项目名称: 基于计算机视觉的地面运动观测方法研究

项目编号: No.61472373

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 计算机科学学科

项目作者: 戴志军

作者单位: 中国地震局地球物理研究所

项目金额: 80万元

中文摘要: 地震过程中强地面运动的观测是长期以来的一项基础研究工作。目前对强地震动的分析主要依赖于加速计所记录的三方向地震动时间序列。加速度记录在一定程度上能反映地震动强度等方面的信息。但一组三分量加速计只能记录单点运动过程,同时由于地面倾斜等原因使得加速度记录存在基线漂移现象,所以加速计所得记录不能表示大范围多自由度的地面运动过程。 为此,本课题研究基于计算机视觉的强地面运动观测方法。重点解决三个科学问题:加速计记录基线漂移的机理和相应的处理方法、多摄像头多传感器信息融合的方法、多点地面运动的关联关系。然后把方法集成为观测平台并进行实地观测获取数据。通过本课题的研究,可望得到高精度大范围多自由度的地面运动观测方法。因此,本课题的研究具有重要的科学意义和应用价值。

中文关键词: 计算机视觉;特征提取;三维重建;强地面运动;多传感器融合

英文摘要: Observation of strong ground motion under seismic excitation is a long stranding research topic. The analysis on strong ground motion has mainly relied on the three-component time series records of accelerators. The acceleration records could reflect the intensity level of the ground motion. However, a group of three-component accelerators can only record the time-history of a single point. Also, the acceleration records suffer the problem of baseline drift due to a variety of reasons, such as ground inclination, and it cannot represent the ground motion in multi degree of freedom in an extensive area. Thus, we study the observatory method of strong ground motion based on computer vision technology. We will put our main efforts on three scientific problems which are the mechanism of baseline drift and the corresponding processing techniques, the fusion methods of information from multi-cameras and multi-sensors, and the relation among strong ground motion points. Through the research of this project, we are expected to get effective observatory method of ground motion with high precision in multi degree of freedom and in a large extensive area. Therefore, the research of this project has great significance in the academic and important value of practical application.

英文关键词: computer vision;feature extraction;3D recontruction;strong ground motion;multi-sensor fusion

成为VIP会员查看完整内容
0

相关内容

计算机视觉是一门研究如何使机器“看”的科学,更进一步的说,就是是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉,并进一步做图形处理,使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科,计算机视觉研究相关的理论和技术,试图建立能够从图像或者多维数据中获取‘信息’的人工智能系统。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
【TPAMI2022】双曲深度神经网络研究综述
专知会员服务
65+阅读 · 2021年12月29日
专知会员服务
42+阅读 · 2021年9月15日
专知会员服务
46+阅读 · 2021年8月28日
专知会员服务
72+阅读 · 2021年4月8日
专知会员服务
69+阅读 · 2021年1月16日
小目标检测技术研究综述
专知会员服务
120+阅读 · 2020年12月7日
基于视觉的三维重建关键技术研究综述
专知会员服务
160+阅读 · 2020年5月1日
基于深度学习的多标签生成研究进展
专知会员服务
142+阅读 · 2020年4月25日
基于深度学习的小目标检测方法综述
专知
2+阅读 · 2021年4月29日
自动驾驶高精度定位如何在复杂环境进行
智能交通技术
18+阅读 · 2019年9月27日
计算机视觉方向简介 | 视觉惯性里程计(VIO)
计算机视觉life
64+阅读 · 2019年6月16日
IMU 标定 | 工业界和学术界有什么不同?
计算机视觉life
14+阅读 · 2019年1月8日
【学科发展报告】计算机视觉
中国自动化学会
42+阅读 · 2018年10月12日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
基于几何特征的激光雷达地面点云分割
泡泡机器人SLAM
15+阅读 · 2018年4月1日
干货|全景视频拼接的关键技术分析
全球人工智能
13+阅读 · 2017年7月15日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
15+阅读 · 2021年12月22日
Arxiv
19+阅读 · 2021年4月8日
Object Detection in 20 Years: A Survey
Arxiv
48+阅读 · 2019年5月13日
小贴士
相关VIP内容
【TPAMI2022】双曲深度神经网络研究综述
专知会员服务
65+阅读 · 2021年12月29日
专知会员服务
42+阅读 · 2021年9月15日
专知会员服务
46+阅读 · 2021年8月28日
专知会员服务
72+阅读 · 2021年4月8日
专知会员服务
69+阅读 · 2021年1月16日
小目标检测技术研究综述
专知会员服务
120+阅读 · 2020年12月7日
基于视觉的三维重建关键技术研究综述
专知会员服务
160+阅读 · 2020年5月1日
基于深度学习的多标签生成研究进展
专知会员服务
142+阅读 · 2020年4月25日
相关资讯
基于深度学习的小目标检测方法综述
专知
2+阅读 · 2021年4月29日
自动驾驶高精度定位如何在复杂环境进行
智能交通技术
18+阅读 · 2019年9月27日
计算机视觉方向简介 | 视觉惯性里程计(VIO)
计算机视觉life
64+阅读 · 2019年6月16日
IMU 标定 | 工业界和学术界有什么不同?
计算机视觉life
14+阅读 · 2019年1月8日
【学科发展报告】计算机视觉
中国自动化学会
42+阅读 · 2018年10月12日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
基于几何特征的激光雷达地面点云分割
泡泡机器人SLAM
15+阅读 · 2018年4月1日
干货|全景视频拼接的关键技术分析
全球人工智能
13+阅读 · 2017年7月15日
相关基金
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员