摘要：在水平集轮廓跟踪框架中设计一个判别式速度函数对于有效引导轮廓进化非常重要。该文提出一个超像素驱动的速度函数建模方法,该模型融合了互补的表观和运动信息。在表观特征层,通过引入一种有效的中层视觉特征-超像素,建立基于核密度估计的判别式表观模型区分目标和背景。同时,利用运动光流场的统计信息,设计了一个可以自适应选择的阈值来区分和增强目标和背景的相对运动。最终,在决策层基于半朴素贝叶斯框架进行两种特征的融合,形成一个具有竞争能力的速度场引导水平集轮廓进化。在多个具有挑战的视频序列上的一系列实验验证了该方法的有效性和鲁棒性。

摘要：针对三维成像激光焦平面读出电路中传统像素级时间幅度变换器(Time-to-Amplitude Converter,TAC)在精度与动态范围之间的矛盾,提出了基于双斜坡采样的像素级TAC,在采样时间间隔内同时采样低斜率阶梯波和高斜率三角波电压值,并以阶梯波采样的电压值进行时间间隔粗量化,再以三角波采样的电压值实现时间间隔细量化。由于两个不同斜率斜坡信号分别进行了粗量化和细量化,从而在保证量化精度的同时,有效提升了动态范围。其中阶梯波采用温度计编码方式的电流舵DAC实现,保证了逻辑电路时序的单一性和阶梯波的精度。提出的TAC基于0.18μm CMOS工艺进行设计,模拟结果表明,在量化电压为11.7 m V时,量化精度达14位,最小时间分辨精度达到了500 ps,动态范围可达8μs,非常适用于以车用激光雷达为代表的高速三维成像应用。