摘要：为了优化苹果采摘机器人采摘路径,在获得苹果树场景三维位置信息的基础上,提出一种具有多种地形损耗的A*算法。结合ToF(Time-of-Flight)深度相机和Hu不变矩获取苹果和不同障碍物的三维位置信息,建立存在果实和多种障碍物的二维地图。在二维地图上,利用具有不同地形损耗函数的A*算法进行仿真实验。改进后的A*算法将障碍物分为可通过的障碍物(树叶)和不可通过的障碍物(树枝),且障碍物存在位置处的自带移动耗费向周围以线性递减,避免了基本的A*算法中只具有单种障碍物问题,从而增加了不同种类障碍物对路径选择的影响程度,优化了路径质量。对比实验表明:改进后的算法提高了对于复杂地图的处理能力,产生的路径长度更短,转折次数更少。

摘要：随着藏文信息开始与现代化接轨,藏文信息数量在网络上迅速增加。面对海量的网络信息,如何从中挖掘人们所需的信息成为目前关注的热点。目前中文实体关系抽取研究已取得较多成果,而在藏语人物属性抽取研究方面还有很大的提升空间。实验选取实体位置关系、实体间距离关系、实体及周围词特征进行特征向量化。通过BP神经网络模型进行分类抽取,并且取得了较好效果。研究成果可在搜索引擎、信息安全、机器翻译等许多应用领域发挥重要作用。

摘要：在与人交互情况下,针对物体识别系统通过反馈信息自动优化识别能力问题,提出一种结合梯度直方图(HOG)特征提取和支持向量机(SVM)进行特定物体识别的方法。运用Tensorflow训练语音识别模型反馈人机交互信息,使系统实现自优化。以手表类别作为识别对象,通过HOG特征描述对手表进行特征提取,通过二维主成分分析(2DPCA)和线性判别分析(LDA)对整体和局部特征进行降维,运用改进的空间金字塔匹配模型通过SVM对其分类,并运用非极大值抑制(NMS)确定区域,运用训练的梅尔倒谱(MFCC)特征语音识别模型对反馈信息进行识别,最终整合信息优化识别系统。实验表明,该系统对手表有较高的识别率,并能通过人机交流在较短时间内使系统实现自优化。

摘要：随着港口自动化技术的发展,码头需要对集装箱进行自动装卸作业。为了解决集装箱装卸作业中对集装箱锁孔的识别定位问题,提出一种基于机器视觉的集装箱锁孔识别方法,用于辅助码头集装箱的自动化装卸作业。首先采集集装箱照片,对照片中的集装箱锁孔进行人工标注,制作成锁孔样本,并进行归一化处理,进而提取锁孔样本的HOG特征,然后对SVM进行训练作为集装箱锁孔识别分类器,最后采用多尺度滑窗对图像进行扫描检测。使用300张测试样本进行测试实验,结果表明,该方法对集装箱锁孔的识别率达到92%,锁孔误检率低于3%,而且能够在各种复杂光照及背景条件下进行锁孔检测,可以满足港口自动化的实际要求。

摘要：为了获取更加全面的整体与局部人脸特征,得到更高的人脸识别率,提出一种基于方向梯度直方图(HOG)特征与卷积神经网络的人脸识别新方法。该方法首先提取人脸图像的HOG特征,然后将HOG特征图像作为卷积网络的输入数据进行训练,改进网络结构,在全连接层之后采用Softmax loss和center loss两个损失函数进行监督,最后在训练得到的网络模型上对人脸图像进行识别操作。实验结果表明,该方法在ORL人脸集上的识别率达到97.5%,相比于其它人脸识别算法具有一定优越性。