摘要：基于深度学习的双目立体匹配算法大多采用卷积神经网络(CNN)进行特征提取。但该网络存在感受野有限、卷积核权重共享等固有的局限性,难以提取到强辨识度的特征,易导致弱纹理区域、细节区域等有挑战性区域的匹配精度较低。针对该问题,本文提出一种基于三分支混合特征提取的双目立体匹配算法。具体地,将CNN分支、Swin Transformer分支、融合分支并联设置,并对左、右图像进行特征提取,并联分支设置有效地保留了CNN的局部特征表达能力和Swin Transformer框架的全局特征表达能力。融合分支由多阶段的全局-局部信息适配器组成,不仅能实现本阶段全局信息和局部信息的融合与表达,而且能够跨不同阶段有效地传播特征,从而筛选出适用于弱纹理区域和细节区域的强相关特征信息,提高了立体匹配的精度。在SceneFlow数据集上进行的消融实验验证了本文算法的有效性。利用SceneFlow、KITTI 2012、KITTI 2015数据集进行了测试。本文方法在SceneFlow数据集上的端点误差为0.652个像素;在KITTI 2012数据集上的非遮挡区域,视差误差大于5个像素的百分比为0.79%。结果表明本文算法具有优异的立体匹配精度。

摘要：为充分发挥Transformer模型在高分辨率桥梁裂缝图像分割上的优势,提出了一种基于Transformer和坐标注意力(Coordinate Attention,CA)机制的精细化级联分割方法(级联CATransUNet)。首先,开发了一个基于TransUNet的裂缝特征提取模块,用于从低分辨率裂缝图像中初步提取3个尺度的粗粒度裂缝特征;其中,CA机制被引入TransUNet的跳跃连接结构,从而增强TransUNet网络对微小裂缝特征的表征。然后,基于所提取的三尺度粗粒度裂缝特征设计了2个基于物理级联结构的精细化运算模块,实现了从全局和局部2个维度依次恢复裂缝主体与边缘区域的细粒度像素特征。此外,为了充分利用多尺度特征在裂缝边界的细粒度特征表征中的优势,在训练过程中引入了一个带有主动边界回归项的多尺度级联损失。在基于无人机所采集的桥梁高分辨率裂缝图像上开展的消融性试验证明了所提出各组件的有效性。最后,在4 K分辨率的桥梁裂缝图像上开展了对比试验,结果表明:级联CATransUNet在不增加显卡内存需求的前提下,相较于此前最先进的基于传统卷积神经网络(Convolutional Neural Network,CNN)搭建的高分辨率图像精细化网络Segfix和CascadePSP,平均交并比(mean Intersection over Union,mIoU)和平均边缘精度(mean Boundary Accuracy,mBA)分别提升了5%和7%以上。采用级联CATransUNet可实现对高分辨率裂缝图像的精细化分割,为检测人员提供更加全面、准确的结构裂缝信息,从而为结构安全状况评估以及维护决策制定提供技术支撑。

摘要：针对紧急避撞中车辆避开障碍物后回归直线行驶时容易出现过多转向性失控问题,提出一种利用道路空间换取车辆稳定性的解决方案——考虑道路可用宽度的自适应避撞控制方法。首先搭建7自由度车辆模型,基于最优控制和MPC理论设计避撞控制器,并通过大量仿真再现过多转向失控工况,进而对失控工况的车辆输入与车辆状态进行剖析,明晰车辆失控机理。接着基于失控机理设计考虑道路可用宽度的自适应避撞控制系统,其中包括基于深度神经网络的参数自适应控制,基于启动车速的介入准则以及基于Lyapunov保守稳定域的切出时机。仿真实验证明,所提出的自适应避撞控制策略可以充分利用当前道路可用宽度,在避撞后回归直线行驶时提高车辆稳定性,从而达到避免事故发生的效果,弥补了传统定参数控制器无法适应复杂多变工况的缺陷。最后,基于dSPACE硬件在环实验,验证了所提出控制策略的实时性能够满足紧急工况避撞要求。

摘要：针对核辐射环境下光电编码器因受γ辐射总剂量效应影响而导致输出信号质量劣化的问题,提出了一种兼顾精度和效率的改进谱线增强算法(Improved Adaptive Line Enhancer Method,IALEM)。该算法引入Softsign函数建立误差与步长之间的非线性关系,通过在步长更新公式中引入前一时刻步长值,达到收敛速度快且稳态误差小的目的。分别在算法收敛速度、稳态误差、低信噪比输入、计算量4个方面与同类算法进行比较。结果表明,该算法在拥有较低计算量的同时,其收敛速度更快、稳态误差更小,并且对于低信噪比信号具有更好的滤波效果。最后,在光电编码器上对本文所提算法进行了现场可编程门阵列(Field Programmable Gate Array,FPGA)硬件实现;并在60Co γ辐射环境中对算法的滤波效果进行了实验测试。实验结果表明:所提出的算法可有效滤除光电编码器因γ辐射产生的噪声,提高光电编码器输出信号的质量。

摘要：以美籍捷克裔建筑师安东宁·雷蒙德的作品与思想作为解读对象,梳理了以赖特、奥古斯特·佩雷、勒·柯布西耶为代表的建筑师对其建筑探索过程中的阶段性影响,阐述了雷蒙德作为一个“外来者”如何在建筑设计中逐步巧妙地将日本与西方的建造技术方法、生活方式、精神文化彼此圆融,从而使传统与现代共同服务于最终的建筑目的,并指出其设计思想与实践的当代建筑学价值。

摘要：为研究预制拼接槽型UHPC柱在受压条件下的力学性能及其影响因素,开展2根整浇UHPC柱及14根预制拼接槽型UHPC柱在不同拼接形式、不同偏心受压方向及不同偏心距下的轴心或偏心受压试验研究.通过考察试件的极限承载力、破坏形态、轴向及侧向变形性能,研究了拼接方式、偏压方向和偏心距对其静力性能的影响.试验结果表明:钢纤维延缓了UHPC的开裂,增强了试件的变形能力,但预制拼接槽型UHPC柱在轴压和小偏压荷载下仍表现出明显脆性破坏特征;在该试验中,偏压柱的破坏形态主要为小偏心受压破坏及大偏心受拉破坏;在相同偏心距下,不同拼接形式、不同偏心受压方向的柱体破坏形态及承载能力表现趋于一致;在相同尺寸与配筋下,预制拼接槽型UHPC柱承载力随偏心距的增加而减小.最后,通过对比试件承载力试验值和我国现行规范理论计算值,定性地指出了现行规范的局限性.本文试验数据可为预制拼接槽型UHPC柱设计提供参考.

摘要：现阶段室内等结构化环境中的机器人定位技术备受关注,视觉-惯性传感器融合的同时定位与建图(visual-inertial simultaneous localization and mapping,VI-SLAM)系统凭借其成本低、体积小、互补性高等优点得到广泛应用。针对现有VI-SLAM系统中相机和IMU的旋转外参在线初始化困难、室内环境中的结构化特征利用不充分等问题,提出一种结构化环境下基于点线特征的双目VI-SLAM系统。该系统基于结构化环境中的线特征,采用先静止、后运动的两步法,在线初始化相机和IMU之间的旋转外参,并通过融合视觉提供的点、线特征的重投影误差约束和IMU提供的预积分约束,共同优化定位系统的状态量。在EuRoC室内无人机数据集和真实地下停车场中的试验表明,两步初始化旋转外参算法有效且准确,可为优化环节提供良好的初始值,通过与多种视觉定位算法进行对比,验证了该系统拥有更高的定位精度。

摘要：随着非线性负荷和冲击性负荷的不断增加以及新能源的大规模并网,电网环境日趋复杂,各类电能质量问题日益凸显。其中,谐波问题尤为突出,准确估计谐波参数不仅是谐波治理的关键,也是电力企业和用户评价电能质量的重要依据。为此,该文提出一种基于自适应移频滤波的电力系统谐波分析方法。首先,对电网谐波信号进行初次移频滤波操作,以获得信号实际基波频率;然后,根据信号实测基波频率,对信号进行二次移频滤波处理,进而准确获取各次谐波的幅值和相角;最后,仿真实验表明,该文所提算法能够有效地克服非同步采样和噪声的影响,并且具有测量精度高、实时性好和适应性强等特点。此外,通过实际构建的硬件测试平台,进一步验证了所提算法的准确性和可靠性。

摘要：提出一种用于准确便捷预测析出相增强镍基高温合金稳态蠕变速率的蠕变新模型。基于析出相的空间分布,采用概率依赖的方法将位错-析出相交互作用中Orowan绕过和位错攀移机制的协同模式耦合到新的蠕变模型中。结果表明,新模型预测的稳态蠕变速率与实验数据吻合很好。此外,当前模型不再依赖于可调参数;同时,确定了阈值应力与温度的定量关系。这项工作为蠕变变形过程中位错-析出相交互作用提供新思路,并为设计具有更优异蠕变性能的析出强化合金提供有效模型。

摘要：遥感变化检测作为观测和分析地表变化的重要手段,以双时相图像为输入,旨在预测变化发生的“位置”。近期出现的基础模型,例如SAM模型(Segment Anything Model),展现出强大的通用性和泛化能力,有望为变化检测任务提供更为有效的解决方案。然而,由于遥感图像的特殊成像特性,它们在许多遥感应用中的直接使用往往效果不佳。此外,SAM模型最初被设计用于分割单时相图像,其通过人工添加点或框的提示来实现,但这种过于直观的方法在处理双时相图像输入时并不适用。为了应对上述挑战,本文提出了一种基于时差提示SAM的遥感变化检测方法(TDPS),充分发挥SAM模型强大的视觉识别能力,以改进对遥感图像的变化检测。具体而言,本文首先在SAM骨干网络中引入了低阶可微调参数,以减轻自然图像到遥感图像上的域偏移。其次,本文设计了时相差异提示生成器,通过将双时相图像的特征与查询嵌入一起优化,得到适用于变化检测任务的提示向量。最后,大量实验证明了本文方法的有效性,在两个常用的变化检测数据集LEVIR-CD和WHU-CD上取得了最先进的性能,F1指标相比于最先进方法分别提升了1.4%和2.5%。