1 长安大学汽车学院,陕西 西安 710018
2 长安大学信息工程学院,陕西 西安 710018
为了提升雨天车辆检测的精度,解决智能网联汽车的车辆检测系统受雨纹干扰导致精度衰退的问题,提出一种雨天车辆检测的两阶段渐进式图像去雨算法。该算法搭建了以轻量级特征提取与加权模块、高效率特征传递与融合模块为核心的两阶段渐进式去雨网络,实现了对雨纹信息的挖掘与捕获,完成了雨纹的精准去除。为了验证所提算法的有效性,融入基准车辆检测器YOLOv5,对输入YOLOv5的去雨图像进行检测。同时根据智能网联汽车的工作环境构建了混合车辆数据集。在该数据集上的结果表明:雨天交通场景下,相比其他算法,所提去雨算法对基准车辆检测器YOLOv5的精确率、召回率、mAP@0.5的增益分别为3.0个百分点、8.9个百分点、7.6个百分点,证明所提去雨算法能够显著提升对雨天车辆的检测精度,可应用于实际场景。
图像处理 图像去雨 图像增强 两阶段渐进式图像去雨算法 车辆检测 激光与光电子学进展
2023, 60(22): 2210006
Author Affiliations
Abstract
1 Institute of Quantum Electronics, School of Electronics, Peking University, Beijing 100871, China
2 Shanghai Institute of Optics and Fine Mechanics, Chinese Academy of Sciences, Shanghai 201800, China
To obtain cold atom samples with temperatures lower than 100 pK in the cold atom physics rack experiment of the Chinese Space Station, we propose to use the momentum filtering method for deep cooling of atoms. This paper introduces the experimental results of the momentum filtering method verified by our ground testing system. In the experiment, we designed a specific experimental sequence of standing-wave light pulses to control the temperature, atomic number, and size of the atomic cloud. The results show that the momentum filter can effectively and conveniently reduce the temperature of the atomic cloud and the energy of Bose–Einstein condensation, and can be flexibly combined with other cooling methods to enhance the cooling effect. This work provides a method for the atomic cooling scheme of the ultra-cold atomic system on the ground and on the space station, and shows a way of deep cooling atoms.
momentum filter standing-wave pulse Bose–Einstein condensation optical dipole trap two-stage cooling space station Chinese Optics Letters
2023, 21(8): 080201
1 天津大学 精密测试技术及仪器国家重点实验室,天津 300072
2 天津大学 微光机电系统技术教育部重点实验室,天津 300072
为构建适用于长时跟踪的重检测模块,受改进二阶段检测网络的GlobalTrack方法的启发,提出了一种高效的对特定模板目标进行端到端重检测的深度网络:首先,为了在大尺度图像上更高效地融合模板特征,通过构造交叉信息增强模块改进深度互相关方法,利用交叉通道注意力信息编码搜索特征和模板特征;此外,采用动态实例交互模块替代传统二阶段网络的RPN(region proposal network)和RCNN(region-based convolutional neural networks)结构,根据模板信息指导检测网络的分类和回归阶段,构建了端到端的稀疏重检测结构。在LaSOT和OxUva长时跟踪数据集上进行对比实验,本文方法相较于原始方法性能提升3%,实时帧率提升173%。实验结果表明,改进后的方法可以在全图范围内更准确、快速地重新检测模板目标。
长时跟踪 二阶段检测 重检测 通道注意力机制 long-term tracking two-stage detection re-detection channel attention mechanism
1 厦门大学航空航天学院, 福建 厦门 361000
2 厦门大学福建省传感技术重点实验室, 福建 厦门 361000
高斯型掺铒光纤光源稳定性高, 可有效减小光纤陀螺相位误差, 从而提高光纤陀螺的测量精度。通过对掺铒光纤光源的经典结构进行理论分析, 提出了由双程前向结构和单程后向结构复合而成的双级单泵浦结构, 并对其进行光路结构仿真, 以确定最佳的光路参数范围。泵浦输出波长和功率的稳定性直接影响光源的功率稳定性和平均波长稳定性, 因此针对电流驱动型泵浦激光器设计了恒流驱动方案和恒温控制方案。试验结果表明, 所研制的掺铒光纤光源在-45~65 ℃的温度范围内, 全温功率变化率为8.27%, 全温平均波长稳定性为1.7×10-6 K-1。
激光器与激光光学 陀螺仪 掺铒光纤光源 双级单泵浦结构 恒流、恒温控制 lasers and laser optics gyroscopes doped fiber light source two-stage single-pump structure constant current and constant temperature control
1 西安建筑科技大学信息与控制工程学院,陕西 西安 710055
2 西安交通大学自动化科学与工程学院,陕西 西安 710049
为解决工厂流水线上不同种类动态物品的快速精准抓取问题,提出一种两阶段动态多物品定位抓取方法。第1阶段采用所提多尺度上下文感知的单分支融合语义分割网络获取目标物品的掩码区域:首先特征提取网络采用单分支结构,在保证提取丰富的空间信息和高层语义信息的同时,减小网络参数量;随后特征融合网络通过双边引导特征融合模块增强空间信息和语义信息的表达能力;最后设计特征增强网络,通过特征辅助收敛模块嵌入浅层和深层网络中,加快网络收敛速度。第2阶段采用基于轮廓点检测的快速位姿估计策略在掩码区域预测最佳抓取点位姿。在自建数据集上的测试及流水线平台抓取实验结果表明,所提方法能实时检测和预测物品抓取点位姿,精准完成物品抓取,其分割精度、预测时间和抓取成功率均优于对比方法。
机器视觉 机器人抓取 两阶段定位抓取算法 多尺度上下文感知 特征增强 位姿估计 激光与光电子学进展
2023, 60(6): 0615005
1 中国科学院光电技术研究所,四川 成都 610209
2 中国科学院光束控制重点实验室, 四川 成都 610209
3 中国科学院大学,北京 100049
Stewart平台具有六自由度运动特性,既可用于隔振,也可用作跟踪平台。但是隔振功能要求系统带宽低,而跟踪功能则要求系统带宽高,二者的矛盾使得使用具有隔振功能的Stewart平台很难实现高精度跟踪。为了解决这一技术问题,引入高带宽的倾斜校正系统,构成双阶控制结构,以提高精度。传统的双阶控制需设计解耦环节,需要独立的测量传感器实现分级控制。本文提出了一种基于单传感器的控制方法,对传统的双阶结构进行改进,避免解耦环节,实现对Stewart-TTM高精度稳定闭环。为了进一步提高系统在带宽内的跟踪精度,设计PI-PI控制器经理论分析以及实验验证:基于单传感器测量的Stewart的双阶控制结构既能够满足隔振要求,又能够实现高精度跟踪控制。
Stewart平台 双阶系统 PI-PI控制 Stewart platform two-stage system PI-PI control
1 郑州大学 集成电路可靠性设计与静电防护实验室, 郑州 450000
2 西安理工大学 自动化与信息工程学院, 西安 710000
3 长鑫存储技术有限公司, 合肥 230000
提出了一种用于降低触发电压的两级防护SCR(TSPSCR)。在传统LVTSCR中植入P-ESD层, 增设额外的二极管。因为P-ESD层的掺杂浓度较高, 该器件能更早发生雪崩击穿而触发第一级泄流路径, 从而开启第二级泄流路径。Sentaurus TCAD仿真结果表明, 该器件的触发电压从传统器件的10.59 V降低至4.12 V, 维持电压为1.25 V, 1 V直流电压下漏电流仅为7.85 nA。优化后的TSPSCR适用于先进1 V工作电压的电路中。
两级防护 触发电压 漏电流 ESD ESD SCR SCR two-stage-protection trigger voltage leakage current
贵州大学大数据与信息工程学院, 贵州 贵阳 550025
针对当前视网膜图像分割方法中存在的细小血管像素模糊以及较厚视网膜血管边缘细节丢失等问题,本文设计了一种基于改进U-Net与Mini-U-Net网络相结合的两阶段训练分割方法。首先,在全尺寸U-Net网络后加入一个小尺寸的Mini-U-Net对图像中的模糊血管像素进行二次训练,以提升模糊血管像素的分割效果;其次,将两个网络编解码过程中的原始卷积层改为残差卷积模块,使原始特征信息被更完整地保留;最后,在两个网络的跳跃连接处引入注意力机制,使任务目标集中在血管像素上,提高分割精度。该方法在DRIVE和STARE公共眼底图像数据集上进行测试的精确率分别为0.8331和0.8563,召回率分别为0.8396和0.8639,F1-Score分别为0.8351和0.8609,准确率分别为0.9698和0.9787,整体分割结果相较其他分割方法更好。
图像处理 视网膜血管分割 U-Net 两阶段训练 残差网络 注意力机制 激光与光电子学进展
2021, 58(16): 1617002