论文摘要
随着工业化的发展,毒害气体泄漏引发的恶性事故频频发生,借助移动机器人迅速探明毒害气体泄漏源,消除灾害隐患,对保证生产和人员安全具有重要意义。目前这方面的研究主要是在“化学趋向性和风趋向性”框架下开展工作,但由于实际的气体浓度场和风场具有复杂多变的特性,使得这些搜寻算法往往很难奏效。为此,本论文提出在气体泄漏源搜寻过程中引入视觉判断,通过研究基于任务驱动视觉注意机制计算模型、图像分割等关键技术,解决易发生泄漏设备的快速定位问题,为烟羽发现和烟羽追踪提供重要线索,从而提高气体泄漏源搜寻的效率和成功率。本文围绕移动机器人快速定位气体泄漏源的实现策略问题,提出了与人类视觉信息加工过程相类似的“基于注意机制的粗定位+精确定位”两级定位方法,即“Where+What搜寻模式”,展开了如下两个方面的研究工作。1.在基于数据驱动的视觉注意机制研究基础上,提出了基于任务驱动的视觉注意机制计算模型,备选出两个显著值较大的区域,并通过具体实验对两种模型进行比较分析,验证了基于任务驱动的视觉注意机制计算模型的先进性,实现了疑似气体泄漏源的粗定位。2.采用支持向量机方法对疑似气体泄漏源粗定位得到的两个备选区域进行图像分割,且对分割结果进行简单的形状分析,完成疑似气体泄漏源的精确定位。
论文目录
摘要ABSTRACT第一章 绪论1.1 气体泄漏源自主搜寻的研究意义1.2 基于移动机器人平台的气体泄漏源自主搜寻方法研究的先进性1.3 气体泄漏源自主搜寻方法的研究现状1.4 气体泄漏源搜寻中引入视觉信息的重要性及研究现状1.5 本论文主要研究内容安排第二章 基于视觉注意机制的疑似气体泄漏源粗定位方法2.1 引言2.2 视觉注意机制基本原理2.3 数据驱动视觉注意机制计算模型2.3.1 多尺度初级特征提取2.3.2 初级特征对比映射图2.3.3 多特征图合并策略2.4 任务驱动的视觉注意机制计算模型2.4.1 最优尺度的选择2.4.2 特征权值迭代算法2.4.3 基于任务驱动的视觉注意算法步骤2.5 实验结果2.5.1 数据驱动视觉注意机制多特征融合算法比较2.5.2 任务驱动视觉注意机制实验比较结果第三章 基于支持向量机的疑似气体泄漏源精确定位方法3.1 疑似气体泄漏源彩色图像分割3.1.1 彩色图像分割研究现状3.1.2 几类彩色图像分割算法的分析与讨论3.1.3 支持向量机原理3.1.4 基于SVM 的疑似气体泄漏源彩色图像分割方法3.1.5 分割实验与分析3.2 基于支持向量机的疑似气体泄漏源精确定位3.3 本章小结第四章 结论与展望参考文献发表论文和参加科研情况说明致谢
相关论文文献
标签：疑似气体泄漏源论文; 视觉注意机制论文; 图像分割论文; 支持向量机论文; 移动机器人论文;
