点云数据的插补。模拟和实物实验证明, 本文算法修补曲面较为光滑, 接近物体的原始数据, 有望用于三维面形测量结果的缺失数据修补。
三维面形测量 局部数据缺失 数据插补 径向基函数 3D shape measurement missing local data data interpolation radial basis function
四川大学电子信息学院光电系, 四川 成都 610064
在基于条纹投影和相位分析的三维面形测量中，由于被测物体表面标志点或复杂面形的阴影遮挡存在，会造成变形条纹局部区域的条纹数据缺失，影响相位和高度信息的最终重建，需要人为地对缺失图像信息进行修复。提出了一种新的缺失条纹数据修复方法——基于模版匹配的图像修复算法，通过图像中已有条纹信息（特别是与待修复区域周围相位信息相似度较高的已知条纹信息）对缺失的变形条纹信息进行估算，实现数据修复。该方法修复效果好，运算过程无需人为参与，便于计算机自动实现，尤其适合于待修复图像整体结构明显、纹理清晰图像的数据修复，有助于提高被测物体相位计算质量和在此基础上的三维面形重建质量。
光学测量 图像修复 模版匹配 数据插补 标志点 阴影遮挡 optical measurement image inpainting exemplar-based data interpolation marked point shadow
