运动目标检测与跟踪算法研究 视觉是人类感知自身周围复杂环境最直接有效的手段之一， 而在现实生活中 大量有意义的视觉信息都包含在运动中，人眼对运动的物体和目标也更敏感，能 够快速的发现运动目标， 并对目标的运动轨迹进行预测和描绘。 随着计算机技术、 通信技术、图像处理技术的不断发展，计算机视觉己成为目前的热点研究问题之 一。 而运动目标检测与跟踪是计算机视觉研究的核心课题之一， 融合了图像处理、 模式识别、人工智能、自动控制、计算机等众多领域的先进技术，在军事制导、 视觉导航、视频监控、智能交通、医疗诊断、工业产品检测等方面有着重要的实 用价值和广阔的发展前景。 1、国内外研究现状 1.1 运动目标检测 运动目标检测是指从序列图像中将运动的前景目标从背景图像中提取出来。 根据运动目标与摄像机之间的关系， 运动目标检测分为静态背景下的运动目标检 测和动态背景下的运动目标检测。 静态背景下的运动目标检测是指摄像机在整个 监视过程中不发生移动； 动态背景下的运动目标检测是指摄像机在监视过程中发 生了移动，如平动、旋转或多自由度运动等。 静态背景 静态背景下的运动目标检测方法主要有以下几种： （1）背景差分法 背景差分法是目前最常用的一种目标检测方法， 其基本思想就是首先获得一个 背景模型，然后将当前帧与背景模型相减，如果像素差值大于某一阈值，则判断 此像素属于运动目标，否则属于背景图像。利用当前图像与背景图像的差分来检 测运动区域，一般能够提供比较完整的特征数据，但对于动态场景的变化，如光 照和外来无关事件的干扰等特别敏感。 很多研究人员目前都致力于开发不同的背 景模型，以减少动态场景变化对运动目标检测的影响。背景模型的建立与更新、 阴影的去除等对跟踪结果的好坏至关重要。 背景差分法的实现简单，在固定背景下能够完整地精确、快速地分割出运动 对象。不足之处是易受环境光线变化的影响，需要加入背景图像更新机制，且只 对背景已知的运动对象检测比较有效， 不适用于摄像头运动或者背景灰度变化很 大的情况。 （2）帧间差分法 帧间差分法是在连续的图像序列中两个或三个相邻帧间， 采用基于像素的时 间差分并阈值化来提取图像中的运动区域。 帧间差分法对动态环境具有较强的自 适应性，但一般不能完全提取出所有相关的特征像素点，在运动实体内部容易产 生空洞现象。因此在相邻帧间差分法的基础上提出了对称差分法，它是对图像序 列中每连续三帧图像进行对称差分，检测出目标的运动范围，同时利用上一帧分 割出来的模板对检测出来的目标运动范围进行修正， 从而能较好地检测出中间帧 运动目标的形状轮廓。 帧间差分法非常适合于动态变化的环境，因为它只对运动物体敏感。实际上 它只检测相对运动的物体，而且因两幅图像的时间间隔较短，差分图像受光线 变化影响小，检测有效而稳定。该算法简单、速度快，已得到广泛应用。虽然该 方法不能够完整地分割运动对象，只能检测出物体运动变化的区域，但所检测出 的物体运动信息仍可用于进一步的目标分割。 （3）光流法 光流法就充分的利用了图像自身所携带的信息。在空间中,运动可以用运动 场描述,而在一个图像平面上,物体的运动往往是通过图像序列中图像灰度分布 的不同来体现,从而使空间中的运动场转移到图像上就表示为光流场。所谓光流 是指空间中物体被观测面上的像素点运动产生的瞬时速度场， 包含了物体表面结 构和动态行为等重要信息。 基于光流法的运动目标检测采用了运动目标随时间变 化的光流特性，由于光流不仅包含了被观测物体的运动信息，还携带了物体运动 和景物三位结构的丰富信息。 在比较理想的情况下,它能够检测独立运动的对象, 不需要预先知道场景的任何信息,可以很精确地计算出运动物体的速度,并且可 用于动态场景的情况。 但是大多数光流方法的计算相当复杂,对硬件要求比较高, 不适于实时处理,而且对噪声比较敏感,抗噪性差。并且由于遮挡、多光源、透明 性及噪声等原因，使得光流场基本方程——灰度守恒的假设条件无法满足，不能 正确求出光流场，计算方也相当复杂，计算量巨大，不能满足实时的要求。 动态背景 动态背景下的运动目标检测由于存在着目标与摄像机之间复杂的相对运动， 检测方法要比静态背景下的运动目标检测方法复杂。常用的检测方法有匹配法、 光流法以及全局运动估计法等。 2、运动目标跟踪 运动目标跟踪是确定同一物体在图像序列的不同帧中的位置的过程。 近年来 出现了大批运动目标跟踪方法，许多文献对这些方法进行了分类介绍，可将目标 跟踪方法分为四类：基于区域的跟踪、基于特征的跟踪、基于活动轮廓的跟踪、 基于模型的跟踪，这种分类方法概括了目前大多数跟踪方法，下面用这种分类方 法对目前的跟踪方法进行概括介绍。 (1)基于区域的跟踪 基于区域的跟踪方法基本思想是： 首先通过图像分割或预先人为确定提取包 含目标区域的模板，并设定一个相似性度量，然后在序列图像中搜索目标，把度 量取极值时对应的区域作为对应帧中的目标区域。 由于提取的目标模板包含了较 完整的目标信息，该方法在目标未被遮挡时，跟踪精度非常高，跟踪非常稳定， 但通常比较耗时，特别是当目标区域较大时，因此一般应用于跟踪较小的目标或 对比度较差的目标。该方法还可以和多种预测算法结合使用，如卡尔曼预测、粒 子预测等，以估计每帧图像中目标的位置。近年来，对基于区域的跟踪方法关注 较多的是如何处理运动目标姿态变化引起的模板变化时的情况以及目标被严重 遮挡时的情况。 (2)基于特征的跟踪 基于特征的跟踪方法基本思想是：首先提取目标的某个或某些局部特征，然 后利用某种匹配算法在图像序列中进行特征匹配，从而实现对目标的跟踪。该方 法的优点是即使目标部分被遮挡，只要还有一部分特征可以被看到，就可以完成 跟踪任务，另外，该方法还可与卡尔曼滤波器结合使用，实时性较好，因此常用 于复杂场景下对运动目标的实时、 鲁棒跟踪。 用于跟踪的特征很多， 如角点边缘、 形状、纹理、颜色等，如何从众多的特征中选取最具区分性、最稳定的特征是基 于特征的跟踪方法的关键和难点所在。 (3)基于活动轮廓的跟踪 基于活动轮廓的跟踪方法基本思想是：利用封闭的曲线轮廓表达运动目标， 结合图像特征、曲线轮廓构造能量函数，通过求解极小化能量实现曲线轮廓的自 动连续更新，从而实现对目标的跟踪。自Kass在1987年提出Snake模型以来，基 于活动轮廓的方法就开始广泛应用于目标跟踪领域。相对于基于区域的跟踪方 法，轮廓表达有减少复杂度的优点，而且在目标被部分遮挡的情况下也能连续的 进行跟踪，但是该方法的跟踪结果受初始化影响较大，对噪声也较为敏感。 (4)基于模型的跟踪 基于模型的跟踪方法基本思想是： 首先通过一定的先验知识对所跟踪目标建 立模型，然后通过匹配跟踪目标，并进行模型的实时更新。通常利用测量、CAD 工具和计算机视觉技术建立模型。主要有三种形式的模型，即线图模型、二维轮 廓模型和三维立体模型口61，应用较多的是运动目标的三维立体模型，尤其是对 刚体目标如汽车的跟踪。该方法的优点是可以精确分析目标的运动轨迹，即使在 目标姿态变化和部分遮挡的情况下也能够可靠的跟踪， 但跟踪精度取决于模型的 精度，而在现实生活中要获得所有运动目标的精确模型是非常困难的。 目标检测算法，至今已提出了数千种各种类型的算法，而且每年都有上百篇相 关的研究论文或报告发表。尽管人们在目标检测或图像分割等方面做了许多研 究，现己提出的分割算法大都是针对具体问题的，并没有一种适合于所有情况的 通用算法。 目前， 比较经典的运动目标检测算法有： 双帧差分法、 三帧差分法(对 称差分法)、背景差法、光流法等方法，这些方法之间并不是完全独立，而是可 以相互交融的。 目标跟踪的主要目的就是要建立目标运动的时域模型， 其算法的优劣直接影响 着运动目标跟踪的稳定性和精确度， 虽然对运动目标跟踪理论的研究已经进行了 很多年，但至今它仍然是计算机视觉等领域的研究热点问题之一。研究一种鲁棒 性好、精确、高性能的运动目标跟踪方法依然是该研究领域所面临的一个巨大挑 战。基于此目的，系统必须对每个独立的目标进行持续的跟踪。为了实现对复杂 环境中运动目标快速、稳定的跟踪，人们提出了众多算法，但先前的许多算法都 是针对刚体目标，或是将形变较小的非刚体近似为刚体目标进行跟踪，因而这些 算法难以实现对形状变化较大的非刚体目标的正确跟踪。 根据跟踪算法所用的预 测技术来划分，目前主要的跟踪算法有：基于均值漂移的方法、基于遗传算法的 方法、基于Kalman滤波器的方法、基于Monto Carlo的方法以及多假设跟踪的方 法等。 运动检测与目标跟踪算法模块 运动检测与目标跟踪算法模块 与目标跟踪 一、运动检测算法 1.算法效果 算法效果总体来说，对比度高的视频检测效果要优于对比度低的视频。 算法可以比较好地去除目标周围的浅影子，浅影的去除率在 80%以上。去影后目标的 完整性可以得到较好的保持，在 80%以上。在对比度比较高的环境中可以准确地识别较大 的滞留物或盗移物。 从对目标的检测率上来说，对小目标较难进行检测。一般目标小于 40 个像素就会被漏 掉。对于对比度不高的目标会检测不完整。总体上来说，算法在对比度较高的环境中漏检率 都较低，在 0.1%以下，在对比度不高或有小目标的场景下漏检率在 6%以下。 精细运动检测的目的是在较理想的环境下尽量精确地提取目标的轮廓和区域， 以供高层 进行应用。同时在分离距离较近目标和进行其它信息的进一步判断也具有一定的优势。 反映算法优缺点的详细效果如下所示： 去影子和完整性 效果好 公司内视频 左边的为去影前，右边的 为去影后的结果，可以看出在 完整 性和去影率上 都有所 突 出。 这两个视频的共周特点 城市交通 是，影子都是浅影子，视频噪 声不太明显。目标与背景的对 比度比较高。 效果差 这两个视频的特点是影子 都是深影子。虽然影子没有去 掉，但是物体的完整性是比较 高的。主要原因就是场景的对 路口，上午 十点 比度比较高。 滞留物检测和稳定性 效果好 会议室盗移 效果好的原因，一是盗移或 滞留目标与背景对比度较大，二 是目标本身尺寸较大。 另外盗移物或滞留物在保持 各自的状态期间不能受到光照变 化或其它明显运动目标的干扰， 要不然有可能会造成判断的不稳 定。 效果差 会议室 遗留 物 大部分时间内，滞留的判断 都是较稳定的，但是在后期出现 了不稳定。主要原因是目标太小 的原故。 因此在进行滞留物判断时， 大目标，对比度较高的环境有利 于判断的稳定性和准确性。 漏检率 效果好 城市交通 在对比度高的环境下， 目标相对都较大的情况下 （大于 40 个像素） 可以很 ， 稳定的检测出目标。 在这种 条件下的漏检率通常都是 非常低的，在 0.1%以下。 效果差 行人－傍晚 和“行人”目录下 的 其 它 昏 暗 条件 下的视频 在对 比度较低的 情况 下，会造成检测结果不稳 定。漏检率较高。主要原因 是由于去影子造成的。 这种 对比度下的漏检率一般在 6%以下。 除了 对比度低是 造成 漏检的原因外， 过小的目标 也会造成漏检，一般是 40 个像素以下的目标都会被 忽略掉。 1.2 算法效率内存消耗（单位：b） .MD_ISRAM_data .MD_ISRAM_bss .MD_SDRAM_data 0x470 0x24 0x348 .MD_SDRAM_bss .MD_text 0x1a8480 0x6d40 速度 ms 运动区域占 2/3 左右时 CPU 占用率 一帧耗时 Max:57% Min:2.8% Avg:37.5% Max:23 Min:1.14 Avg:15 运动区域占 1/3 左右时 Max:45% Min:2.8% Avg:20% Max:18 Min:1.14 Avg:8 1.3 检测参数说明 检测参数说明 检测到的滞留物或盗走物的消失时间目前分别设定在 200 帧和 100 帧， 可以通过参数来 自行调整。 目前目标与背景的差异是根据局部光照强度所决定的， 范围在 4 个像素值以上。 目前参 数设置要求目标大小要在 20 个像素以上才能被检测到，可以通过参数来自行调整。 目标阴影的去除能力是可以调整的， 目前的参数设置可以去除大部分的浅影子和较小的 光照变化。 1.4 适用环境推荐光照条件较好（具有一定的对比度）的室内环境或室外环境。不易用它去检测过小的目 标，比如小于 40 个像素的目标。室外环境不易太复杂。输出目标为精细轮廓目标，可以为 后面高层应用提供良好的信息。 二、目标跟踪 2.1 稳定运行环境要求此版本跟踪算法与运动检测算法紧密结合， 对相机的架设和视频的背景环境和运动目标 数量运动方式有一定要求： 背景要求： 由于运动跟踪是基于运动检测的结果进行的， 所以对背景的要求和运动检测一样， 背景要求： 运动目标相对于背景要有一定反差。 运动目标：由于运动检测中，对较小的目标可能过滤掉。所以运动目标的大小要符合运动检 运动目标： 测的要求。运动目标的速度不能太大，要保证前后帧运动目标的重合面积大于 10 个像素。此阈值可修改(建议不要随意修改，过小，可能把碎片当成原目标分 裂出来的小目标，过大，可能失去跟踪。当然可试着调节以适应不同场景)。该 算法对由于运动检测在地面上产生的碎片抗干扰性比较差， 运动目标和碎片相遇 时，容易发生融合又分离的现象，造成轨迹混乱。消失目标和新生目标很容易当 成同一目标处理，所以可能出现一个新目标继承新生目标的轨迹。 运动方式： 运动目标的最大数量由外部设定。 但运动跟踪对运动目标比较稀疏的场景效果比 运动方式： 较好。 算法对由于运动检测在运动目标上产生的碎片有一定的抗干扰。 算法没对 物体的遮挡进行处理。对于两运动目标之间的遮挡按融合来处理。 拍摄角度： 拍摄角度：拍摄视野比较大，且最好是俯视拍摄。
姓名：刘帆；学号：20021210609；学院：电子工程学院 【嵌牛导读】目标跟踪算法研究难点与挑战在于实际复杂的应用环境 、背景相似干扰、光照条件的变化、遮挡等外界因素以及目标姿态变化，外观变形，尺度变化、平面外旋转、平面内旋转、出视野、快速运动和运动模糊等。而且当目标跟踪算法投入实际应用时，不可避免的一个问题——实时性问题也是非常的重要。正是有了这些问题，才使得算法研究充满着难点和挑战。 【嵌牛鼻子】目标跟踪算法，传统算法 【嵌牛提问】利用目标跟踪检测算法要达到何目的?第一阶段的单目标追踪算法包括什么?具体步骤有哪些?它们有何特点? 【嵌牛正文】 第一阶段 目标跟踪分为两个部分，一个是对指定目标寻找可以跟踪的特征，常用的有颜色，轮廓，特征点，轨迹等，另一个是对目标特征进行跟踪。 1、静态背景 1）背景差： 对背景的光照变化、噪声干扰以及周期性运动等进行建模。通过当前帧减去背景图来捕获运动物体的过程。 2）帧差： 由于场景中的目标在运动，目标的影像在不同图像帧中的位置不同。该类算法对时间上连续的两帧或三帧图像进行差分运算，不同帧对应的像素点相减，判断灰度差的绝对值，当绝对值超过一定阈值时，即可判断为运动目标，从而实现目标的检测功能。 与二帧差分法不同的是，三帧差分法（交并运算）去除了重影现象，可以检测出较为完整的物体。帧间差分法的原理简单，计算量小，能够快速检测出场景中的运动目标。但帧间差分法检测的目标不完整，内部含有“空洞”，这是因为运动目标在相邻帧之间的位置变化缓慢，目标内部在不同帧图像中相重叠的部分很难检测出来。帧间差分法通常不单独用在目标检测中，往往与其它的检测算法结合使用。 3）Codebook 算法为图像中每一个像素点建立一个码本，每个码本可以包括多个码元（对应阈值范围），在学习阶段，对当前像素点进行匹配，如果该像素值在某个码元的学习阈值内，也就是说与之前出现过的某种历史情况偏离不大，则认为该像素点符合背景特征，需要更新对应点的学习阈值和检测阈值。 如果新来的像素值与每个码元都不匹配，则可能是由于动态背景导致，这种情况下，我们需要为其建立一个新的码元。每个像素点通过对应多个码元，来适应复杂的动态背景。 在应用时，每隔一段时间选择K帧通过更新算法建立CodeBook背景模型，并且删除超过一段时间未使用的码元。 4）GMM 混合高斯模型（Gaussian of Micture Models，GMM）是较常用的背景去除方法之一（其他的还有均值法、中值法、滑动平均滤波等）。 首先我们需要了解单核高斯滤波的算法步骤： 混合高斯建模GMM（Gaussian Mixture Model）作为单核高斯背景建模的扩展，是目前使用最广泛的一种方法，GMM将背景模型描述为多个分布，每个像素的R、G、B三个通道像素值的变化分别由一个混合高斯模型分布来刻画，符合其中一个分布模型的像素即为背景像素。作为最常用的一种背景建模方法，GMM有很多改进版本，比如利用纹理复杂度来更新差分阈值，通过像素变化的剧烈程度来动态调整学习率等。 5）ViBe（2011） ViBe算法主要特点是随机背景更新策略，这和GMM有很大不同。其步骤和GMM类似。具体的思想就是为每个像素点存储了一个样本集，样本集中采样值就是该像素点过去的像素值和其邻居点的像素值，然后将每一个新的像素值和样本集进行比较来判断是否属于背景点。 其中pt（x）为新帧的像素值，R为设定值，p1、p2、p3….为样本集中的像素值，以pt（x）为圆心R为半径的圆被认为成一个集，当样本集与此集的交集大于设定的阈值#min时，可认为此为背景像素点（交集越大，表示新像素点与样本集越相关）。我们可以通过改变#min的值与R的值来改变模型的灵敏度。 Step1：初始化单帧图像中每个像素点的背景模型。假设每一个像素和其邻域像素的像素值在空域上有相似的分布。基于这种假设，每一个像素模型都可以用其邻域中的像素来表示。为了保证背景模型符合统计学规律，邻域的范围要足够大。当输入第一帧图像时，即t=0时，像素的背景模型。其中，NG（x,y）表示空域上相邻的像素值，f(xi,yi)表示当前点的像素值。在N次的初始化的过程中，NG（x,y）中的像素点(xi,yi)被选中的可能次数为L=1,2,3,…,N。 Step2：对后续的图像序列进行前景目标分割操作。当t=k时，像素点(x,y)的背景模型为BKm(x,y)，像素值为fk(x,y)。按照下面判断该像素值是否为前景。这里上标r是随机选的；T是预先设置好的阈值。当fk(x,y)满足符合背景#N次时，我们认为像素点fk(x,y)为背景，否则为前景。 Step3：ViBe算法的更新在时间和空间上都具有随机性。每一个背景点有1/ φ的概率去更新自己的模型样本值，同时也有1/ φ的概率去更新它的邻居点的模型样本值。更新邻居的样本值利用了像素值的空间传播特性，背景模型逐渐向外扩散，这也有利于Ghost区域的更快的识别。同时当前景点计数达到临界值时将其变为背景，并有1/ φ的概率去更新自己的模型样本值（为了减少缓慢移动物体的影响和摄像机的抖动）。 可以有如下总结，ViBe中的每一个像素点在更新的时候都有一个时间和空间上随机影响的范围，这个范围很小，大概3x3的样子，这个是考虑到摄像头抖动时会有坐标的轻微来回变化，这样虽然由于ViBe的判别方式仍认为是背景点，但是也会对后面的判别产生影响，为了保证空间的连续性，随机更新减少了这个影响。而在样本值保留在样本集中的概率随着时间的增大而变小，这就保证了像素模型在时间上面的延续特性。 6）光流 光流是由物体或相机的运动引起的图像对象在两个连续帧之间的视在运动模式。它是2D矢量场，其中每个矢量是一个位移矢量，显示点从第一帧到第二帧的移动。 光流实际上是一种特征点跟踪方法，其计算的为向量，基于三点假设： 1、场景中目标的像素在帧间运动时亮度（像素值或其衍生值）不发生变化；2、帧间位移不能太大；3、同一表面上的邻近点都在做相同的运动； 光流跟踪过程：1）对一个连续视频帧序列进行处理；2）对每一帧进行前景目标检测；3）对某一帧出现的前景目标，找出具有代表性的特征点（Harris角点）；4）对于前后帧做像素值比较，寻找上一帧在当前帧中的最佳位置，从而得到前景目标在当前帧中的位置信息；5）重复上述步骤，即可实现目标跟踪 2、运动场（分为相机固定，但是视角变化和相机是运动的） 1）运动建模（如视觉里程计运动模型、速度运动模型等） 运动学是对进行刚性位移的相机进行构型，一般通过6个变量来描述，3个直角坐标，3个欧拉角（横滚、俯仰、偏航）。 Ⅰ、对相机的运动建模 由于这个不是我们本次所要讨论的重点，但是在《概率机器人》一书中提出了很多很好的方法，相机的运动需要对图像内的像素做位移矩阵和旋转矩阵的坐标换算。除了对相机建立传统的速度运动模型外，也可以用视觉里程计等通关过置信度的更新来得到概率最大位置。 Ⅱ、对于跟踪目标的运动建模 该方法需要提前通过先验知识知道所跟踪的目标对象是什么，比如车辆、行人、人脸等。通过对要跟踪的目标进行建模，然后再利用该模型来进行实际的跟踪。该方法必须提前知道要跟踪的目标对象是什么，然后再去跟踪指定的目标，这是它的局限性，因而其推广性相对比较差。（比如已知跟踪的物体是羽毛球，那很容易通过前几帧的取点，来建立整个羽毛球运动的抛物线模型） 2）核心搜索算法（常见的预测算法有Kalman(卡尔曼)滤波、扩展卡尔曼滤波、粒子滤波） Ⅰ、Kalman 滤波 Kalman滤波器是通过前一状态预测当前状态，并使用当前观测状态进行校正，从而保证输出状态平稳变化，可有效抵抗观测误差。因此在运动目标跟踪中也被广泛使用。 在视频处理的运动目标跟踪里，每个目标的状态可表示为(x,y,w,h)，x和y表示目标位置，w和h表示目标宽高。一般地认为目标的宽高是不变的，而其运动速度是匀速，那么目标的状态向量就应该扩展为(x,y,w,h,dx,dy)，其中dx和dy是目标当前时刻的速度。通过kalman滤波器来估计每个时刻目标状态的大致过程为： 对视频进行运动目标检测，通过简单匹配方法来给出目标的第一个和第二个状态，从第三个状态开始，就先使用kalman滤波器预测出当前状态，再用当前帧图像的检测结果作为观测值输入给kalman滤波器，得到的校正结果就被认为是目标在当前帧的真实状态。(其中，Zt为测量值，为预测值，ut为控制量，Kt为增益。) Ⅱ、扩展卡尔曼滤波（EKF）和无迹卡尔曼滤波（UKF） 由于卡尔曼滤波的假设为线性问题，无法直接用在非线性问题上，EKF和UKF解决了这个问题（这个线性问题体现在用测量量来计算预测量的过程中）。EKF是通过构建线性函数g(x)，与非线性函数相切，并对每一时刻所求得的g（x）做KF，如下图所示。 UKF与EKF去求解雅可比矩阵拟合线性方程的方法不同，通过对那个先验分布中的采集点，来线性化随机变量的非线性函数。与EKF所用的方法不同，UKF产生的高斯分布和实际高斯分布更加接近，其引起的近似误差也更小。 Ⅲ、粒子滤波 1、初始状态：基于粒子滤波的目标追踪方法是一种生成式跟踪方法，所以要有一个初始化的阶段。对于第一帧图像，人工标定出待检测的目标，对该目标区域提出特征； 2、搜索阶段：现在已经知道了目标的特征，然后就在目标的周围撒点(particle), 如：a)均匀的撒点;b)按高斯分布撒点，就是近的地方撒得多，远的地方撒的少。论文里使用的是后一种方法。每一个粒子都计算所在区域内的颜色直方图，如初始化提取特征一样，然后对所有的相似度进行归一化。文中相似性使用的是巴氏距离； 3、重采样：根据粒子权重对粒子进行筛选，筛选过程中，既要大量保留权重大的粒子，又要有一小部分权重小的粒子； 4、状态转移：将重采样后的粒子带入状态转移方程得到新的预测粒子； 5、测量及更新：对目标点特征化，并计算各个粒子和目标间的巴氏距离，更新粒子的权重； 6、决策阶段：每个粒子都获得一个和目标的相似度，相似度越高，目标在该范围出现的可能性越高，将保留的所有粒子通过相似度加权后的结果作为目标可能的位置。 3）Meanshift算法 MeanShift算法属于核密度估计法，它不需要任何先验知识而完全依靠特征空间中样本点的计算其密度函数值。对于一组采样数据，直方图法通常把数据的值域分成若干相等的区间，数据按区间分成若干组，每组数据的个数与总参数个数的比率就是每个单元的概率值；核密度估计法的原理相似于直方图法，只是多了一个用于平滑数据的核函数。采用核函数估计法，在采样充分的情况下，能够渐进地收敛于任意的密度函数，即可以对服从任何分布的数据进行密度估计。 Meanshift算法步骤 1、通过对初始点（或者上一帧的目标点）为圆心，绘制一个半径为R的圆心，寻找特征和该点相似的点所构成的向量； 2、所有向量相加，可以获得一个向量叠加，这个向量指向特征点多的方向； 3、取步骤二的向量终点为初始点重复步骤一、二，直到得到的向量小于一定的阈值，也就是说明当前位置是特征点密度最密集的地方，停止迭代，认为该点为当前帧的目标点； 4）Camshift算法 Camshift算法是MeanShift算法的改进，称为连续自适应的MeanShift算法。Camshift 是由Meanshift 推导而来 Meanshift主要是用在单张影像上，但是独立一张影像分析对追踪而言并无意义，Camshift 就是利用MeanShift的方法，对影像串列进行分析。 1、首先在影像串列中选择目标区域。 2、计算此区域的颜色直方图（特征提取）。 3、用MeanShift演算法来收敛欲追踪的区域。 4、通过目标点的位置和向量信息计算新的窗口大小，并标示之。 5、以此为参数重复步骤三、四。 Camshift 关键就在于当目标的大小发生改变的时候，此算法可以自适应调整目标区域继续跟踪。 3、小结 第一阶段的单目标追踪算法基本上都是传统方法，计算量小，在嵌入式等设备中落地较多，opencv中也预留了大量的接口。通过上面的两节的介绍，我们不难发现，目标检测算法的步骤分为两部分，一部分是对指定目标寻找可以跟踪的特征，常用的有颜色，轮廓，特征点，轨迹等，另一部分是对目标特征进行跟踪，如上文所提及的方法。所以目标检测方法的发展，也可总结为两个方面，一个是如何去获得更加具有区分性的可跟踪的稳定特征，另一个是如何建立帧与帧之间的数据关联，保证跟踪目标是正确的。 随着以概率为基础的卡尔曼滤波、粒子滤波或是以Meanshift为代表向量叠加方法在目标检测的运用，使得目标检测不再需要假设自身的一个状态为静止的，而是可以是运动的，更加符合复杂场景中的目标跟踪。
1、optical flow （光流） 表示的是相邻两帧图像中每个像素的运动速度和运动方向。第t帧的时候A点的位置是(x1, y1)，那么我们在第t+1帧的时候再找到A点（能在下一帧中找到A点，就需要用到计算光流的各种方法，在openCI中可以实现），假如它的位置是(x2,y2)，那么我们就可以确定A点的运动了：(ux, vy) = (x2, y2) - (x1,y1) 然后将多个光流图进行累加，就能表示物体的运动轨迹，我自己是把它理解为像是在慢快门下拍车流形成的图（当然，我不知道这样理解是否正确） 2、关于光流图是否是灰度图像，查阅相关资料后我的结论是，光流图是灰度图像，可以将从光流图转换成彩色图进行显示。在一篇博客（）中说，“光流场是图片中每个像素都有一个x方向和y方向的位移，所以在上面那些光流计算结束后得到的光流flow是个和原来图像大小相等的双通道图像” （这是Two-Stream Convolutional Networks for Action Recognition in Videos论文中显示的x,y通道图像） 而在例如用openCI中的“calcOpticalFlowFarneback来计算稠密光流并且用孟塞尔颜色系统来显示的结果图中，不同颜色表示不同的运动方向，深浅就表示运动的快慢了” 3、光流法的大致流程如下（原文地址：）： ①在一帧图像中选取大量的光流点（具体选取方法可以不同，如fast角点，随机选，等间隔选...)。 ②计算所有光流点的运动矢量(常用方法有LK光流，HS光流等）。 ③根据这些矢量和其它一些特征检测运动目标。 具体如下：1.首先在一帧图像内随机均匀选取k个点，并滤除那些邻域纹理太光滑的点，因为这些点不利于计算光流 2.计算这些点与上一帧图像的光流矢量，如上右图，此时已经可以看出背景运动的大概方向了 3.接下来的这一步方法因人而异了。2007年cvpr的一篇文章Detection and segmentation of moving objects in highly dynamic scenes的方法是把这些光流点的（x, y, dx, dy, Y, U, V)7个特征通过meanshift聚类来聚合到一起，最后形成运动目标轮廓。而我的方法很简单，只用到了(dx, dy)两个特征，如左图，首先把所有光流点投射到直角坐标，图中的坐标轴是(dx,dy), 然后通过meanshift找到密度最大的(dx, dy)坐标点,也就是背景矢量最集中的位置（图中点的亮度越大代表该位置矢量的密度越大），如红圈所示,红圈外面的矢量就可以认为是运动目标了，如右图所示。
液压伺服系统设计 液压伺服系统设计 在液压伺服系统中采用液压伺服阀作为输入信号的转换与放大元件。液压伺服系统能以小功率的电信号输入，控制大功率的液压能（流量与压力）输出，并能获得很高的控制精度和很快的响应速度。位置控制、速度控制、力控制三类液压伺服系统一般的设计步骤如下： 1）明确设计要求：充分了解设计任务提出的工艺、结构及时系统各项性能的要求，并应详细分析负载条件。 2）拟定控制方案，画出系统原理图。 3）静态计算：确定动力元件参数，选择反馈元件及其它电气元件。 4）动态计算：确定系统的传递函数，绘制开环波德图，分析稳定性，计算动态性能指标。 5）校核精度和性能指标，选择校正方式和设计校正元件。 6）选择液压能源及相应的附属元件。 7）完成执行元件及液压能源施工设计。 本章的内容主要是依照上述设计步骤，进一步说明液压伺服系统的设计原则和介绍具体设计计算方法。由于位置控制系统是最基本和应用最广的系统，所以介绍将以阀控液压缸位置系统为主。 4.1 全面理解设计要求 4.1.1 全面了解被控对象 液压伺服控制系统是被控对象—主机的一个组成部分，它必须满足主机在工艺上和结构上对其提出的要求。例如轧钢机液压压下位置控制系统，除了应能够承受最大轧制负载，满足轧钢机轧辊辊缝调节最大行程，调节速度和控制精度等要求外，执行机构—压下液压缸在外形尺寸上还受轧钢机牌坊窗口尺寸的约束，结构上还必须保证满足更换轧辊方便等要求。要设计一个好的控制系统，必须充分重视这些问题的解决。所以设计师应全面了解被控对象的工况，并综合运用电气、机械、液压、工艺等方面的理论知识，使设计的控制系统满足被控对象的各项要求。 4.1.2 明角设计系统的性能要求 1）被控对象的物理量：位置、速度或是力。 2）静态极限：最大行程、最大速度、最大力或力矩、最大功率。 3）要求的控制精度：由给定信号、负载力、干扰信号、伺服阀及电控系统零飘、非线性环节（如摩擦力、死区等）以及传感器引起的系统误差，定位精度，分辨率以及允许的飘移量等。 4）动态特性：相对稳定性可用相位裕量和增益裕量、谐振峰值和超调量等来规定，响应的快速性可用载止频率或阶跃响应的上升时间和调整时间来规定； 5）工作环境：主机的工作温度、工作介质的冷却、振动与冲击、电气的噪声干扰以及相应的耐高温、防水防腐蚀、防振等要求； 6）特殊要求；设备重量、安全保护、工作的可靠性以及其它工艺要求。 4.1.3 负载特性分析 正确确定系统的外负载是设计控制系统的一个基本问题。它直接影响系统的组成和动力元件参数的选择，所以分析负载特性应尽量反映客观实际。液压伺服系统的负载类型有惯性负载、弹性负载、粘性负载、各种摩擦负载（如静摩擦、动摩擦等）以及重力和其它不随时间、位置等参数变化的恒值负载等。 4.2 拟定控制方案、绘制系统原理图 在全面了解设计要求之后，可根据不同的控制对象，按表6所列的基本类型选定控制方案并拟定控制系统的方块图。如对直线位置控制系统一般采用阀控液压缸的方案，方块图如图36所示。图36 阀控液压缸位置控制系统方块图表6 液压伺服系统控制方式的基本类型伺服系统 控制信号 控制参数 运动类型 元件组成机液电液气液电气液 模拟量数字量位移量 位置、速度、加速度、力、力矩、压力 直线运动摆动运动旋转运动 1.阀控制：阀-液压缸，阀-液压马达2.容积控制：变量泵-液压缸；变量泵-液压马达；阀-液压缸-变量泵-液压马达3.其它：步近式力矩马达 4.3 动力元件参数选择 动力元件是伺服系统的关键元件。它的一个主要作用是在整个工作循环中使负载按要求的速度运动。其次，它的主要性能参数能满足整个系统所要求的动态特性。此外，动力元件参数的选择还必须考虑与负载参数的最佳匹配，以保证系统的功耗最小，效率高。 动力元件的主要参数包括系统的供油压力、液压缸的有效面积（或液压马达排量）、伺服阀的流量。当选定液压马达作执行元件时，还应包括齿轮的传动比。 4.3.1 供油压力的选择 选用较高的供油压力，在相同输出功率条件下，可减小执行元件——液压缸的活塞面积（或液压马达的排量），因而泵和动力元件尺寸小重量轻，设备结构紧凑，同时油腔的容积减小，容积弹性模数增大，有利于提高系统的响应速度。但是随供油压力增加，由于受材料强度的限制，液压元件的尺寸和重量也有增加的趋势，元件的加工精度也要求提高，系统的造价也随之提高。同时，高压时，泄漏大，发热高，系统功率损失增加，噪声加大，元件寿命降低，维护也较困难。所以条件允许时，通常还是选用较低的供油压力。 常用的供油压力等级为7MPa到28MPa，可根据系统的要求和结构限制条件选择适当的供油压力。 4.3.2 伺服阀流量与执行元件尺寸的确定 如上所述，动力元件参数选择除应满足拖动负载和系统性能两方面的要求外，还应考虑与负载的最佳匹配。下面着重介绍与负载最佳匹配问题。 （1）动力元件的输出特性 将伺服阀的流量——压力曲线经坐标变换绘于υ－FL平面上，所得的抛物线即为动力元件稳态时的输出特性，见图37。 图37 参数变化对动力机构输出特性的影响a）供油压力变化；b）伺服阀容量变化；c）液压缸面积变化 图中 FL——负载力，FL=pLA； pL——伺服阀工作压力； A——液压缸有效面积； υ——液压缸活塞速度， ； qL——伺服阀的流量； q0——伺服阀的空载流量； ps——供油压力。 由图37可见，当伺服阀规格和液压缸面积不变，提高供油压力，曲线向外扩展，最大功率提高，最大功率点右移，如图37a。 当供油压力和液压缸面积不变，加大伺服阀规格，曲线变高，曲线的顶点A ps不变，最大功率提高，最大功率点不变，如图37b。 当供油压力和伺服阀规格不变，加大液压缸面积A，曲线变低，顶点右移，最大功率不变，最大功率点右移，如图37c。 （2）负载最佳匹配图解法 在负载轨迹曲线υ－FL平面上，画出动力元件输出特性曲线，调整参数，使动力元件输出特性曲线从外侧完全包围负载轨迹曲线，即可保证动力元件能够拖动负载。在图38中，曲线1、2、3代表三条动力元件的输出特性曲线。曲线2与负载轨迹最大功率点c相切，符合负载最佳匹配条件，而曲线1、3上的工作点α和b，虽能拖动负载，但效率都较低。 （3）负载最佳匹配的解析法 参见液压动力元件的负载匹配。 （4）近似计算法在工程设计中，设计动力元件时常采用近似计算法，即按最大负载力FLmax选择动力元件。在动力元件输出特性曲线上，限定 FLmax≤pLA= ，并认为负载力、最大速度和最大加速度是同时出现的，这样液压缸的有效面积可按下式计算： （37） 图38 动力元件与负载匹配图形 按式37求得A值后，可计算负载流量qL，即可根据阀的压降从伺服阀样本上选择合适的伺服阀。近似计算法应用简便，然而是偏于保守的计算方法。采用这种方法可以保证系统的性能，但传递效率稍低。 （5）按液压固有频率选择动力元件 对功率和负载很小的液压伺服系统来说，功率损耗不是主要问题，可以根据系统要求的液压固有频率来确定动力元件。 四边滑阀控制的液压缸，其活塞的有效面积为 （38） 二边滑阀控制的液压缸，其活塞的有效面积为 （39） 液压固有频率ωh可以按系统要求频宽的（5～10）倍来确定。对一些干扰力大，负载轨迹形状比较复杂的系统，不能按上述的几种方法计算动力元件，只能通过作图法来确定动力元件。 计算阀控液压马达组合的动力元件时，只要将上述计算方法中液压缸的有效面积A换成液压马达的排量D，负载力FL换成负载力矩TL，负载速度换成液压马达的角速度 ，就可以得到相应的计算公式。当系统采用了减速机构时，应注意把负载惯量、负载力、负载的位移、速度、加速度等参数都转换到液压马达的轴上才能作为计算的参数。减速机构传动比选择的原则是：在满足液压固有频率的要求下，传动比最小，这就是最佳传动比。 4.3.3 伺服阀的选择 根据所确定的供油压力ps和由负载流量qL（即要求伺服阀输出的流量）计算得到的伺服阀空载流量q0，即可由伺服阀样本确定伺服阀的规格。因为伺服阀输出流量是限制系统频宽的一个重要因素，所以伺服阀流量应留有余量。通常可取15%左右的负载流量作为伺服阀的流量储备。 除了流量参数外，在选择伺服阀时，还应考虑以下因素： 1）伺服阀的流量增益线性好。在位置控制系统中，一般选用零开口的流量阀，因为这类阀具有较高的压力增益，可使动力元件有较大的刚度，并可提高系统的快速性与控制精度。 2）伺服阀的频宽应满足系统频宽的要求。一般伺服阀的频宽应大于系统频宽的5倍，以减小伺服阀对系统响应特性的影响。 3）伺服阀的零点漂移、温度漂移和不灵敏区应尽量小，保证由此引起的系统误差不超出设计要求。 4）其它要求，如对零位泄漏、抗污染能力、电功率、寿命和价格等，都有一定要求。 4.3.4 执行元件的选择 液压伺服系统的执行元件是整个控制系统的关键部件，直接影响系统性能的好坏。执行元件的选择与设计，除了按本节所述的方法确定液压缸有效面积A（或液压马达排量D）的最佳值外，还涉及密封、强度、摩擦阻力、安装结构等问题。 4.4 反馈传感器的选择 根据所检测的物理量，反馈传感器可分为位移传感器、速度传感器、加速度传感器和力（或压力）传感器。它们分别用于不同类型的液压伺服系统，作为系统的反馈元件。闭环控制系统的控制精度主要决定于系统的给定元件和反馈元件的精度，因此合理选择反馈传感器十分重要。 传感器的频宽一般应选择为控制系统频宽的5～10倍，这是为了给系统提供被测量的瞬时真值，减少相位滞后。传感器的频宽对一般系统都能满足要求，因此传感器的传递函数可近似按比例环节来考虑。 4.5 确定系统方块图 根据系统原理图及系统各环节的传递函数，即可构成系统的方块图。根据系统的方块图可直接写出系统开环传递函数。阀控液压缸和阀控液压马达控制系统二者的传递函数具有相同的结构形式，只要把相应的符号变换一下即可。 4.6 绘制系统开环波德图并确定开环增益 系统的动态计算与分析在这里是采用频率法。首先根据系统的传递函数，求出波德图。在绘制波德图时，需要确定系统的开环增益K。 改变系统的开环增益K时，开环波德图上幅频曲线只升高或降低一个常数，曲线的形状不变，其相频曲线也不变。波德图上幅频曲线的低频段、穿越频率以及幅值增益裕量分别反映了闭环系统的稳态精度、截止频率及系统的稳定性。所以可根据闭环系统所要求的稳态精度、频宽以及相对稳定性，在开环波德图上调整幅频曲线位置的高低，来获得与闭环系统要求相适应的K值。 4.6.1 由系统的稳态精度要求确定K 由控制原理可知，不同类型控制系统的稳态精度决定于系统的开环增益。因此，可以由系统对稳态精度的要求和系统的类型计算得到系统应具有的开环增益K。 4.6.2由系统的频宽要求确定K 分析二阶或三阶系统特性与波德图的关系知道，当ζh和K/ωh都很小时，可近似认为系统的频宽等于开环对数幅值曲线的穿越频率，即ω-3dB≈ωc，所以可绘制对数幅频曲线，使ωc在数值上等于系统要求的ω-3dB值，如图39所示。由此图可得K值。 图39 由ω-3dB绘制开环对数幅频特性a）0型系统；b）I型系统 4.6.3 由系统相对稳定性确定K 系统相对稳定性可用幅值裕量和相位裕量来表示。根据系统要求的幅值裕量和相位裕量来绘制开环波德图，同样也可以得到K。见图40。 实际上通过作图来确定系统的开环增益K，往往要综合考虑，尽可能同时满足系统的几项主要性能指标。 4.7 系统静动态品质分析及确定校正特性 在确定了系统传递函数的各项参数后，可通过闭环波德图或时域响应过渡过程曲线或参数计算对系统的各项静动态指标和误差进行校核。如设计的系统性能不满足要求，则应调整参数，重复上述计算或采用校正环节对系统进行补偿，改变系统的开环频率特性，直到满足系统的要求。 4.8 仿真分析 在系统的传递函数初步确定后，可以通过计算机对该系统进行数字仿真，以求得最佳设计。目前有关于数字仿真的商用软件，如Matlab软件，很适合仿真分析。
电梯控制系统设计基于西门子PLC的电梯控制系统
列固为了减小摩擦的是( )独讨论某一点的隶属度毫无意义。对 错 (1). 小的混酥面坯制品
以下均可参考,从参考网址进入,合适的话,给我加分!谢谢1.基于labVIEW虚拟滤波器的设计与实现 2.双闭环直流调速系统设计3.单片机脉搏测量仪 4.单片机控制的全自动洗衣机毕业设计论文5.FPGA电梯控制的设计与实现 6.恒温箱单片机控制7.基于单片机的数字电压表 8.单片机控制步进电机毕业设计论文9.函数信号发生器设计论文 10.110KV变电所一次系统设计11.报警门铃设计论文 12.51单片机交通灯控制13.单片机温度控制系统 14.CDMA通信系统中的接入信道部分进行仿真与分析15.仓库温湿度的监测系统 16.基于单片机的电子密码锁17.单片机控制交通灯系统设计 18.基于DSP的IIR数字低通滤波器的设计与实现19.智能抢答器设计 20.基于LabVIEW的PC机与单片机串口通信21.DSP设计的IIR数字高通滤波器 22.单片机数字钟设计23.自动起闭光控窗帘毕业设计论文 24.三容液位远程测控系统毕业论文25.基于Matlab的PWM波形仿真与分析 26.集成功率放大电路的设计27.波形发生器、频率计和数字电压表设计 28.水位遥测自控系统 毕业论文29.宽带视频放大电路的设计 毕业设计 30.简易数字存储示波器设计毕业论文31.球赛计时计分器 毕业设计论文 32.IIR数字滤波器的设计毕业论文33.PC机与单片机串行通信毕业论文 34.基于CPLD的低频信号发生器设计毕业论文35.110kV变电站电气主接线设计 36.m序列在扩频通信中的应用37.正弦信号发生器 38.红外报警器设计与实现39.开关稳压电源设计 40.基于MCS51单片机温度控制毕业设计论文41.步进电动机竹竿舞健身娱乐器材 42.单片机控制步进电机 毕业设计论文43.单片机汽车倒车测距仪 44.基于单片机的自行车测速系统设计45.水电站电气一次及发电机保护 46.基于单片机的数字显示温度系统毕业设计论文47.语音电子门锁设计与实现 48.工厂总降压变电所设计-毕业论文49.单片机无线抢答器设计 50.基于单片机控制直流电机调速系统毕业设计论文51.单片机串行通信发射部分毕业设计论文 52.基于VHDL语言PLD设计的出租车计费系统毕业设计论文53.超声波测距仪毕业设计论文 54.单片机控制的数控电流源毕业设计论文55.声控报警器毕业设计论文 56.基于单片机的锁相频率合成器毕业设计论文57.基于Multism/protel的数字抢答器 58.单片机智能火灾报警器毕业设计论59.无线多路遥控发射接收系统设计毕业论文 60.单片机对玩具小车的智能控制毕业设计论文61.数字频率计毕业设计论文 62.基于单片机控制的电机交流调速毕业设计论文63.楼宇自动化--毕业设计论文 64.车辆牌照图像识别算法的实现--毕业设计65.超声波测距仪--毕业设计 66.工厂变电所一次侧电气设计67.电子测频仪--毕业设计 68.点阵电子显示屏--毕业设计69.电子电路的电子仿真实验研究 70.基于51单片机的多路温度采集控制系统71.基于单片机的数字钟设计 72.小功率不间断电源(UPS)中变换器的原理与设计73.自动存包柜的设计 74.空调器微电脑控制系统75.全自动洗衣机控制器 76.电力线载波调制解调器毕业设计论文77.图书馆照明控制系统设计 78.基于AC3的虚拟环绕声实现79.电视伴音红外转发器的设计 80.多传感器障碍物检测系统的软件设计81.基于单片机的电器遥控器设计 82.基于单片机的数码录音与播放系统83.单片机控制的霓虹灯控制器 84.电阻炉温度控制系统85.智能温度巡检仪的研制 86.保险箱遥控密码锁 毕业设计87.10KV变电所的电气部分及继电保护 88.年产26000吨乙醇精馏装置设计89.卷扬机自动控制限位控制系统 90.铁矿综合自动化调度系统91.磁敏传感器水位控制系统 92.继电器控制两段传输带机电系统93.广告灯自动控制系统 94.基于CFA的二阶滤波器设计95.霍尔传感器水位控制系统 96.全自动车载饮水机97.浮球液位传感器水位控制系统 98.干簧继电器水位控制系统99.电接点压力表水位控制系统 100.低成本智能住宅监控系统的设计101.大型发电厂的继电保护配置 102.直流操作电源监控系统的研究103.悬挂运动控制系统 104.气体泄漏超声检测系统的设计105.电压无功补偿综合控制装置 106.FC-TCR型无功补偿装置控制器的设计107.DSP电机调速 108.150MHz频段窄带调频无线接收机109.电子体温计 110.基于单片机的病床呼叫控制系统111.红外测温仪 112.基于单片微型计算机的测距仪113.智能数字频率计 114.基于单片微型计算机的多路室内火灾报警器115.信号发生器 116.基于单片微型计算机的语音播出的作息时间控制器117.交通信号灯控制电路的设计 118.基于单片机步进电机控制系统设计119.多路数据采集系统的设计 120.电子万年历 121.遥控式数控电源设计 122.110kV降压变电所一次系统设计 123.220kv变电站一次系统设计 124.智能数字频率计 125.信号发生器126.基于虚拟仪器的电网主要电气参数测试设计 127.基于FPGA的电网基本电量数字测量系统的设计 128.风力发电电能变换装置的研究与设计 129.电流继电器设计 130.大功率电器智能识别与用电安全控制器的设计 131.交流电机型式试验及计算机软件的研究 132.单片机交通灯控制系统的设计 133.智能立体仓库系统的设计 134.智能火灾报警监测系统 135.基于单片机的多点温度检测系统 136.单片机定时闹钟设计 137.湿度传感器单片机检测电路制作 138.智能小车自动寻址设计--小车悬挂运动控制系统 139.探讨未来通信技术的发展趋势 140.音频多重混响设计 141.单片机呼叫系统的设计 142.基于FPGA和锁相环4046实现波形发生器 143.基于FPGA的数字通信系统 144.基于单片机的带智能自动化的红外遥控小车 145.基于单片机AT89C51的语音温度计的设计 146.智能楼宇设计 147.移动电话接收机功能电路 148.单片机演奏音乐歌曲装置的设计 149.单片机电铃系统设计 150.智能电子密码锁设计 151.八路智能抢答器设计 152.组态控制抢答器系统设计 153.组态控制皮带运输机系统设计 154..基于单片机控制音乐门铃 155.基于单片机控制文字的显示 156.基于单片机控制发生的数字音乐盒 157.基于单片机控制动态扫描文字显示系统的设计 158.基于LMS自适应滤波器的MATLAB实现 159.D功率放大器毕业论文 160.无线射频识别系统发射接收硬件电路的设计 161.基于单片机PIC16F877的环境监测系统的设计 162.基于ADE7758的电能监测系统的设计 163.智能电话报警器 164.数字频率计 课程设计 165.多功能数字钟电路设计 课程设计 166.基于VHDL数字频率计的设计与仿真 167.基于单片机控制的电子秤 168.基于单片机的智能电子负载系统设计 169.电压比较器的模拟与仿真 170.脉冲变压器设计 171.MATLAB仿真技术及应用 172.基于单片机的水温控制系统 173.基于FPGA和单片机的多功能等精度频率计 174.发电机－变压器组中微型机保护系统 175.基于单片机的鸡雏恒温孵化器的设计 176.数字温度计的设计 177.生产流水线产品产量统计显示系统 178.水位报警显时控制系统的设计 179.红外遥控电子密码锁的设计 180.基于MCU温控智能风扇控制系统的设计 181.数字电容测量仪的设计 182.基于单片机的遥控器的设计 183.200电话卡代拨器的设计 184.数字式心电信号发生器硬件设计及波形输出实现 185.电压稳定毕业设计论文 186.基于DSP的短波通信系统设计(IIR设计) 187.一氧化碳报警器 188.网络视频监控系统的设计 189.全氢罩式退火炉温度控制系统 190.通用串行总线数据采集卡的设计 191.单片机控制单闭环直流电动机的调速控制系统 192.单片机电加热炉温度控制系统 193.单片机大型建筑火灾监控系统 194.USB接口设备驱动程序的框架设计 195.基于Matlab的多频率FMICW的信号分离及时延信息提取 196.正弦信号发生器 197.小功率UPS系统设计 198.全数字控制SPWM单相变频器 199.点阵式汉字电子显示屏的设计与制作 200.基于AT89C51的路灯控制系统设计 200.基于AT89C51的路灯控制系统设计 201.基于AT89C51的宽范围高精度的电机转速测量系统 202.开关电源设计203.基于PDIUSBD12和K9F2808简易USB闪存设计 204.微型机控制一体化监控系统205.直流电机试验自动采集与控制系统的设计 206.新型自动装弹机控制系统的研究与开发 207.交流异步电机试验自动采集与控制系统的设计208.转速闭环控制的直流调速系统的仿真与设计209.基于单片机的数字直流调速系统设计210.多功能频率计的设计211.18信息移频信号的频谱分析和识别212.集散管理系统—终端设计213.基于MATLAB的数字滤波器优化设计214.基于AT89C51SND1C的MP3播放器215.基于光纤的汽车CAN总线研究216.汽车倒车雷达217.基于DSP的电机控制218.超媒体技术219.数字电子钟的设计与制作220.温度报警器的电路设计与制作221.数字电子钟的电路设计222.鸡舍电子智能补光器的设计223.高精度超声波传感器信号调理电路的设计224.电子密码锁的电路设计与制作225.单片机控制电梯系统的设计226.常用电器维修方法综述227.控制式智能计热表的设计228.电子指南针设计229.汽车防撞主控系统设计230.单片机的智能电源管理系统231.电力电子技术在绿色照明电路中的应用232.电气火灾自动保护型断路器的设计233.基于单片机的多功能智能小车设计234.对漏电保护器安全性能的剖析235.解析民用建筑的应急照明236.电力拖动控制系统设计237.低频功率放大器设计238.银行自动报警系统
校园内部合理化局域网设置的研究俺们当年就有人做这个题目
·免费[网络论文]|校园图书馆网络架构论文--do·免费[网络论文]|无线局域网的构建及其安全防·免费[网络论文]|无线局域网论文--doc文档·免费[网络论文]|互联网信息作为现有技术的界·免费[网络论文]|校园网建设要以用为本·免费[网络论文]|论计算机网络犯罪·免费[网络论文]|基于校园网的高校教育信息系·免费[网络论文]|论校园网的建设和管理·免费[网络论文]|校园网络安全初探·免费[网络论文]|完整的Windows 2000服务配置免费下载的可以，网址 lw52.com.cn
单片机控制自动恒温箱的设计(电路图+原理图+程序)双坐标步进电机控制系统的设计(论文) 原材料仓物位智能检测系统的设计 单片机多用宽频转速计的设计智能家居安防红外报警器设计(附protel文件)基于单片机的多功能信号发生器设计(新品)数字示波器的设计(AVR单片机)(新品)基于单片机的中文输入系统设计(程序+电路原理图+PCB图)农业暖棚(温室)温湿度控制系统的设计基于单片机喷泉控制系统的设计参考地址:
学术堂整理了二十条计算机方面的毕业论文题目,供大家参考:1、星连通圈网络和三角塔网络的若干性质研究2、中职《计算机应用基础》分层次教学研究3、基于MSP430单片机的电能质量检测仪设计4、光学遥感相机数据存储系统设计与实现5、基于单片机的级联型升压逆变器的设计及实现6、翻转课堂在职业学校《计算机应用基础》课程中的应用研究7、基于信息物理系统架构的微机接口远程实验系统设计与实现8、基于1553B总线的星务仿真系统设计9、曲面喷墨运动控制系统的研究10、项目教学法在中职计算机教学中的应用研究11、虚拟化在铁路数据中心的应用12、基于微信的学校学习支持服务的设计研究13、基于量化方法的高校师范生教学能力培养模式研究14、职业院校一体化课程教学模式研究15、应用于PowerPC处理器的乘法器设计与验证16、微项目学习在中职《计算机应用基础》课程教学中的应用研究17、信誉度约束下超边际分析的云存储资源分配研究18、机房环境监控系统的设计与实现19、计算机基础课的过程性测评系统设计20、3D打印机等层厚切片算法研究及软件实现
相位法与超声波测速测距所用方法相类似，最大测量距离通常为几百米，能较容易达到毫米的数量级，但是按照该方法设计的测距仪的最大测量距离是受到限制的，不可扩展。该方法主要在国外应用较广。而脉冲法激光测距一般采用红外激光，包括近红外激光和中红外激光。该波段激光有可见和非可见之分。且基于此技术的测距仪对相干性要求低、速度快、实现结构简单、峰值输出功率高、重复频率高且范围大，所以此项目使用的是脉冲方法设计手持激光测距仪。
脉冲式激光测距仪是通过测量激光从发射到返回之间的时间来计算距离的。因此时间测量对于脉冲式激光测距仪来说是非常重要的一个环节。由于激光的速度特别快，所以发射和接收到的激光脉冲之间的时间间隔非常小。例如要测量1公里的距离
确的工程测量对于工程建设来讲是不可忽视的部分,而受到内外因素的作用,工程测量会出现精度不足,这会制约工程测量的发展,并直接对工程建设造成影响。下面是我为大家整理的工程测量研究 毕业 论文 范文 ，供大家参考。
《 水利工程测量中全站仪误差分析 》
摘要:我国的经济发展在经历了高速阶段以后现在更是越加的发展平稳，这对于国内的一些基础建设提出了更加高的要求。所以对于我国的水利工程建设也是近些年以来重要的建设项目之一。所以其水利工程的质量也得到了较为广泛的重识，在这其中对于水利工程测量中全站仪的误差分析与精度控制也有了更加严格的要求，所以我们在下文中着重的对水利工程测量中全站仪的误差分析与精度控制进行具体的研究。
关键词:水利工程测量全站仪
1前言
全站仪在水利工程的测量中被广泛的使用，我们对水利工程的测量必须保证其精度，在这种情况下我们必须使用全站仪对其进行测量，这使得测量工作更加的便利，所以做好全站仪的误差分析与精度的控制工作就显得更加的重要，我们通过全站仪的测量来降低测量时的精度产生误差，使用改进的 方法 ，使得测量的结果准确性可以有效的得到保证。所以在下文中我们对水利工程中所使用的全站仪的测量误差与精度进行分析。
2全站仪在水利工程测量中的应用
我们在对水利工程进行测量的时候，全站仪在其中的应用比较广泛，由于其使用仪器种类多类型繁杂，如经纬仪与水准仪就是其中之一。但是就现在的综合情况分析，并且结合其仪器间的精确度与实用性而言，全站仪较其他几种仪器具有较为明显的精度优势。全站仪的便携性较好，而且其准确性与全面性较优，水利工程中对于测量的要求较高，而全站仪可以对其测量精度的要求进行满足，对于水利工程测量中所使用的一些基础的测量资料，全站仪都可以通过测量获得，而且其精度控制较高。特别是在水利工程前期的设计阶段，还有水利工程中期的施工阶段，后期的养护阶段与应用的管理时都需要对全站仪进行使用，还有一些需要提供高等级的平面布控网的大型的水利工程项目，也需要对全站仪进行使用。
3误差分析
3.1分析全站仪的轴系误差
全站仪进行测量时所产生误差的原因在于:首先对于全站仪的镜头在我们进行测量使用之前并没有对其进行安装与校正，其望远镜内的十字丝产生了中心的偏移，这种情况的发生直接导致了全站仪的视准轴与水平轴不垂直;视准轴还会受到温度大气折光的影响，以上都是产生误差的原因。并且因其定位时发生的错误，由于有错误的定位存在于竖轴的横向误差补偿、横轴的误差补偿、视准轴的误差补偿中，造成轴系误差。
3.2分析全站仪度盘误差
度盘误差产生的原因在于其垂直角，其因受到垂直角的影响，使得其垂直角越大那么其所产生的误差就越大。我们在对其进行观测的时候，我们观测的方向如果在盘的左边，那么视准轴就会位于标准视准轴的右侧或是左侧，这时度盘所产生的误差会因其测量值的大小而产生实际的变化。如果我们将其望远境进行转变圈的处理，那么观测方向当位于其右边时，那么视准轴就会位于其标准视轴的左侧或是其右侧，那以视准轴所产生的落差就与其两边的测量结果是相反的。以上两种情况下所产生的误差，其度盘的数值是相同的，但是其所标的符号是相反的，其数值也相同，这时我们就可以对其度盘两则的测量数值进行取平均值的处理。我们在保证其扫描盘进行转运的过程中，其照准部的方向是相同的，这样可以对其因转动所引起的水平方向中的度盘误差产生。如果其方向是垂直的，我们就通过对其进行光电扫描度盘与垂直轴的方向进行调整来进行，使得其半测回角中的误差减少或是其误差消失，这时其度盘所产生的误差减少。全站仪的常见的测距误差主要是加、乘数误差与其周期误差。
3.3分析全站仪测距误差
全站仪的使用原理就是利用仪器发出的载波，通过测定出载波在测线两端点间往返传播的时间来测量距离进行确定。我们在确定测距的时候，由于精度会受到人自身视觉原因的影响，其全站仪的瞄准功能难以得到有效的使用。所以会造成一定的系统误差的产生，这就使得人的判断与其测量而出的结果产生了一定的差距与精度的不同。由于全站仪在使用时多是以相位式进行，所以测量时的误差与其测量所产生的距离会产生一定的比例关系。这时误差的产生会有诸多原因造成，如大气的折光、温度、湿度、气压等都会对全站仪的测量产生一定的误差，造成较大的影响。
4精度控制及注意事项
4.1控制全站仪的轴系误差精度
水利工程中的测量数据因其会由全站仪的轴系误差的影响而产生变化，使得整个测量的结果产生一定的误差，所以我们对于全站仪所产生的误差必须加以控制。对全站仪的轴系误差的减小我们可以通过不同的观测方式进行，例如用半测回角度代替全测回角度，通过对全站仪的测角精度进行考虑其变化。全站仪在出厂时，其精度会有一定的标准，所以我们在测量使用时会对其观测的角度进行改变，这就造成了垂直轴方向与其水平轴方向产生一定的误差，或者造成扇形段弧形的轴系误差。
4.2控制全站仪的度盘误差
水利工程的实际情况与其高程测量相结合，我们通过使用三角高程的测量方法对其全站仪的误差进行精度的控制，然后通过其三角高程对其所产生的误差进行计算，以其在地球所产生的曲率进行计算的基础，得其结果，然后根据工程中所产生的实例进行计算，然后根据其测量工作的实际。这样可以使得其进行外界作业时工作效率得到提升。
4.3控制全站仪的测距误差
这种技术是专门针对观测环境和人眼的观测能力，分辨率所造成的限制，这可以使得精度的误差的精度可以得到有效的提高。如果我们想在将全站仪的测距误差变小，那么我们就可以对其进行多次测量，然后取其平均值将其进行结果的确定。
4.4使用全站仪的注意事项
使用全站仪时要注意使全站仪尽量靠近两个测量点的中轴线，这是由于全站仪的安放位置会影响到高程测量的精度以及全站仪的轴系误差。由于全站仪的角度会对全站仪的度盘误差产生直接的影响，因此要对观测目标的垂直角大小的精确性予以保障。要将合适的测距位置选择出来，进行测距仪器的安放，将全站仪的测距误差降到最低。使用全站仪注意事项:(1)若长距离运输仪器，在使用前必须进行仪器检查及校正，可以直接按照全站仪使用 说明书 中的校正方法进行安装校正，再进行使用;(2)我们在使用全站仪进行三角高程控制测量时尽量架设在两个测量点等距离中间进行，这样可以抵消部分由于轴系误差产生的影响，以保证观测目标精度减小误差;(3)在使用全站仪测量时，自由架站位置选择尽量远离变电站、高压线、及信号塔等有电磁波发射的附近，特别是在埋标选点的时候也应该尽量避开这些地方，以免电磁干扰仪器载波使得测量距离产生误差较大;(4)使用全站仪进行高等控制测量时尽量选择天气条件良好，通视状况优良的天气进行，并且选择好观测时间，避开高温及两点温差较大等情况，通过干湿温度气压计进行测量并记录结果，以便数据处理的时候进行改正使用;(5)一般使用全站仪时，尽量避免仪器暴晒引起仪器平整度不好，应给仪器打伞，并带上遮阳罩，使用过程中要经常查看仪器是否平整，进行微调，如有必要从新进行定向设站，以保证其精度。
5结束语
根据我们对上面的研究我们得知，水利工程是我国基础建设中最为重要的基础，我们在水利工程测量过程中如何更好的提升其精度水平，与水利工程的使用具有重要的意义，所以我们必须在测量中严格的控制其技术，对其进行水利工程测量中全站仪的误差分析与精度控制方式进行选择，必须认真切实的对水利工程测量质量进行提升，才能有效的保障水利工程测量的质量。
参考文献
[1]刘勇，韦汉华.水利工程测量中全站仪的误差分析与精度控制[J].企业技术开发，2013(19):55-56.
[2]冯强国.水利工程测量中全站仪的误差分析与精度控制[J].北京农业，2015(24):133-134.
[3]潘永明.论水利工程测量中全站仪的误差分析与精度控制[J].广东科技，2014(Z1):89-90.
[4]胡跃进.全站仪的误差分析及精度控制在水利工程测量中的研究[J].价值工程，2015(02):57-58.
《 建筑工程测量问题及对策 》
测量的过程众所周知，不言而喻，它不是一个阶段性的工作而是贯穿于整个建筑工程的始终。为了确保建筑的施工达到预定设计的目标，通常在实践中，我们会对具体的施工进行检测。这种检测既是一种检查也是一种核对。当建设项目完成以后还仍需进行测绘，以便为之后的建设和维护提供数据。测量工作可以说连接建筑工程图纸和实际施工的桥梁同时它也是非常重要的前期准备工作，对于之后建筑工程的品质有着非常重要的影响。也许有一种错误认识认为已经投入使用的项目就不用检测了，因为整个建筑工程都已经完成了。其实即使投产，也应该适时检测，这种检测更像是一种监测行为，这保证建筑过程的安全可靠，这是非常重要的。由此我们就可以知道测量工作贯穿于整个建筑工作当中。测量的有效性和效率都从很大程度上对测量的结果以及整个建筑工程的质量有非常重要的影响，因而，我们要提高认识，认识到测量的重要性，规划好测量工作。当前在测量工作中也出现了很多问题，只有将这些问题都解决了才能够保证测量的有效性。
1建筑工程测量中存在的问题
1.1从业人员专业素养不高且人员缺乏
现在测量工作存在问题首当其冲的就是当前的从业人员素养不高，并且测量人员比较少。这从根本上造成了测量工作的一些问题。实践中有很多的建筑工程都出于成本及其其他方面的考虑，任用一些其他岗位的没有丝毫 经验 的来进行测量。由于这些人员本身不专业并且没有经过专业的培训，那么测量结果可想而知。另外，当前测量人员非常紧缺，专业性人才更是少之又少。这也在一定程度上增加了测量准确的难度。
1.2测量设备陈旧且数量不足
现在很多的建筑公司没有具备相应的测量设备，大部分通过临时租赁来应付了事。而有的企业测量设备没有及时更新，非常的陈旧，这都对测量的准确性造成了隐患。如果不具备相应设备的企业设备有一些不足，那么就得寻找更加精密的设备，这影响了测量的进度。而设备陈旧的企业呢，由于没有及时的与时俱进，测量的速度和精确性都很值得商榷。因而我们应该从设备上解决这一问题，以免造成更多不必要的影响。
1.3测量仪器操作与保养不当
测量工作的特点决定了其设备的是高精密仪器并且操作人都必须进行专业的培训，如果在测量的过程中操作人员不具备操作知识操作失误，哪怕只是一点小小的失误，测量出的结果也会大相径庭。有的精密仪器在使用完后要进行规范的保养和存放，否则会影响测量效果。但是在现实生活中，往往忽略了这一点，操作人员并未对仪器设备进行保养导致精密度受到影响。当然在使用过程中也必须注重保养事宜，确保测量数据的精确。
1.4测量的质量控制被忽视
现阶段，大部分的工程竣工验收时都并未着重的对测量质量进行检测，从某种程度上来说忽略了这一点。这导致了建设企业对于建筑工程测量的质量控制也不太重视，从而当前的测量标准都经不起检验，大部分都没有达到测量标准和要求，严重的阻碍了建筑工程测量工作的进步。
2建筑工程测量问题的解决方法
2.1强化对建筑施工测量工作的认识
测量工作可以说是一种客观性的工作，但是我们也不可否认，它也带有主观性。测量的方法和测量工具的选择这都是主观意识起了很大的作用。但是当前人们落后的主观思想阻碍了测量工作的进行。因而为了确保测量工作的顺利进行了，首先必须在思想上力求科学，正确的认识。我们要让相关工作者摒弃错误的思想观念，让人们意识到测量工作的重要性和重要的价值。只有这样，他们才会从根本上转变其思想，扭转当前测量的窘境。
2.2加大测量仪器的资金投入及加强对仪器的保养
现阶段，技术在我们生活中带来了翻天覆地的变化，同时它也给测量工作带来了福音。技术的提高，对测量工作的精确度的提高起到了重要的作用。但是就像前文所述，很多公司处于成本的考虑设备仪器陈旧，因而公司应紧跟时代潮流，加大对测量设备仪器的投入。以适应仪器设备快速发展以及建筑工程测量准确性的要求。当然增加仪器投入的同时也应该加强对现有仪器的保养。例如在我们日常测量工作中为避免重测现象的发生就应该定期的对仪器进行校正。这看似比较麻烦，但是保证了测量的准确，并且避免了返工的行为，从某种程度上来说节省人力、物力、财力。取出仪器的时候我们应该坚持轻拿轻放的原则。仪器取出来我们安装的时候也应该注意，如果是安装在三脚架上面的仪器为避免摔坏应该拧紧螺丝。使用仪器应坚持平稳的原则，禁止对仪器进行粗暴对待，尤其是带有阻尼功能的仪器。
2.3加强相关人员的培养与培训
随着现代化建设的步伐的加快，建筑工程的增多，对于测量专业人员的素养和数量需求也日益扩张。另外，随着测量技术的发展，各种新的设备和技术不断引进，这对我们测量人员的素养的要求更高，因而当前我们应加强对相关人员的培养和培训。这种培养和培训从企业方面来说应该提高企业对测量工作的认识，并且认识到培训的重要性。当然对于测量人员也应该提高自学的认识进行心得交流，增强自身的职业素养。对于整个社会来说应该加强对测量人员培训的投入，只有国家支持，企业和个人的响应，才能形成一个测量专业素养全面提高的局面。
3结语
我国建筑行业的快速发展，对建筑工程质量的要求毋庸置疑，这就需要我们不断的与时俱进，不断的改进当前的测量方式和测量技术因为测量工作对建筑的质量的影响是非常重大的。因此，我们应认识问题，然后分析问题，解决问题。通过这个解决问题的思路才能够寻求到科学的解决办法，推进整个测量工作的发展。
《 公路桥梁工程测量技术探析 》
武汉鹦鹉洲长江大桥位于武汉长江大桥上游2.3公里，为武汉市的第八座长江大桥，全长9.18公里，其中正桥全长3.42公里，桥面宽38米。正桥布置双向8车道，设计行车速度为60公里/小时。武汉鹦鹉洲长江大桥为我国首座三塔四跨地锚式悬索桥，施工过程具有强烈的几何非线性，对风速、温度和制造误差等都非常敏感，应于猫道、主缆和加劲梁的施工前分别进行全桥贯通测量;同时，为控制主缆和索股线性，还必须监测跨径和索塔的变化。所以，为保证桥梁的高程与跨距一致，测量基准统一，桥梁工程对测量测绘技术要求很高，传统的测量测绘技术已不能满足要求，而现代化测量测绘技术的应用很好地弥补了不足，为武汉鹦鹉洲长江大桥的建设与实现提供了技术支持。
1规划设计阶段测量、测绘技术的应用
1.1利用VRS系统绘制高精度的地形图
利用VRS系统，也就是虚幻参考站系统，只要完成采集碎部点的属性和坐标，就可绘出地形图。这样，一台GNSS接收机便可完成几台GNSS接收机的工作，不仅降低了测量成本，还提高了工作效率。而且，与常规的测图方法相比，VRS系统的可靠性、定位精度也得到了很大的提升。
1.2桥梁勘测设计一体化系统的建立和运用
桥梁勘测设计一体化系统是在现代信息技术的条件下对桥梁勘测设计工作的一种创新:利用GPS技术获得无人机对公路桥梁航拍的航带内控制点三维坐标的空间信息，借助数字摄影测量系统完成地形图的绘制;用遥感技术收集桥梁沿线的水文地质等各种信息，并将之绘制到遥感图上，便可以快速地得到勘测结果，并且耗费低，节约了勘测成本;在CIS(地理信息系统)中传入遥感信息、地形等野外采集信息，桥梁工程的前期规划、方案设计、施工等工作便可得以进行，而诸如立项、评估、决策以及桥梁的工程勘测设计等一系列工作也有了有力的信息保障。
2施工阶段测量、测绘技术的应用
2.1施工控制网的测量
桥梁平面控制网通常分两级布设，桥的轴线主要被首级控制网控制。根据公路桥梁所处的地形条件以及桥梁所跨越的河宽，首级GPS平面控制网的布设按照一级GPS控制网的技术指标进行。公路桥梁的首级控制网一般用GPS静态相对定位测量，再经过相应的处理获得平面定位成果，具有精度高，工效高，成本低等优点。由于在公路桥梁的勘察阶段，设计单位的控制点达不到施工过程中对施工放样的点的密度要求，加上不可避免的一些点位损坏等因素，需加密控制测量网。利用VRS动态测量可以在桥梁工程加密控制测量网中获得测点的三维坐标，这一方法已被中小型公路桥梁广泛应用在对施工平面控制网的测量中，并取得了良好的成效。
2.2桥台、桥墩的施工测量
准确地测设公路桥梁桥台、桥墩的中心位置及它的纵横轴线是桥梁施工阶段最重要的工作之一，可采用直接丈量法，电磁波测距法或交会法。除测设纵横轴线，还要进行桥梁桥台、桥墩的定位，桥台、桥墩中心位置线的放样，大梁架设位置的放样，支座垫石的放样等工作。
2.3架设的施工测量
主缆架设前要进行全桥贯通测量，以确定高程和各跨径都符合设计要求。全站仪坐标法可用来直接测量平面，全站仪三角高程法可用来测量高程，并配合水准仪钢尺复核。而近年新兴的机器人(锁定)功能被越来越到的用来控制公路桥梁架设的安装，并取得了良好的成效。
2.4施工测量中的新兴技术
随着测量、测绘技术的发展与进步，一些更先进，更便捷的技术手段被运用于公路桥梁的施工测量中。VRS系统可对点线面及坡度线进行高效的精度放样，同时与全站仪相配合，更好的发挥各自的优势。超站仪可以在需要处通过PTK技术建立控制，而且用超站仪测量和放样可以减少全站仪的安置，不仅提高了效率，还提高了精度。由于超站仪可适用于各种类型的作业，省时，省力，又高效，这种技术已经被广泛应用于施工测量的整个领域。
3运营阶段测量、测绘技术的应用
3.1VRS系统在公路桥梁结构检测中的应用
质量监督部门为了加强对桥梁的质量管理，在公路桥梁施工过程中需要对桥梁的轴线、高程、柱位、支座偏位等进行检测，在传统方法中，监督部门常用全站仪等仪器进行测量，这种方式受控制点的因素影响很大。而随着GPS技术和网络信息化的发展，VRS技术已被广泛应用于桥梁施工的测量中。现在的VRS系统可在一个施工标段内设立一个固定的点，以此点作基准点，此标段内的所有公路桥梁结构都可通过移动站进行检测，从而大大提高了整体检测的精度。
3.2桥梁工程的变形监测
由于桥梁工程的特殊性，在它的变形监测方面需要研究开发桥梁动态和静态的变形监测，对测量测绘的自动化技术及 措施 要求更高。VRS系统于传统的水准测量相比，不仅速度更快，周期更短，精度也更加均匀。VRS系统与数字水准测量结合使用，便可减少公路桥梁变形监测费用的三分之一，缩减时间的三分之一。而测量机器人在固定的测站上安装全自动化的站仪，与自动检测软件相配合，便可全自动地在计算机的控制下实施工作，不仅可采集、处理与输出变形点的三维数据，还可进行远程的在线监控管理，使公路桥梁工程的检测实现了自动化、智能化、网络化的完全自动化的最新最高境界。此外，三维激光扫描技术利用激光测距原理来获取所需目标数据，可以将被扫描对象的形态特征和整体结构准确地描述出来，并生成三维数据模型，定性、定量地分析公路桥梁，对桥梁运营管理中的变形作用进行更好地检测。
4结束语
测量测绘工作贯穿整个公路桥梁的工程，在桥梁建设中担当了非常重要的角色。随着测量与测绘技术的发展，以及新技术在公路桥梁工程中的运用，桥梁工程的作业方法和测量手段已经发生了革命性的变革。PTK系统、VRS系统以及全自动机器人功能等这些现代化的测量测绘技术将会成为未来公路桥梁工程测量发展的主流方向，它们为公路桥梁工程建设的现代化发展提供了强有力的技术支持，并且促使传统的公路桥梁工程测量迈向数字化，自动化，网络化和社会化，进入测量测绘信息化的新时代。
有关工程测量研究毕业论文范文推荐：
1. 工程管理专业毕业论文范文
2. 2016年工程造价毕业论文范文
3. 建筑工程毕业论文范文
4. 建筑工程毕业论文范文
5. 建筑工程管理毕业论文范文大全
6. 关于工程管理毕业论文范文
7. 工程硕士毕业论文范文
参考下： 进入21世纪后，特别在我国加入WTO后，国内产品面临巨大挑战。各行业特别是传统产业都急切需要应用电子技术、自动控制技术进行改造和提升。例如纺织行业，温湿度是影响纺织品质量的重要因素，但纺织企业对温湿度的测控手段仍很粗糙，十分落后，绝大多数仍在使用干湿球湿度计，采用人工观测，人工调节阀门、风机的方法，其控制效果可想而知。制药行业里也基本如此。而在食品行业里，则基本上凭经验，很少有人使用湿度传感器。值得一提的是，随着农业向产业化发展，许多农民意识到必需摆脱落后的传统耕作、养殖方式，采用现代科学技术来应付进口农产品的挑战，并打进国外市场。各地建立了越来越多的新型温室大棚，种植反季节蔬菜，花卉；养殖业对环境的测控也日感迫切；调温冷库的大量兴建都给温湿度测控技术提供了广阔的市场。我国已引进荷兰、以色列等国家较先进的大型温室四十多座，自动化程度较高，成本也高。国内正在逐步消化吸收有关技术，一般先搞调温、调光照，控通风；第二步搞温湿度自动控制及CO2测控。此外，国家粮食储备工程的大量兴建，对温湿度测控技术提也提出了要求。 但目前，在湿度测试领域大部分湿敏元件性能还只能使用在通常温度环境下。在需要特殊环境下测湿的应用场合大部分国内包括许多国外湿度传感器都会“皱起眉头”！例如在上面提到纺织印染行业，食品行业，耐高温材料行业等，都需要在高温情况下测量湿度。一般情况下，印染行业在纱锭烘干中，温度能达到120摄氏度或更高温度；在食品行业中，食物的烘烤温度能达到80-200摄氏度左右；耐高温材料，如陶瓷过滤器的烘干等能达到200摄氏度以上。在这些情况下，普通的湿度传感器是很难测量的。 高分子电容式湿度传感器通常都是在绝缘的基片诸如玻璃、陶瓷、硅等材料上，用丝网漏印或真空镀膜工艺做出电极，再用浸渍或其它办法将感湿胶涂覆在电极上做成电容元件。湿敏元件在不同相对湿度的大气环境中，因感湿膜吸附水分子而使电容值呈现规律性变化，此即为湿度传感器的基本机理。影响高分子电容型元件的温度特性，除作为介质的高分子聚合物的介质常数ε及所吸附水分子的介电常数ε受温度影响产生变化外，还有元件的几何尺寸受热膨胀系数影响而产生变化等因素。根据德拜理论的观点，液体的介电常数ε是一个与温度和频率有关的无量纲常数。水分子的ε在T＝5℃时为78.36，在T＝20℃时为79.63。有机物ε与温度的关系因材料而异，且不完全遵从正比关系。在某些温区ε随T呈上升趋势，某些温区ε随T增加而下降。多数文献在对高分子湿敏电容元件感湿机理的分析中认为：高分子聚合物具有较小的介电常数，如聚酰亚胺在低湿时介电常数为3.0一3.8。而水分子介电常数是高分子ε的几十倍。因此高分子介质在吸湿后，由于水分子偶极距的存在，大大提高了吸水异质层的介电常数，这是多相介质的复合介电常数具有加和性决定的。由于ε的变 化，使湿敏电容元件的电容量C与相对湿度成正比。在设计和制作工艺中很难组到感湿特性全湿程线性。作为电容器，高分子介质膜的厚度d和平板电容的效面积S也和温度有关。温度变化所引起的介质几何尺寸的变化将影响C值。高分子聚合物的平均热线胀系数可达到 的量级。例如硝酸纤维素的平均热线胀系数为108x10-5/℃。随着温度上升，介质膜厚d增加，对C呈负贡献值；但感湿膜的膨胀又使介质对水的吸附量增加，即对C呈正值贡献。可见湿敏电容的温度特性受多种因素支配，在不同的湿度范围温漂不同；在不同的温区呈不同的温度系数；不同的感湿材料温度特性不同。总之，高分子湿度传感器的温度系数并非常数，而是个变量。所以通常传感器生产厂家能在-10-60摄氏度范围内是传感器线性化减小温度对湿敏元件的影响。 国外厂家比较优质的产品主要使用聚酰胺树脂，产品结构概要为在硼硅玻璃或蓝宝石衬底上真空蒸发制作金电极，再喷镀感湿介质材料（如前所述）形式平整的感湿膜，再在薄膜上蒸发上金电极.湿敏元件的电容值与相对湿度成正比关系，线性度约±2%。虽然，测湿性能还算可以但其耐温性、耐腐蚀性都不太理想，在工业领域使用，寿命、耐温性和稳定性、抗腐蚀能力都有待于进一步提高。 陶瓷湿敏传感器是近年来大力发展的一种新型传感器。优点在于能耐高温，湿度滞后，响应速度快，体积小，便于批量生产，但由于多孔型材质，对尘埃影响很大，日常维护频繁，时常需要电加热加以清洗易影响产品质量，易受湿度影响，在低湿高温环境下线性度差，特别是使用寿命短，长期可靠性差，是此类湿敏传感器迫切解决的问题。 当前在湿敏元件的开发和研究中，电阻式湿度传感器应当最适用于湿度控制领域，其代表产品氯化锂湿度传感器具有稳定性、耐温性和使用寿命长多项重要的优点，氯化锂湿敏传感器已有了五十年以上的生产和研究的历史，有着多种多样的产品型式和制作方法，都应用了氯化锂感湿液具备的各种优点尤其是稳定性最强。 氯化锂湿敏器件属于电解质感湿性材料，在众多的感湿材料之中，首先被人们所注意并应用于制造湿敏器件，氯化锂电解质感湿液依据当量电导随着溶液浓度的增加而下降。电解质溶解于水中降低水面上的水蒸气压的原理而实现感湿。 氯化锂湿敏器件的衬底结构分柱状和梳妆，以氯化锂聚乙烯醇涂覆为主要成份的感湿液和制作金质电极是氯化锂湿敏器件的三个组成部分。多年来产品制作不断改进提高，产品性能不断得到改善，氯化锂感湿传感器其特有的长期稳定性是其它感湿材料不可替代的，也是湿度传感器最重要的性能。在产品制作过程中，经过感湿混合液的配制和工艺上的严格控制是保持和发挥这一特性的关键。 在国内九纯健科技依托于国家计量科学研究院、中科院自动化研究所、化工研究院等大型科研单位从事温湿度传感器产品的研制、生产。选用氯化锂感湿材料作为主攻方向，生产氯化锂湿敏传感器及相关变送器，自动化仪表等产品，在吸取了国内外此项技术的成功经验的同时，努力克服传统产品存在的各项弱点，取得实质性进展。产品选用了Al2O3及SiO2陶瓷基片为衬底，基片面积大大缩小，采用特殊的工艺处理，耐湿性和粘覆性均大大提高。使用烧结工艺，在衬底集片上烧结5个9的工业纯金制成的梳妆电极，氯化锂感湿混合液使用新产品添加剂和固有成份混合经过特殊的老化和涂覆工艺后，湿敏基片的使用寿命和长期稳定性大大提高，特别是耐温性达到了-40℃-120℃，以多片湿敏元件组合的独特工艺，是传感器感湿范围为1%RH-98%RH，具备了15%RH范围以下的测量性能，漂移曲线和感湿曲线均实现了较好的线性化水平，使湿度补偿得以方便实施并较容易地保证了宽温区的测湿精度。采用循环降温装置封闭系统，先对对被测气体采样，然后降温检测并确保绝对湿度的恒定，使探头耐温范围提高到600℃左右，大大增强了高温下测湿的功能。成功解决了“高温湿度测量”这一湿度测量领域难题。现在，不采用任何装置直接测量150度以内环境中的湿度的分体式高温型温湿度传感器JCJ200W已成功应用在木材烘干，高低温试验箱等系统中。同时，JCJ200Y产品能耐温高达600度，也已成功应用在印染行业纱锭自动烘干系统、食品自动烘烤系统、特殊陶瓷材料的自动烘干系统、出口大型烘干机械等方面，并表现出良好的效果,为国内自动化控制域填补了高温湿度测量的空白，为我国工业化进程奠定了一定基础。传感器论文： 低温下压阻式压力传感器性能的实验研究 Experimental Study On Performance Of Pressure Transducer At Low Temperature .... 灌区水位测量记录设备及安装技术 摘要：水位测量施测简单直观，易于为广大用水户所接受而且便于自动观测，因而在灌区水量计量乃至在整个灌区信息化建设中都占有十分重要的地位。目前我国灌区中水位监测采用的传感器依据输出量的不同主要分为模拟传感.... 主成分分析在空调系统传感器故障检测与诊断中的应用研究 摘要 本文阐述了用主成分分析法进行系统测量数据建模和传感器故障检测、故障诊断、故障重构及确定最优主成分数的原理。用主成分分析法对空调监测系统中的四类传感器故障进行检测方法。结果表明：主成.... 透光脉动传感器的影响因素研究 摘要：通过试验研究和总结生产应用经验，对透光脉动传感器的影响因素进行了分析，并提出了其最优工作参数。光源宜选择波长为860nm的激光二极管；传感器的管径根据使用目的确定，试验研究一般选用1~3mm，生.... 生物传感器的研究现状及应用 摘要：简述了生物传感器尤其是微生物传感器近年来在发酵工业及环境监测领域中的研究与应用，对其发展前景及市场化作了预测及展望。生物电极是以固定化生物体组成作为分子识别元件的敏感材料，与氧电极、膜电极和燃料.... 方向盘转角传感器接口 汽车环境对电子产品而言是非常苛刻的：任何连接到12V电源上的电路都必须工作在9V至16V的标称电压范围内，其它需要迫切应对的问题包括负载突降、冷车发动、电池反向、双电池助推、尖峰信号、噪声和极宽的温度.... 用于电容传感器接口的模拟前端元件 因为采用了传统机械开关,用户使用电容传感器接口的方式直接与各种工作条件下(可靠性)接触传感器的响应度(员敏度)梧关。本文将介绍一些通用电容传感器模拟前端测量方法 灵敏度 电容传感器的灵敏度是由其物理结.... 智能传感器与现代汽车电子 现代汽车电子从所应用的电子元器件到车内电子系统的架构均已进入了一个有本质性提高的新阶段。其中最有代表性的核心器件之一就是智能传感器。 一、汽车电子操控和安全系统谈起 近几年来我国汽车工业增长迅速，发展.... 霍尔元件是一种基于霍尔效应的磁传感器,已发展成一个品种多样的磁传感器产品族，并已得到广泛的应用。本文简要介绍其工作原理， 产品特性及其典型应用。 霍尔器件具有许多优点，它们的结构牢固，体积小，重量轻，寿命长，安装方便，功耗小，频率高（可达1MHZ），耐震动，不怕灰尘、油污、水汽及盐雾等的污染或腐蚀。 霍尔线性器件的精度高、线性度好；霍尔开关器件无触点、无磨损、输出波形清晰、无抖动、无回跳、位置重复精度高（可达μm级）。取用了各种补偿和保护措施的霍尔器件的工作温度范围宽，可达－55℃～150℃。 按照霍尔器件的功能可将它们分为: 霍尔线性器件 和 霍尔开关器件 。前者输出模拟量，后者输出数字量。 按被检测的对象的性质可将它们的应用分为:直接应用和间接应用。前者是直接检测出受检测对象本身的磁场或磁特性，后者是检测受检对象上人为设置的磁场，用这个磁场来作被检测的信息的载体，通过它，将许多非电、非磁的物理量例如力、力矩、压力、应力、位置、位移、速度、加速度、角度、角速度、转数、转速以及工作状态发生变化的时间等，转变成电量来进行检测和控制。 一 霍尔器件的工作原理 在磁场作用下，通有电流的金属片上产生一横向电位差如图1所示： 这个电压和磁场及控制电流成正比： VH＝K╳｜H╳IC｜ 式中VH为霍尔电压，H为磁场，IC为控制电流，K为霍尔系数。 在半导体中霍尔效应比金属中显著，故一般霍尔器件是采用半导体材料制作的。 用霍尔器件，可以进行非接触式电流测量，众所周知，当电流通过一根长的直导线时，在导线周围产生磁场，磁场的大小与流过导线的电流成正比，这一磁场可以通过软磁材料来聚集，然后用霍尔器件进行检测，由于磁场与霍尔器件的输出有良好的线性关系，因此可利用霍尔器件测得的讯号大小，直接反应出电流的大小，即： I∞B∞VH 其中I为通过导线的电流，B为导线通电流后产生的磁场，VH为霍尔器件在磁场B中产生的霍尔电压、当选用适当比例系数时，可以表示为等式。霍尔传感器就是根据这种工作原理制成的。 二 霍尔传感器的应用 1 霍尔接近传感器和接近开关 在霍尔器件背后偏置一块永久磁体，并将它们和相应的处理电路装在一个壳体内，做成一个探头，将霍尔器件的输入引线和处理电路的输出引线用电缆连接起来，构成如图1所示的接近传感器。它们的功能框见图19。(a)为霍尔线性接近传感器，(b)为霍尔接近开关。 图1 霍尔接近传感器的外形图 a)霍尔线性接近传感器 (b)霍尔接近开关 图2 霍尔接近传感器的功能框图 霍尔线性接近传感器主要用于黑色金属的自控计数，黑色金属的厚度检测、距离检测、齿轮数齿、转速检测、测速调速、缺口传感、张力检测、棉条均匀检测、电磁量检测、角度检测等。 霍尔接近开关主要用于各种自动控制装置，完成所需的位置控制，加工尺寸控制、自动计数、各种计数、各种流程的自动衔接、液位控制、转速检测等等。3.2.7霍尔翼片开关 霍尔翼片开关就是利用遮断工作方式的一种产品，它的外形如图20所示，其内部结构及工作原理示于图21。 图3 霍尔翼片开关的外形图 2 霍尔齿轮传感器 如图4所示,新一代的霍尔齿轮转速传感器，广泛用于新一代的汽车智能发动机，作为点火定时用的速度传感器，用于ABS（汽车防抱死制动系统）作为车速传感器等。 在ABS中，速度传感器是十分重要的部件。ABS的工作原理示意图如图23所示。图中，1是车速齿轮传感器；2是压力调节器；3是控制器。在制动过程中，控制器3不断接收来自车速齿轮传感器1和车轮转速相对应的脉冲信号并进行处理，得到车辆的滑移率和减速信号，按其控制逻辑及时准确地向制动压力调节器2发出指令，调节器及时准确地作出响应，使制动气室执行充气、保持或放气指令，调节制动器的制动压力，以防止车轮抱死，达到抗侧滑、甩尾，提高制动安全及制动过程中的可驾驭性。在这个系统中，霍尔传感器作为车轮转速传感器，是制动过程中的实时速度采集器，是ABS中的关键部件之一。 在汽车的新一代智能发动机中，用霍尔齿轮传感器来检测曲轴位置和活塞在汽缸中的运动速度，以提供更准确的点火时间，其作用是别的速度传感器难以代替的，它具有如下许多新的优点。 （1）相位精度高，可满足0.4°曲轴角的要求，不需采用相位补偿。 （2）可满足0.05度曲轴角的熄火检测要求。 （3）输出为矩形波，幅度与车辆转速无关。在电子控制单元中作进一步的传感器信号调整时，会降低成本。 用齿轮传感器，除可检测转速外，还可测出角度、角速度、流量、流速、旋转方向等等。 图4 霍尔速度传感器的内部结构 1. 车轮速度传感器2.压力调节器3.电子控制器 2. 图4 ABS气制动系统的工作原理示意图 3 旋转传感器 按图5所示的各种方法设置磁体，将它们和霍尔开关电路组合起来可以构成各种旋转传感器。霍尔电路通电后，磁体每经过霍尔电路一次，便输出一个电压脉冲。 (a)径向磁极(b)轴向磁极(c)遮断式 图5 旋转传感器磁体设置 由此，可对转动物体实施转数、转速、角度、角速度等物理量的检测。在转轴上固定一个叶轮和磁体，用流体（气体、液体）去推动叶轮转动，便可构成流速、流量传感器。在车轮转轴上装上磁体，在靠近磁体的位置上装上霍尔开关电路，可制成车速表，里程表等等，这些应用的实例如图25所示。 图6的壳体内装有一个带磁体的叶轮，磁体旁装有霍尔开关电路，被测流体从管道一端通入，推动叶轮带动与之相连的磁体转动，经过霍尔器件时，电路输出脉冲电压，由脉冲的数目，可以得到流体的流速。若知管道的内径，可由流速和管径求得流量。霍尔电路由电缆35来供电和输出。 图6 霍尔流量计 由图7可见，经过简单的信号转换，便可得到数字显示的车速。 利用锁定型霍尔电路，不仅可检测转速，还可辨别旋转方向，如图27所示。 曲线1对应结构图（a）,曲线2对应结构图(b)，曲线3对应结构图(c)。 图7 霍尔车速表的框图 图8 利用霍尔开关锁定器进行方向和转速测定 4 在大电流检测中的应用 在冶金、化工、超导体的应用以及高能物理（例如可控核聚变）试验装置中都有许多超大型电流用电设备。用多霍尔探头制成的电流传感器来进行大电流的测量和控制，既可满足测量准确的要求，又不引入插入损耗，还免除了像使用罗果勘斯基线圈法中需用的昂贵的测试装置。图9示出一种用于DⅢ－D托卡马克中的霍尔电流传感器装置。采用这种霍尔电流传感器，可检测高达到300kA的电流。 图9（a）为G－10安装结构，中心为电流汇流排，(b)为电缆型多霍尔探头，(c)为霍尔电压放大电路。 (a)G�10安装结构(b)电缆型多霍尔探头(c)霍尔电压放大电路 图9 多霍尔探头大电流传感器 图10霍尔钳形数字电流表线路示意图 图11霍尔功率计原理图 (a)霍尔控制电路 (b)霍尔磁场电路 图12霍尔三相功率变送器中的霍尔乘法器 图13霍尔电度表功能框图 图14霍尔隔离放大器的功能框图 5 霍尔位移传感器 若令霍尔元件的工作电流保持不变，而使其在一个均匀梯度磁场中移动，它输出的霍尔电压VH值只由它在该磁场中的位移量Z来决定。图15示出3种产生梯度磁场的磁系统及其与霍尔器件组成的位移传感器的输出特性曲线，将它们固定在被测系统上，可构成霍尔微位移传感器。从曲线可见，结构（b）在Z<2mm时，VH与Z有良好的线性关系，且分辨力可达1μm，结构（C）的灵敏度高，但工作距离较小。 图15 几种产生梯度磁场的磁系统和几种霍尔位移传感器的静态特性 用霍尔元件测量位移的优点很多：惯性小、频响快、工作可靠、寿命长。 以微位移检测为基础，可以构成压力、应力、应变、机械振动、加速度、重量、称重等霍尔传感器。 6 霍尔压力传感器 霍尔压力传感器由弹性元件，磁系统和霍尔元件等部分组成，如图16所示。在图16中，（a）的弹性元件为膜盒，(b)为弹簧片，(c)为波纹管。磁系统最好用能构成均匀梯度磁场的复合系统，如图29中的(a)、(b)，也可采用单一磁体，如（c）。加上压力后，使磁系统和霍尔元件间产生相对位移，改变作用到霍尔元件上的磁场，从而改变它的输出电压VH。由事先校准的p～f(VH)曲线即可得到被测压力p的值。 图16 几种霍尔压力传感器的构成原理 7 霍尔加速度传感器 图17示出霍尔加速度传感器的结构原理和静态特性曲线。在盒体的O点上固定均质弹簧片S,片S的中部U处装一惯性块M，片S的末端b处固定测量位移的霍尔元件H，H的上下方装上一对永磁体，它们同极性相对安装。盒体固定在被测对象上，当它们与被测对象一起作垂直向上的加速运动时，惯性块在惯性力的作用下使霍尔元件H产生一个相对盒体的位移，产生霍尔电压VH的变化。可从VH与加速度的关系曲线上求得加速度。 图17 霍尔加速度传感器的结构及其静态特性 三 小结 目前霍尔传感器已从分立元件发展到了集成电路的阶段，正越来越受到人们的重视，应用日益广泛。
论文原文：
YOLO（you only look once）是继RCNN、faster-RCNN之后，又一里程碑式的目标检测算法。yolo在保持不错的准确度的情况下，解决了当时基于深度学习的检测中的痛点---速度问题。下图是各目标检测系统的检测性能对比：
如果说faster-RCNN是真正实现了完全基于深度学习的端到端的检测，那么yolo则是更进一步，将 目标区域预测 与 目标类别判断 整合到单个神经网络模型中。各检测算法结构见下图：
每个网格要预测B个bounding box，每个bounding box除了要回归自身的位置之外，还要附带预测一个confidence值。这个confidence代表了所预测的box中含有object的置信度和这个box预测的有多准两重信息，其值是这样计算的：
其中如果有object落在一个grid cell里，第一项取1，否则取0。第二项是预测的bounding box和实际的groundtruth之间的IoU值。
每个bounding box要预测(x, y, w, h)和confidence共5个值，每个网格还要预测一个类别信息，记为C类。即SxS个网格，每个网格除了要预测B个bounding box外，还要预测C个categories。输出就是S x S x (5*B+C)的一个tensor。（注意：class信息是针对每个网格的，即一个网格只预测一组类别而不管里面有多少个bounding box，而confidence信息是针对每个bounding box的。）
举例说明: 在PASCAL VOC中，图像输入为448x448，取S=7，B=2，一共有20个类别(C=20)。则输出就是7x7x30的一个tensor。整个网络结构如下图所示：
在test的时候，每个网格预测的class信息和bounding box预测的confidence信息相乘，就得到每个bounding box的class-specific confidence score:
等式左边第一项就是每个网格预测的类别信息，第二三项就是每个bounding box预测的confidence。这个乘积即encode了预测的box属于某一类的概率，也有该box准确度的信息。
得到每个box的class-specific confidence score以后，设置阈值，滤掉得分低的boxes，对保留的boxes进行NMS（非极大值抑制non-maximum suppresssion）处理，就得到最终的检测结果。
1、每个grid因为预测两个bounding box有30维（30=2*5+20），这30维中，8维是回归box的坐标，2维是box的confidence，还有20维是类别。其中坐标的x,y用bounding box相对grid的offset归一化到0-1之间，w,h除以图像的width和height也归一化到0-1之间。
2、对不同大小的box预测中，相比于大box预测偏一点，小box预测偏一点肯定更不能被忍受的。而sum-square error loss中对同样的偏移loss是一样。为了缓和这个问题，作者用了一个比较取巧的办法，就是将box的width和height取平方根代替原本的height和width。这个参考下面的图很容易理解，小box的横轴值较小，发生偏移时，反应到y轴上相比大box要大。其实就是让算法对小box预测的偏移更加敏感。
3、一个网格预测多个box，希望的是每个box predictor专门负责预测某个object。具体做法就是看当前预测的box与ground truth box中哪个IoU大，就负责哪个。这种做法称作box predictor的specialization。
4、损失函数公式见下图：
在实现中，最主要的就是怎么设计损失函数，坐标（x,y,w,h），confidence，classification 让这个三个方面得到很好的平衡。简单的全部采用sum-squared error loss来做这件事会有以下不足：
解决方法：
只有当某个网格中有object的时候才对classification error进行惩罚。只有当某个box predictor对某个ground truth box负责的时候，才会对box的coordinate error进行惩罚，而对哪个ground truth box负责就看其预测值和ground truth box的IoU是不是在那个cell的所有box中最大。
作者采用ImageNet 1000-class 数据集来预训练卷积层。预训练阶段，采用网络中的前20卷积层，外加average-pooling层和全连接层。模型训练了一周，获得了top-5 accuracy为0.88（ImageNet2012 validation set），与GoogleNet模型准确率相当。
然后，将模型转换为检测模型。作者向预训练模型中加入了4个卷积层和两层全连接层，提高了模型输入分辨率（224×224->448×448）。顶层预测类别概率和bounding box协调值。bounding box的宽和高通过输入图像宽和高归一化到0-1区间。顶层采用linear activation，其它层使用 leaky rectified linear。
作者采用sum-squared error为目标函数来优化，增加bounding box loss权重，减少置信度权重，实验中，设定为\lambda _{coord} =5 and\lambda _{noobj}=0.5 。
作者在PASCAL VOC2007和PASCAL VOC2012数据集上进行了训练和测试。训练135轮，batch size为64，动量为0.9，学习速率延迟为0.0005。Learning schedule为：第一轮，学习速率从0.001缓慢增加到0.01（因为如果初始为高学习速率，会导致模型发散）；保持0.01速率到75轮；然后在后30轮中，下降到0.001；最后30轮，学习速率为0.0001。
作者还采用了dropout和 data augmentation来预防过拟合。dropout值为0.5；data augmentation包括：random scaling，translation，adjust exposure和saturation。
YOLO模型相对于之前的物体检测方法有多个优点：
1、 YOLO检测物体非常快
因为没有复杂的检测流程，只需要将图像输入到神经网络就可以得到检测结果，YOLO可以非常快的完成物体检测任务。标准版本的YOLO在Titan X 的 GPU 上能达到45 FPS。更快的Fast YOLO检测速度可以达到155 FPS。而且，YOLO的mAP是之前其他实时物体检测系统的两倍以上。
2、 YOLO可以很好的避免背景错误，产生false positives
不像其他物体检测系统使用了滑窗或region proposal，分类器只能得到图像的局部信息。YOLO在训练和测试时都能够看到一整张图像的信息，因此YOLO在检测物体时能很好的利用上下文信息，从而不容易在背景上预测出错误的物体信息。和Fast-R-CNN相比，YOLO的背景错误不到Fast-R-CNN的一半。
3、 YOLO可以学到物体的泛化特征
当YOLO在自然图像上做训练，在艺术作品上做测试时，YOLO表现的性能比DPM、R-CNN等之前的物体检测系统要好很多。因为YOLO可以学习到高度泛化的特征，从而迁移到其他领域。
尽管YOLO有这些优点，它也有一些缺点：
1、YOLO的物体检测精度低于其他state-of-the-art的物体检测系统。
2、YOLO容易产生物体的定位错误。
3、YOLO对小物体的检测效果不好（尤其是密集的小物体，因为一个栅格只能预测2个物体）。
目标检测（object detection）是计算机视觉中非常重要的一个领域。在卷积神经网络出现之前，都利用一些传统方法手动提取图像特征进行目标检测及定位，这些方法不仅耗时而且性能较低。而在卷积神经网络出现之后，目标检测领域发生了翻天覆地的变化。最著名的目标检测系统有RCNN系列、YOLO和SSD，本文将介绍RCNN系列的开篇作RCNN。 RCNN系列的技术演进过程可参见 基于深度学习的目标检测技术演进：R-CNN、Fast R-CNN、Faster R-CNN 。 目标检测分为两步：第一步是对图像进行分类，即图像中的内容是什么；第二步则是对图像进行定位，找出图像中物体的具体位置。简单来说就是图像里面有什么，位置在哪。 然而，由于不同图片中物体出现的大小可能不同（多尺度），位置也可能不同，而且摆放角度，姿态等都可以不同，同时一张图片中还可以出现多个类别。这使得目标检测任务异常艰难。上面任务用专业的说法就是：图像识别+定位两个不同的分支分别完成不同的功能，分类和定位。回归（regression）分支与分类分支（classification）共享网络卷积部分的参数值。 还是刚才的分类识别+回归定位思路。只是现在我们提前先取好不同位置的框，然后将这个框输入到网络中而不是像思路一将原始图像直接输入到网络中。然后计算出这个框的得分，取得分最高的框。 如上，对于同一个图像中猫的识别定位。分别取了四个角四个框进行分类和回归。其得分分别为0.5,0.75,0.6,0.8，因此右下角得分最高，选择右下角的黑框作为目标位置的预测（这里即完成了定位任务）。 这里还有一个问题——检测位置时的框要怎么取，取多大？在上面我们是在257x257的图像中取了221x221的4个角。以不同大小的窗口从左上角到右下角依次扫描的话，数据量会非常大。而且，如果考虑多尺度问题的话，还需要在将图像放缩到不同水平的大小来进行计算，这样又大大增加了计算量。如何取框这个问题可以说是目标检测的核心问题之一了，RCNN，fast RCNN以及faster RCNN对于这个问题的解决办法不断地进行优化，这个到了后面再讲。 总结一下思路： 对于一张图片，用各种大小的框将图片截取出来，输入到CNN，然后CNN会输出这个框的类别以及其位置得分。 对于检测框的选取，一般是采用某种方法先找出可能含有物体的框（也就是候选框，比如1000个候选框），这些框是可以互相重叠互相包含的，这样我们就可以避免暴力枚举所有框了。讲完了思路，我们下面具体仔细来看看RCNN系列的实现，本篇先介绍RCNN的方法。 R-CNN相比于之前的各种目标检测算法，不仅在准确率上有了很大的提升，在运行效率上同样提升很大。R-CNN的过程分为4个阶段： 在前面我们已经简单介绍了selective search方法，通过这个方法我们筛选出了2k左右的候选框。然而搜索出的矩形框大小是不同的。而在AlexNet中由于最后全连接层的存在，对于图像尺寸有固定的要求，因此在将候选框输入之前，作者对这些候选框的大小进行了统一处理——放缩到了统一大小。文章中作者使用的处理方法有两种： （1）各向异性缩放因为图片扭曲可能会对后续CNN模型训练产生影响，于是作者也测试了各向同性缩放的方法。有两种方法： 此外，作者对于bounding box还尝试了padding处理，上面的示意图中第1、3行就是结合了padding=0，第2、4行结果采用padding=16的结果。经过最后的试验，作者发现采用各向异性缩放、padding=16的精度最高。 卷积神经网络训练分为两步：（1）预训练；（2）fine-tune。 先在一个大的数据集上面训练模型（R-CNN中的卷机模型使用的是AlexNet），然后利用这个训练好的模型进行fine-tune（或称为迁移学习），即使用这个预训练好的模型参数初始化模型参数，然后在目标数据集上面进行训练。 此外，在训练时，作者还尝试采用不同层数的全连接层，发现一个全连接层比两个全连接层效果要好，这可能是因为使用两个全连接层后过拟合导致的。 另一个比较有意思的地方是：对于CNN模型，卷积层学到的特征其实就是基础的共享特征提取层，类似于传统的图像特征提取算法。而最后的全连接层学到的则是针对特定任务的特征。譬如对于人脸性别识别来说，一个CNN模型前面的卷积层所学习到的特征就类似于学习人脸共性特征，然后全连接层所学习的特征就是针对性别分类的特征了。 最后，利用训练好的模型对候选框提取特征。 关于正负样本的问题：由于选取的bounding box不可能与人工label的完全相同，因此在CNN训练阶段需要设置IOU阈值来为bounding box打标签。在文章中作者将阈值设置为0.5，即如果候选框bounding box与人工label的区域重叠面积大于0.5，则将其标注为物体类别（正样本），否则我们就把他当做背景类别（负样本）。 作者针对每一个类别都训练了一个二分类的SVM。这里定义正负样本的方法与上面卷积网络训练的定义方法又不相同。作者在文章中尝试了多种IoU阈值（0.1~0.5）。最后通过训练发现，IoU阈值为0.3的时候效果最好（选择为0精度下降了4个百分点，选择0.5精度下降了5个百分点）。即当IoU小于0.3的时候我们将其视为负样本，否则为正样本。 目标检测问题的衡量标准是重叠面积：许多看似准确的检测结果，往往因为候选框不够准确，重叠面积很小。故需要一个位置精修步骤。在实现边界回归的过程中发现了两个微妙的问题。第一是正则化是重要的：我们基于验证集，设置λ=1000。第二个问题是，选择使用哪些训练对(P,G)时必须小心。直观地说，如果P远离所有的检测框真值，那么将P转换为检测框真值G的任务就没有意义。使用像P这样的例子会导致一个无望的学习问题。因此，只有当提案P至少在一个检测框真值附近时，我们才执行学习任务。“附近”即，将P分配给具有最大IoU的检测框真值G（在重叠多于一个的情况下），并且仅当重叠大于阈值（基于验证集，我们使用的阈值为0.6）。所有未分配的提案都被丢弃。我们为每个目标类别执行一次，以便学习一组特定于类别的检测框回归器。 在测试时，我们对每个提案进行评分，并预测其新的检测框一次。原则上，我们可以迭代这个过程（即重新评估新预测的检测框，然后从它预测一个新的检测框，等等）。但是，我们发现迭代不会改进结果。 使用selective search的方法在测试图片上提取2000个region propasals ，将每个region proposals归一化到227x227，然后再CNN中正向传播，将最后一层得到的特征提取出来。然后对于每一个类别，使用为这一类训练的SVM分类器对提取的特征向量进行打分，得到测试图片中对于所有region proposals的对于这一类的分数，再使用贪心的非极大值抑制（NMS）去除相交的多余的框。再对这些框进行canny边缘检测，就可以得到bounding-box(then B-BoxRegression)。 参考： Rich feature hierarchies for accurate object detection and semantic segmentation. RCNN-将CNN引入目标检测的开山之作-晓雷的文章 基于深度学习的目标检测技术演进：R-CNN、Fast R-CNN、Faster R-CNN R-CNN 论文翻译