摘要：图像增强是一种基础的计算机视觉任务,从低光图像中恢复出高质量的明亮图像是业界正在攻克的问题.近年来,以卷积神经网络(CNN)为主导的图像恢复技术取得了重大进展.对于低光图像增强,本方法使用双重选择核融合(Double SKFF)方法,通过增强中间层不同分辨率信息的交流能力以获得更多上下文信息以及空间信息;同时设计了一个深度注意模块(Depthwise Attention Module,DWM),用来共享张量中的特征信息,对原有特征进行补充,获取更加丰富的特征信息.同时本方法还引入了多颜色空间神经修饰块,用来在3种不同的颜色空间(Lab,RGB,HSV)中联合训练,以期望获得更好的图像增强结果.本文提出的MIRNet-Plus在原有的基础方法上PSNR获得了5.3%的提高,由23.73dB提升到24.98dB.

摘要：针对传统的激光SLAM算法在室外动态场景下定位精度低和缺少语义信息等问题,本文设计了一种基于语义信息融合的激光SLAM改进算法,并在公开数据集KITTI上进行测试实验,为提升整体位姿估计精度和建图精度提供有益参考。

摘要：电磁频谱数据是刻画电磁频谱态势的量化数字集合,频谱数据具有空间相关性、时间相关性以及频率相关性,在局部范围内的频谱数据和相邻频率上的数据存在冗余。针对上述问题,提出了一种基于位深度变换的无线电频谱数据压缩方法,首先将未经处理的无线电频谱监测数据经过数据转换模块转换成可便于后续压缩的频谱子图,然后采用传统编码方法压缩最高有效字节(HSB)频谱子图,最后设计了一种自回归熵模型来实现最低有效字节(LSB)频谱子图的高性能压缩并引入波前并行操作来加快解码速率。实验结果表明,其压缩率为39.05%,与已有的HUffman等传统无损压缩方法和无损图像压缩方法相比,所提出的方法在保证数据准确性的同时有着更好的压缩性能。

摘要：激光雷达动态获取点云压缩在智能驾驶领域具有重要应用。为了应对点云序列时域冗余问题,本文设计了基于位姿状态的激光雷达点云帧间编码方法。在动态获取点云场景中,点云在三维空间上分布广泛且稀疏。对此,将其映射到二维距离图上。并在此基础上,结合激光雷达位姿关系,提出了一种高效的帧间预测编码方法,以消除时域冗余。由于三维物体遮挡的原因,激光雷达运动时易导致预测距离图产生空洞现象,影响预测编码性能。采用空洞填补方法可提高算法预测精度,并对预测残差进行量化和压缩。实验结果表明,相较于G-PCC等编码方法,所提出的方法在编码性能方面表现更为优越。

摘要：高效视频编码标准(HEVC/H.265)是目前国际市场上广泛采用的视频编码标准。基于上下文自适应二进制算术编码(CABAC)作为HEVC熵编码的核心编码方式,通过建立更加精准的概率模型,提高了算术编码的压缩效率。此外,HEVC定义了更多种类的语法元素并建立更复杂的编码结构,进一步减少信息冗余,从而降低了码率。然而,语法元素作为CABAC的输入,其预处理过程的高复杂性,增加了硬件并行难度,导致熵编码硬件的吞吐率难以提高,成为HEVC编码器实现更高分辨率实时编码的瓶颈之一。为了进一步加快熵编码模块的速度,本文设计了一种基于现场可编程门阵列(FPGA)的高吞吐量CABAC熵编码架构。该架构提出的预头信息编码、上下文模型初始化和编码单元(CU)结构优化策略,可以加快语法元素的产生,以供自适应二进制算术编码器使用;通过高效的残差编码架构和部分上下文索引流水计算方案,在保持高吞吐量的同时,可以减少由复杂计算带来的路径延迟,提高工作频率。本设计使用90 nm标准单元库进行综合,共使用了2.099×10^(4)个逻辑门数,工作频率可以达到200 MHz。本文对HEVC官方提供的视频序列进行仿真测试,统计了在不同量化参数(QP)下编码1个编码树单元(CTU)所需要的时间,实验统计数据表明,本文设计使得编码1个CTU的时间平均节省了38.2%。

摘要：基于视频的点云压缩(Video based point cloud compression, V-PCC)为压缩动态点云提供了高效的解决方案,但V-PCC从三维到二维的投影使得三维帧间运动的相关性被破坏,降低了帧间编码性能.针对这一问题,提出一种基于V-PCC改进的自适应分割的视频点云多模式帧间编码方法,并依此设计了一种新型动态点云帧间编码框架.首先,为实现更精准的块预测,提出区域自适应分割的块匹配方法以寻找最佳匹配块;其次,为进一步提高帧间编码性能,提出基于联合属性率失真优化(Rate distortion optimization, RDO)的多模式帧间编码方法,以更好地提高预测精度和降低码率消耗.实验结果表明,提出的改进算法相较于V-PCC实现了-22.57%的BD-BR (Bjontegaard delta bit rate)增益.该算法特别适用于视频监控和视频会议等帧间变化不大的动态点云场景.

摘要：激光雷达动态获取点云压缩是智能驾驶的关键技术之一.针对动态获取点云场景范围大、分布稀疏的问题,将点云几何信息映射到二维距离图,提出一种二维距离图分割的激光雷达点云无损压缩方法.由于动态获取点云的稀疏性,以及噪声和离群点等的影响,目前的距离图分割算法分割后类别过多,导致对分割区域编码时,边缘信息消耗较大的比特数.对此,提出孤立区域精细处理的方法,有效改善过度分割的问题,提高分割区域的压缩性能.为保持残差、地面区域点云等数据原有的相关性,利用两种无损的数据压缩技术进行编码.实验结果表明,所设计的二维距离图分割的激光雷达点云无损压缩方法具有较高的压缩性能.

摘要：针对移动机器人室外环境开阔场景大范围建图时,激光雷达里程计位姿计算不准确从而导致SLAM算法精度下降等问题,设计了一种基于多传感器融合的SLAM优化算法。算法上,通过前端里程计优化提升SLAM算法的可靠性,将适用于室外的GNSS等传感器信息与激光里程计融合,在技术上实现了扩展卡尔曼滤波的轻量化并将其嵌入于LOAM算法架构中,在尽可能不增加资源负担的情况下对前端里程计进行改进;在优化算法基础上,搭建了实际移动机器人平台并移植算法,实现了可供参考的多传感器融合硬件方案与扩展卡尔曼滤波在实际工程中处理多传感器数据的方法。真实场景下的实验结果表明,在增加了里程计运算量后算法仍能稳定保持10 Hz的室外建图,在复杂开阔环境与低成本条件下具有可靠性与可行性。

摘要：针对视频点云压缩(video-based point cloud compression,V-PCC)把点云序列分解成2D的非规则图像块(patch)进行编码,破坏点云连续性,不利于后续帧间预测的问题,设计一种三维配准帧间预测结合V-PCC帧间预测的改进算法.首先,为了提高点云配准的有效性,设计一种基于运动一致性的二叉树的粗分割和进一步八叉树细分割的算法,使得每一块点云在配准时具有一致性运动和准确的对应性.进一步地,为了保证三维帧间配准预测的可靠性,对分割后的块进行三维配准帧间预测并计算误差.对于误差小于一定阈值的块直接熵编码块索引和运动信息;对于误差大于阈值的块,则融合并使用V-PCC的帧间估计.实验结果表明,本方法进一步提高了V-PCC的编码性能.

摘要：新一代视频编码标准HEVC硬件实现的复杂性较之以前的标准有大幅提高.在保证编码性能的前提下,为了降低硬件实现的复杂度和资源消耗,提高硬件的处理速度与并行度,提出一种面向硬件实现的HEVC帧内编码快速算法.首先在Hadamard-SATD基础上引入头比特估计,简化了率失真代价计算过程;然后使用同层相邻块的最佳模式作为最有可能模式列表的输入,解除计算预测值时对重构数据的依赖性,提高了硬件的处理速度;最后采用新的预测单元处理顺序和基于16点的硬件复用结构,使之更利于硬件实现的情况下减少硬件资源的使用.实验结果表明,与参考软件HM16.7相比,文中算法可以降低约40%的编码复杂度,且没有明显性能损失;在Xilinx的Virtex6综合结果表明,硬件面积比已有算法减少了45%左右,并且可以达到30帧/s 1 080p视频序列的实时编码要求.