基于深度卷积神经网络的激光跟踪仪高精度位姿数据提取

来源 :激光杂志 | 被引量 : 1次 | 上传用户:ok524500
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
传统的激光跟踪仪高精度位姿数据提取方法受到激光跟踪仪自身误差的影响,提取精度严重不足。为此,提出基于深度卷积神经网络的激光跟踪仪高精度位姿数据提取方法。设计数据采集电路,采集目标二维坐标、光线长度、角度数据等原始数据,为不同位姿数据传输要求,设计LVDS通信接口,确保数据的稳定传输,将获得的数据输入到经过训练后的神经网络中,其卷积核通过损失函数计算得到,卷积神经网络最终输出的结果即为高精度位姿数据。实验结果表明:所提方法变量之间线性度好、位姿数据误差极小,数量级达到0.000 1,该方法的提取精度能
其他文献
为了提高弱光照图像处理后的成像质量,提出基于视觉传达的弱光照图像增强技术。采用背景先验知识信息检测的方法实现对弱光照图像的视觉特征检测,对提取的弱光照图像视觉传达信息实现模糊度融合和辨识处理,采用模型结构参数分析的方法实现对弱光照图像的分割和边缘灰度信息重组,采用多尺度分解的方法,构建弱光照图像的斑块视觉信息检测模型,实现对弱光照图像的视觉传达设计,根据视觉传达效果实现弱光照图像增强处理。仿真结果
为能够提升运动损伤自动检测准确性,节省检测时间,提出基于红外光谱图像的运动损伤自动检测。利用红外光谱图像采集系统采集运动损伤红外光谱图像;利用小波变换去噪处理红外光谱图像;通过结合单阈值增强算法、双阈值增强算法与自适应增强算法,增强去噪后的红外光谱图像;通过计算增强后红外光谱图像中运动损伤区域可靠性,确定运动损伤区域;利用小波分析法提取确定区域内运动损伤信号特征;构建自适应神经网络模型,以运动损伤