摘要：针对增强现实虚实配准中的无标志点虚实场景注册问题,提出一种基于仿射重投影与自然特征点追踪相结合的虚实注册方法.该方法以仿射变换为桥梁来建立欧氏空间下的摄像机坐标系与世界坐标系之间的变换关系,它与OpenGL等当前流行的图形渲染工具一致,具有更强的通用性;采用基于分类的自然特征匹配策略,能够在视角和视点发生大幅度变化情况下依然正常工作;提出基于特征点集合的仿射坐标系定义方法,使增强现实系统在最小配置下只需4点追踪成功即可完成注册,比需要6点的透视投影方法具有更好的健壮性和精确性.实验结果表明,该方法的运算速度能够达到18帧/s,具有较好的实时性;同时注册误差保持在5mm以内,达到令人满意的配准精度.

摘要：针对增大视觉码书在提高图像全局描述符——局部特征聚合描述符(VLAD)精度的同时会增加VLAD存储开销的问题,提出一种基于2层结构层次视觉码书生成残差增强的图像全局描述符EVLAD.离线码书生成阶段,首先通过K-means算法生成第1层视觉码书,然后基于量化残差最小化原则非均匀地生成第2层各视觉子码书.在线EVLAD生成阶段,图像局部特征首先面向细粒度的第2层视觉子码书生成量化残差;然后面向第1层视觉码书进行聚集生成各子向量,EVLAD即为各子向量的串联结果,为了抑制特征空间爆发现象,各子向量和串联结果分别进行了L2归一化.实验结果表明,EVLAD精度优于VLAD和其他各种改进方法.

摘要：短纤维增强聚合物基复合材料(Short fiber reinforced polymer composites,SFRPC)具有复杂的细观结构,掌握纤维取向分布(Fiber orientation distribution,FOD)规律是短纤维复合材料力学建模的前提。然而,由于纤维取向统计需要收集大量的纤维信息,通过传统手动标注读取显微图像的方式人工成本高且耗时长,统计效率与精度均难以保证。本文利用图像分析算法捕获纤维截面几何特征,发展了相应的纤维取向分布图像处理技术,实现了FOD信息的快速统计。探究了图像分析算法中关键参数的合理取值范围,并针对挤出注塑成型工艺制备的短玻纤增强和短碳纤增强聚醚酰亚胺复合材料(SGF/PEI和SCF/PEI)进行微观结构表征,将统计的纤维状态信息传递至类层合板(Laminate analogy approach,LAA)与Fu-Lauke模型框架,进而预测了不同体积分数下两种复合材料的模量与强度,预测结果与有限元模拟结果、拉伸试验测试结果均吻合良好。本文将纤维取向分布图像处理技术与复合材料力学性能预测方法相结合,有助于更高效准确地理解短纤维增强复合材料的构效关系,对于复合材料结构设计具有较高的指导作用。

摘要：设计了一种基于GPRS和ARM处理器S3C2410的农田图像采集系统。该系统利用CMOS图像传感器完成图像的获取,通过GSM的GPRS业务完成远程图像终端和监控中心之间的信息传输,保证了图像采集的高可靠性,降低了图像传输的通信费用,又使系统具有较好的可扩展性。

摘要：提出了一种基于全局单应性变换的三维注册方法,有效地解决了基于标识的三维注册系统中的误差积累问题.设计了一种新的对仿射变换鲁棒的特征点检测方法——边角点法,确保每个特征点位于多条直线的交点上,最大限度消除特征检测结果的随机性及其对特征匹配所造成的负面影响.采用基于全局单应性矩阵的虚实配准方法,利用前一帧所对应的全局单应性矩阵对初始图像作射影变换,并将变换后的图像与当前图像做特征匹配,直接建立当前帧与初始帧之间的单应性关系,从而解决了传统方法所存在的误差积累问题.实验结果表明本算法有效可行.

摘要：建筑工程的发展对社会发展起着极其重要的推动作用。结构设计与施工技术两大板块是整个建筑工程的重要组成部分,合理的结构设计与科学的施工技术相结合,不仅可以有效地提高整个建筑工程的施工质量,而且可以保证施工单位的经济效益。文章对目前我国建筑工程结构设计与施工技术的关系进行了具体的研究与分析,并提出协调建筑工程结构设计与施工技术的对策。

摘要：随着建筑行业飞速发展,网络技术不断进步,BIM技术的应用为建筑行业发展提供了新动力。高水平的建筑结构设计可以更有效地开展工程建设,保证工程建设的质量,合理应用BIM技术能提高建筑结构设计的整体效率。文章主要阐述BIM技术的原理、特点,探究其在建筑结构设计中的实际应用价值,希望可以为建筑结构设计相关工作人员提供参考。

摘要：T型刚结构作为梁式桥梁的一种因为桥墩两侧伸出悬臂就像一个“T”字而得名．是常见桥梁设计施工方案，在复杂地形条件下经常采用少支点钢管支架进行混净土的现浇工艺。这对施工的安全性、工程的质量、缩短工期、节省施工成本都有很大的优势。

摘要：随着图像数据的爆炸性增长,基于内容的图像检索引起了大量的关注.图像检索系统的性能很大程度上是由描述符决定的.有很多传统的描述符先后被提出,但检索的准确率都不太理想.随着深度学习的发展,利用卷积神经网络(Convolutional Neural Network,CNN)来学习占用空间小且具有较强区分力(discriminative)的图像表示逐渐兴起.卷积神经网络全连接层的特征通常为分类任务而设计,捕获的往往是高层的语义信息,难以充分有效的捕获图像的局部信息,而且维度很高.为解决全连接层特征缺乏局部信息且维度较高的问题,本文提出了一种多层语义二值描述符(Multi-level Semantic Binary Descriptor,MSBD).多层语义二值描述符通过多层语义浮点描述符构建和二值描述符学习两个步骤生成.多层语义浮点描述符由全局分支、对象分支以及显著性区域分支构成,每个分支代表一个语义层次,可以同时捕获全局特征以及显著的局部特征.二值描述符学习算法通过一个迭代的过程减少二值化过程中的量化误差以及编码中的冗余信息,在压缩描述符的同时减少区分力的损失.为了进一步提高查询的准确率,本文提出了一种不相似性度量函数.此度量函数同时包含了哈希代表的视觉语义信息以及类级别的高层概念语义信息.本文在该领域典型的数据集上对描述符进行了系统的对比实验,实验结果表明,多层语义二值描述符具有很强的区分力,查询准确率优于很多当前最先进的浮点描述符,在Oxford5K数据集上与目前最好的方法达到了相近的准确率,在Paris6K数据集上比已有的方法超过了约4.3%,在Holidays数据集上比已有方法超过了约2.1%.

摘要：房屋结构设计中的建筑结构设计优化是一门综合技术,通过将结构工程、经济学方法以及管理科学方法结合起来,从而优化建筑结构设计,以达到成本优化、质量优化的目的。本文对房屋建筑结构中的设计优化进行分析,探讨优化流程以及优化策略,期望为相关研究提供参考。