一、扩大IE可视窗口小技巧（论文文献综述）
刘禹哲[1]（2021）在《基于机器视觉的移动机器人避障算法研究与实现》文中进行了进一步梳理
张晗阳[2]（2021）在《表面微结构强化低温降膜流动及传质机理的初步研究》文中研究表明工业气体应用广泛,现代社会发展对工业气体的需求量日益增大,低温精馏方法是大规模生产高纯工业气体产品的最有效方法。目前,低温空分设备正在向大型化发展,其能耗问题日益突出。低温精馏塔是空分系统的关键部机,针对其内部的填料性能优化成为节省空分系统能耗的主要方法之一。填料的优化从几何结构形式的寻优逐渐发展到表面局部结构的优化。表面微结构处理作为表面优化的主要方向之一,在常温流体领域的研究已十分深入,但缺乏针对低温氧氮流体的具体研究。低温流体和常温流体之间的物性差异会造成两者流动特性的不同,从而引起两者传质特性的差异。这导致目前商用填料其表面微结构对于低温精馏过程的定量强化效果还未知,其结构特征尺寸在低温工况下的适配性还有待商榷。基于此,本文围绕填料表面微结构对低温精馏性能的影响机理展开以下研究工作:1.基于计算流体力学方法对比了微结构表面低温氧氮流体流动及传质特征,揭示了其在填料表面的局部降膜流动及传质机理,并从局部扰流的角度阐明微结构强化低温传质的方法。以Mellapak 250Y型填料的几何尺寸为基础,建立了二维正弦形、三角形及平板模型,对比分析了不同液体雷诺数工况下三类板的流动及传质情况。不同于平板,微结构表面的流动及传质分布均在波谷区域达到峰值,波峰区域降至最小。在模拟工况下,正弦形、三角形板相对平板表面最大可分别强化传质约50%和25%。此外,微结构强化低温精馏过程的主要机理是通过增强液膜内部扰动:微结构引起液膜流动的转向,增强内部流动强度及液膜波动性,同时在波谷处气液界面产生涡旋,促进了气液混合,从而强化传质过程。2.基于计算流体力学方法对比不同尺寸正弦形微结构的强化特性,从传质动力及阻力的角度展开尺寸优化并进一步解释微结构强化低温传质的方法。填料表面微结构为相间传质过程提供了外加的传质动力,在局部流动参数上可定量表现为气液界面法向速度以及涡旋影响范围的增大;但同时也导致液膜流动方向的阻力增大从而增厚了液膜,增大了传质阻力。要进一步的增强传质效果,需在减薄液膜厚度、减小传质阻力的基础上,保证足够的外加传质动力。将Mellapak 250Y的微结构尺寸作为参照,对比了不同振幅高度（0.4 mm、0.2 mm）以及不同周期长度（3.5 mm、4.0 mm）的正弦形微结构特征尺寸对于低温氧氮传质的强化作用。在模拟工况下,3.5 mm周期的微结构其传质阻力减小22%,平均法向速度为参照的66%,涡旋范围增大25%时,强化效果相比于参照进一步增大了约3%。3.设计搭建低温流体降膜流动及传质过程可视化实验装置,并完成初步运行工作。该实验台能实现填料表面局部降膜流动及传质过程,可用于理论模型的验证与修正并提供一手的低温流动及传质实验数据。实验台可对不同类型填料的性能进行变工况测量,整个实验过程由可视化系统进行拍摄,可获得低温流体的流动细节。本文完成了实验台的初步运行工作并拍摄了液氮降膜流动图像,证实了实验系统的有效性,为后续深入探索精馏传质过程提供夯实基础。
马海月[3]（2020）在《基于深度学习的隧道漏缆卡具故障检测系统研究与实现》文中进行了进一步梳理随着高速铁路的不断发展,铁路沿途的隧道数量不断增长,给隧道泄漏同轴电缆（简称漏缆）卡具检修人员的工作带来了巨大的挑战。漏缆是隧道内保证通讯安全的重要设施,对铁路列车安全运营起着重要作用。目前我国主要以人工步行查看的方式对铁路隧道漏缆卡具进行故障检测,此方法检测周期长、效率低。本文针对以上问题设计了一个基于深度学习的隧道漏缆卡具故障检测系统。该系统是由图像提取、卡具识别、故障样本扩充、数据可视化四个部分组成,各部分的具体内容如下:Mobile Netv3网络模型是一种轻量级注意力模型,延用了Mobile Netv1和Mobile Netv2的深度可分离卷积和线性瓶颈的倒残差结构,利用两个1×1的卷积层代替全连接层直接输出类别结果。本文使用Mobile Netv3网络模型提取隧道内图像,实验结果的准确率为97%。提出了一种基于YOLOv4改进的目标检测方法,该方法采用K-means聚类算法获取漏缆卡具的基准框,以Darknet-59结构作为特征提取的主干网络。Darknet-59是在Darknet-53的基础上,在conv25、conv42和conv51后面分别增加了两个卷积核大小是1×1和3×3的卷积层。本改进网络模型在实验中的正常卡具识别率达97.2%,故障卡具识别率为95.33%。经对比实验发现本改进算法就平均识别精度而言比YOLOv3和YOLOv4分别提高了0.08和0.03。使用高斯滤波、叠加噪声、明暗处理等对故障样本做单一和复合处理,解决故障样本不足的问题。实验结果表明故障卡具样本数量得到21倍的扩增。针对检测结果数量庞大造成的分析和浏览结果信息不方便、工作量大等问题,提出使用图像处理的方法对检测结果进行批量显色拼接处理,且最终结果以系统软件界面的形式展现。
任亮[4]（2020）在《开放式创新社区知识协同创新研究》文中指出当今世界,国际间的竞争日益激烈,而我国得益于创新驱动发展战略的实施,已成为当今世界第二大经济体,最大的发展中国家,产业结构不断从中低端向高端迈进,由过去的“中国制造”转变为“中国智造”。科技进步与创新已成为影响和推动我国经济高质高速发展的重要动力,因此创新是引领我国发展的第一动力,是建设现代化经济体系的战略支撑。“大众创业,万众创新”的态势意味着创新是协同的,需要依托于广大基层单位的积极参与,无论是政府、企业、高校、科研院所甚至个人均可以参与到创新活动中来,为创新贡献力量,而习近平总书记提出必须坚持企业在创新中的主体地位,也即企业将承担集聚创新资源,落实创新发展的重要任务。当前,随着越来越多的企业深化创新发展,加大对创新的投入力度,已逐渐摸索出一条开放式创新发展之路。开放式创新已经成为企业实施创新活动的新常态,企业越来越倾向于吸收外部创新资源进行协同创新,而正是知识的高流动性和无边性特征使得知识创新成为企业实施开放式创新的重要基础。得益于信息化时代的到来,Web2.0技术的应用,虚拟网络社区的兴起,为企业吸收外部创新资源提供了便利,企业开始创建和使用基于互联网的用户生成内容平台,引导企业内外部用户参与知识创新活动,为企业提供充足的知识创新资源,开放式创新社区正是在这一背景下产生。与此同时开放式创新社区知识创新活动是一项协同的过程,无论是用户之间还是知识本身的演化过程。因此,本文提出开放式创新社区知识协同创新研究这一选题,符合国家创新驱动发展的战略背景,适应企业开展创新活动的需要,目的是引导开放式创新社区产生更多优质的知识创新资源,展望知识创新方向,并应用于企业产品及服务的创新,以虚拟的知识创新支撑实践过程中的科技创新;这需要进一步深入洞察开放式创新社区的创新模式,深入了解用户知识协同的机理,研究知识创新的演化过程,挖掘知识创新的热点,明晰用户协同与知识进化间相互作用关系,总结归纳知识协同创新的机理。本文主要研究内容及结论如下。（1）开放式创新社区知识协同创新的逻辑模型该逻辑模型即全文的研究基础。首先,应用创新价值链理论界定了开放式创新社区知识协同创新过程;接下来依据系统动力学挖掘该过程中的动力因素,并设计因果关系作用路径,推演出创新主体——用户知识协同,创新客体——知识进化两条研究支线,以及其相互间的作用关系组成了知识协同创新总体研究逻辑;最后,根据上述研究建立逻辑模型。（2）开放式创新社区的用户知识协同机理主要分析创新主体——用户间的知识协同机理。首先,界定了开放式创新社区用户的类别、属性等概念,定义了用户知识协同的内涵和特征;接下来,结合社区实践,研究并构建了用户知识协同交互的过程模型,在用户知识协同交互过程中,衍生出三种用户知识协同网络结构。再接下来运用扎根理论剖析用户参与知识协同的动机,挖掘用户参与知识协同的内生因素构建开放式创新社区用户知识协同动机模型;最后,选取“花粉俱乐部”社区某板块数据进行实证,验证用户知识协同网络的结构特征。（3）开放式创新社区的知识进化机理主要分析创新客体——知识进化的机理,研究知识微观视角下的创新演变过程,包括知识进化的过程,各进化要素间相互作用的方式,内在的进化规则,实现结果等。首先,揭示知识进化过程中的构成要素及演变过程;接下来,应用自组织的视角研究知识进化过程中各要素间如何相互作用,以及如何实现知识进化过程的有序。再接下来,以知识基因为节点及相关连接原理构建知识进化的网络演变结构,并应用实际案例挖取数据进行可视化分析,最后基于知识进化的网络图谱挖掘知识创新热点,引导未来知识创新方向。（4）开放式创新社区知识协同创新的超网络分析将用户的知识协同过程同具体的知识进化演变过程关联在一起,融合三种网络:用户协同的网络,知识进化的演变网络以及知识的载体文本网络;构建网络间的映射关系,形成超网络模型,旨在揭示知识协同创新过程中复杂的协同关系,深度解释用户协同作用下的知识进化过程,进而实现超网络图谱的可视化、核心创新用户识别、解析用户间知识创新热点演化三项目标,总结其中内在规律,构建开放式创新社区知识协同创新机理路径。（5）开放式创新社区知识协同创新的保障机制及策略构建开放式创新社区知识协同创新保障机制,包括“人机互动机制”“知识创新热点预测机制”“社区技术机制”“知识协同创新激励机制”,有效地保障知识协同创新过程,为企业提供更加丰富的知识创新资源。并基于该机制从用户协同参与的角度、社区平台建设的角度以及情境优化的角度有针对性的提出合理有效的保障策略,以落实保障机制的实施。本文聚焦于开放式创新社区知识协同创新的理论及实践研究,采用“总分总”的研究思路,设计总体的研究逻辑框架模型,延伸出用户协同、知识进化两条支线研究任务,以超网络模型将用户协同活动与知识进化过程进行关联,归纳出知识协同创新的内在机理;最后归根于保障和促进社区知识协同创新过程这一目的,进而为企业开展创新活动提供充足的知识创新资源。
周莹[5]（2020）在《网络新闻标题的多角度研究 ——以“今日头条”为例》文中进行了进一步梳理新闻标题是人们接触新闻的第一窗口。随着互联网的迅速发展,网络新闻愈发成为了人们获取新闻信息最便捷快速的渠道。其中,“今日头条”作为当代在线用户数量最多的门户网站,在传播新闻方面的作用尤为突出。本文利用爬虫技术抓取了2019年3月至2019年5月的今日头条客户端新闻标题作为研究语料。分别从词汇、语法、修辞、语用等角度对其进行分析。在词汇方面,统计了今日头条新闻标题中的高频词,分类分析后我们发现标题中名词、动词使用最为广泛。在语法方面,新闻标题主要有单句式、组合式、成分缺省式这三类句型结构,在句类的选择上,以陈述句和疑问句为主。在修辞方面,从标题的词语层面的修辞、辞格层面的修辞这两个部分对新闻标题的修辞策略进行探讨。最后,从语用角度结合关联理论具体分析语料,我们发现标题创作是制作者和读者之间的一种交际,关键在于激发读者结合语境取得最佳关联。
王杰[6]（2020）在《基于RNN和注意力机制的网络入侵检测方法研究》文中研究说明互联网科技的飞速发展,极大地改变了人们的生活,促进了社会的进步。随着“互联网+”战略的推进以及“AIo T”概念和应用的成熟,互联网相关的设备和技术也逐步融入到各行各业。然而,网络入侵行为日益复杂化,攻击手段更加多样化,网络安全问题得到了更多的关注。入侵检测是网络安全防护中的一个重要手段,能够主动对网络中潜在的入侵行为进行检测。但传统入侵检测系统已然无法应对当前复杂的网络环境,逐渐出现了包括较低的检测准确率、实时性差、自适应能力不足在内的诸多问题。为了提升检测准确率,减少漏检和错检的情况,本课题提出了基于循环神经网络和注意力机制的有线网络入侵检测方法,主要内容如下:（1）研究了一种堆叠稀疏自动编码器-循环神经网络检测模型。针对网络流量数据维度高、特征冗余等问题,利用堆叠稀疏自动编码器降低数据维度,通过稀疏性表达提升模型泛化能力。然后,利用不同的循环神经单元变体对降维数据进行处理,研究了在不同时间步下不同模型性能的差异。在UNSW-NB15数据集上,8个时间步的双向门控循环单元网络方法的检测准确率达到了98.17%,要优于基于梯度提升树、深度前馈神经网络等主流检测模型,相比于经典的双向长短时记忆网络提升了2.46%,证明了所提模型的有效性和前沿性。（2）研究了一种基于分层注意力机制的入侵检测模型。基于前文研究,选用了门控循环单元,在其基础之上增加了特征级注意力层和切片级注意力层。其中,特征级注意力机制有助于解决样本中不同特征贡献度的问题,切片级注意力则能有效利用多个时间步数据。在UNSW-NB15数据集上,该分层注意力机制检测模型的检测准确率在10个时间步时达到了98.76%,优于自动编码器、深度前馈神经网络和单类支持向量机等主流方法,相比于经典的双向长短时记忆网络提升了3.05%。（3）利用注意力概率对特征和时间步权重进行了可视化工作。当前流量在进行入侵检测时,对不同特征和不同时间步数据的权重进行了可视化分析,有助于加深对数据的理解和掌握。综上所述,本课题采用了基于循环神经网络和注意力机制的有线网络入侵检测方法,提升了入侵检测的准确率,具有十分重要的意义。
王康[7]（2019）在《基于深度学习的城市短时交通流拥堵预测研究》文中进行了进一步梳理全球范围内的很多大型城市都一直备受交通拥堵的困扰,而且伴随着城市规模的扩大,大型城市的虹吸效应十分明显。城市人口的增加、汽车保有量的增加、道路基础设施的落后导致拥堵问题尤为突出。城市短时交通流拥堵预测问题对拥堵演化过程建模,为城市居民的出行提供路径决策指导,而且也能为交通管理部门提供有效的警力部署决策信息。因此,拥堵短时预测问题能够在某种程度上为解决城市拥堵问题提供一定的辅助作用。虽然城市交通拥堵的短时预测问题一直都是交通领域关注的热点,但是城市拥堵受多元因素影响,而且以往的拥堵预测手段都有一定的局限性。以往在解决交通拥堵短时预测问题时,普遍常用的方法主要分为两类:一类是基于统计理论的模型,例如AR/MA/ARMA/ARIMA以及卡尔曼滤波等方法,但是这类方法对于交通流的非线性和不确定性等特征的捕捉能力较差。另一类是以机器学习、深度学习为主的基于知识发现的模型,这类模型擅长从数据中挖掘未知的模式,能够不断学习到数据中的特征。在利用深度学习进行拥堵预测时,传统的CNN方法存在粒度不够细,格网反算成路段存在多种可能性等问题。而LSTM、GRU、RNN等模型也只能捕获时间维度特征,忽视了交通拥堵的空间相关性。正是在基于上述问题,本文以路段为基本单元,针对交通拥堵的特点,设计了一种多尺度分段方法对道路分段,然后利用道路网自身的拓扑属性,将城市路网表示成图结构形式,采用利用图卷积模型进行拥堵的短时预测。本文的主要研究内容及研究成果包括:（1）交通拥堵的时空分布特征分析。首先从时间分布特征上分析出拥堵具有工作日、双休日、节假日三种拥堵模式,其中工作日从周一至周五的拥堵特征都比较类似,呈现出宽度较窄的双峰模式;双休日呈现出持续时间长,峰值稍小的模式;节假日在假期早期呈现拥堵严重,中期拥堵减弱,后期出现拥堵晚高峰的模式。从空间分布特征上分析出拥堵热点的形成与交通事件等有关,交通拥堵与道路等级存在一定的相关性。（2）交通拥堵短时预测。提出多尺度道路分段的方法对道路进行划分,利用道路的拓扑关系对分段后的道路进行图表达,采用时空图卷积模型进行城市交通拥堵的短时预测。结果表明STGCN模型具有最好的预测效果,其次是T-GCN模型,相对于HA、ARIMA等传统模型具有很大的优势,验证了时空图卷积方法在交通预测问题上的有效性。另外,实验表明,图卷积对网络结构具有很高的自适应能力,在不同路网结构下,都能表现出不错的预测效果。
王焰[8]（2019）在《驾驶情境下的车载系统桌面交互设计研究》文中进行了进一步梳理车载系统能够集成许多车机功能的操作入口,还可以安装基于其系统本身开发的第三方应用程序。车载系统桌面是车载系统的门户和管理平台,可以方便用户查找及管理这些应用程序和功能操作入口;然而在车载系统桌面设计中,由于车企品牌及供应商众多,其交互设计并未形成良好统一的用户体验模式。在后装车载系统市场上,很多厂家通常直接将移动端系统桌面的交互设计移植于车机之上,忽视了驾驶情境的特殊性,造成了体验方面的各种遗憾和痛点。本课题所研究的车载系统桌面是一个庞杂的信息接口,现阶段驾驶场景中安全性第一,在用户使用车载系统时,最小化驾驶员注意力投入的危险性,最大化车机信息输出及交互的效率,是车载系统桌面交互设计需要关注的重中之重。课题通过选取用户进行情境观察与访谈,发放问卷的形式,分析驾驶场景中人机交互出现的典型性问题,以及对市场上具有代表性的车载系统桌面产品进行设计调研,总结归纳出设计要点。在设计方法理论方面,将交互系统设计的可用性目标以及驾驶情境的特殊要求应用到车载系统桌面的交互设计中,旨在探索从交互设计角度进行车载系统桌面用户体验提升的方法。在具体的设计方法中,根据用户行为产生的角度和界面设计的三个层次——信息架构,操作行为,信息传达,将桌面的交互设计具体分为信息框架搭建、交互流程设计和视觉设计三个阶段,并在实践中通过方案设计进行深化和验证。在设计实践中,信息架构阶段,对所调研的车载系统桌面信息元素根据驾驶情境下的重要程度重新筛选归类,形成新的信息框架;交互流程设计阶段,基于驾驶情境考虑,分析桌面框架中信息元素所涉及到的具体用户操作行为,依据执行鸿沟和评估鸿沟相关原理进行优化,产出驾驶场景化交互流程图;信息传达阶段,根据屏幕操作热区与人机工程学等相关理论,提出视觉焦点分布热区与触点分布热区,产出用户操作路径与视线路径示意图,从而指导具体框架界面的视觉化,完成车载系统桌面的交互设计优化。
肖树国[9]（2019）在《基于深度学习的目标抓取位姿确定方法研究》文中提出现阶段,工业上还有许多场景的物体抓取工作是靠人工来完成的,如:海参称重分级前摆放和包装前摆放都是由人手工完成的,急需一种能够实现自动抓取、摆放的机器系统。要实现这种系统,先要提供给机器人目标物的类别、最佳抓取位置和抓取角度。本文通过分析国内外相关抓取位姿确定方法存在不适用复杂背景、实时性不高和对训练数据需求量大等问题,提出将全卷积神经网络图像分割方法与传统图像处理方法相结合的方法来确定抓取位姿的算法,并且用可旋转的包围盒为基于视觉的机器人快速、精确地标注目标检测结果,为安装在机器人上的机械手提供抓取位置与抓取角度。具体研究内容如下:首先,目标检测方法的确定和数据集扩充方法研究。深入分析和比较现有基于深度学习的目标检测方法,经典的卷积神经网络目标检测方法存在检测结果包含背景过多、无法给出目标旋转角度等缺点,基于全卷积神经网络图像分割的目标检测方法具有运行速度快、检测结果精确等优点,最终选择全卷积神经网络图像分割与传统图像处理结合的方法实现目标检测;针对全卷积神经网络对数据集需求量较大、训练时每个batch图像尺寸必须相同的要求,研究扩充数据集的方法,使训练数据集实现在线扩充,并且不改变原图像与标签图像的像素值和像素空间位置对应关系。其次,目标分割方法研究。全卷积神经网络图像分割方法能够克服现有的图像分割方法实时性不高和易受外界场景变化影响的缺点。通过对经典的FCN-8s网络进行训练和测试,发现FCN-8s目标分割准确率低、速度慢的缺点,针对这些问题,提出了改进的FCN网络模型,通过实验得到的分割图表明改进的FCN网络模型准确率、速度都优于 FCN-8s。再次,确定抓取位姿的三维位置方法的研究。分析研究所得到的分割图像具有“毛刺”、噪声的特点,首先对分割图像进行腐蚀、滤波等处理,再寻找分割图像上最大连通域外轮廓的最小外接矩形,通过最小外接矩形确定目标在像素坐标系上的抓取位置和抓取角度,此方法比现有用传统边界框标注检测出的目标方法定位精度高,能够实现实时检测。针对视差图存在“空洞”的问题,采用多层次中值填充进行修复,并利用中值滤波进行降噪,有效解决了空洞现象。通过本文搭建的双目相机系统将此抓取位置和抓取角度变换为实际空间坐标,为机械手进行定位、抓取做好准备。最后,本文方法的实验验证。通过搭建双目相机系统、TX2和六自由度机械手臂抓取平台,验证本文全部方案的有效性。通过TX2处理双目相机系统采集到的图像,获得海参在像素坐标系上的抓取位置与角度,此抓取位置与角度通过USB转串口传输给机械臂控制器,控制机械臂执行相应的抓取动作,实验结果表明本文方案可以有效地提高实时性和抓取精度。
胡欢[10]（2018）在《未知环境下预测显示遥操作关键技术研究》文中研究表明遥操作是远程机器人控制的一种重要方式,充分结合了人的决策能力和机器人的现场执行能力。在直接遥操作方式下,由于视觉反馈存在延时,操作者常采用“移动-等待-再移动”的模式来操作远端机器人,其效率较低。尤其是在大时延存在的情况下,预测显示遥操作方法提供给操作者实时的视觉反馈,帮助操作者进行及时决策,是一种有效地应对时延的解决方案。预测显示遥操作是基于机器人及三维工作环境模型的一种操作方式。针对结构化的环境,三维模型可借助图形学技术进行事先构建。然而针对未知环境,我们无法事先知道环境的结构信息,因此无法事先构建模型。本文主要研究非结构化或未知环境下的预测显示方法,利用采集到的环境图像,在线构建环境的三维模型,基于此模型来实现预测显示,改善了遥操作中视觉反馈滞后的问题。论文的主要研究内容如下:（1）提出了一种自动初始地图构建算法,该算法无须人为干预,直接根据图像间的基线距离,自动选择两幅图像,构建环境的初始地图,并基于此对机器人进行实时跟踪定位。在图像匹配及搜索定位时,将基于图像整体描述方法和局部特征描述方法相结合,提高了搜索效率。同时,将基于图像模板跟踪的相机姿态估计算法引入到相机位姿预测方法中,减少了跟踪丢失次数,增加了系统的鲁棒性。整体算法采用双线程结构,将耗时的地图构建及优化操作同对实时性要求较高的跟踪定位算法分开,确保了跟踪定位的实时性。最后,搭建了一个基于ROS平台的SLAM系统,摄像机采集到的图像通过ROS message发送给SLAM算法。（2）提出了一种鲁棒的SLAM优化方法,以补偿机器人跟踪丢失的问题,同时提高地图的精度。为了获得高质量的地图,通过一种基于多层视觉词汇树的图像相似性匹配方法,来执行闭环检测和地图校正,以获得环境相容性一致的地图。为了增加系统的鲁棒性,即实现可持续的跟踪定位,提出了一个基于多地图协作的视觉定位和地图构建方法,当跟踪丢失后,能够自动构建新的地图并继续进行跟踪。同时,提出使用多个小地图进行跟踪,代替仅使用一个大地图,以应对大地图中定位误差的不断累积造成环境地图可用性差的问题。最后,搭建了一个基于多地图的视觉定位与地图构建系统,该系统采用多线程架构（跟踪定位线程、地图构建线程、闭环优化线程、多地图管理线程）,保证跟踪定位的实时性。同时,利用室内外环境数据对系统各项性能进行了评估。（3）提出了一种基于IMU-视觉传感器融合的位姿优化及地图尺度估计方法。该方法是一种基于扩展Kalman滤波器的传感器融合方法,在位姿优化的同时估计场景的真实尺度及补偿IMU-相机的预标定误差。该滤波器直接利用SLAM算法估计的位姿作为测量值,用于滤波器的更新阶段,将其和IMU估计的位姿进行线性结合,以提高位姿估计的精度。考虑到滤波器的初值对滤波器稳定性的影响,提出了一种基于预积分理论的滤波器初值估计方法,该初始值包括IMU的偏差、场景的初始尺度、重力方向。同时,该算法能够在视觉信息缺失的情况下,利用IMU测量数据对摄像机进行跟踪定位。（4）提出了一种基于散乱点云的场景表面模型构建方法。该方法是以SLAM输出的三维点云数据作为输入,来获取场景的表面信息。首先,基于3D Delaunay方法对场景点云进行离散化,构造三维场景的四面体网格模型。接着,随着点云数据的不断更新,提出了基于事件模型的四面体网格在线更新方法,实现模型的不断扩展。最后,将表面模型提取问题建模为一图结构,利用图的最小割理论提取光滑的场景表面。同时,在各种不同场景下,对重建结果进行了验证。（5）提出了一种基于多纹理映射的预测显示方法,通过将预测视点空间上相邻的四帧图像投影到场景模型上进行融合,得到预测图像,辅助操作者进行预测遥操作。接着,从操作者的角度评估了预测显示系统的性能,并分析了操纵自由度的数目变化对延时状态下遥操作性能的影响,进一步验证了预测显示方法能够有效地处理时延的问题。最后,阐述了预测显示遥操作系统的整体架构,搭建了基于客户端和服务器端的实验测试平台。通过对各种不同类型的环境进行在线重建,并基于在线的三维模型进行预测显示,对系统平台进行了整体评估。
二、扩大IE可视窗口小技巧（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、扩大IE可视窗口小技巧（论文提纲范文）
（2）表面微结构强化低温降膜流动及传质机理的初步研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 主要符号表 |
| 1.绪论 |
| 1.1 研究背景及意义 |
| 1.2 规整填料发展现状 |
| 1.3 填料表面微结构 |
| 1.4 微结构强化低温传质的主要科学问题 |
| 1.5 本文的主要研究工作 |
| 2.微结构表面低温氧氮流动及传质特征对比 |
| 2.1 气液传质模型介绍 |
| 2.1.1 经典理论模型 |
| 2.1.2 半理论-半经验模型 |
| 2.1.3 计算流体力学模型 |
| 2.2 数值模型建立 |
| 2.2.1 三类表面的几何模型 |
| 2.2.2 流动模型 |
| 2.2.3 传质模型 |
| 2.2.4 边界条件设置及数据后处理 |
| 2.2.5 网格无关性及模型验证 |
| 2.3 平板及微结构板下低温氧氮流体传质特性对比 |
| 2.3.1 沿不同板的传质及速度分布 |
| 2.3.2 局部流动特性强化传质 |
| 2.3.3 不同液体雷诺数下传质特性对比 |
| 2.4 本章小结 |
| 3.正弦形微结构尺寸优化及强化特性对比 |
| 3.1 微结构尺寸确定 |
| 3.2 不同微结构振幅高度的影响 |
| 3.2.1 传质结果对比 |
| 3.2.2 液膜厚度对比 |
| 3.2.3 局部流动参数对比 |
| 3.3 不同微结构周期长度的影响 |
| 3.3.1 传质结果对比 |
| 3.3.2 液膜厚度对比 |
| 3.3.3 局部流动参数对比 |
| 3.4 本章小结 |
| 4.低温氧氮降膜流动及传质可视化实验装置设计及初步实验 |
| 4.1 实验装置整体设计介绍 |
| 4.1.1 实验装置设计思路 |
| 4.1.2 实验腔体内部结构 |
| 4.2 测量系统 |
| 4.2.1 温度测量 |
| 4.2.2 压力测量 |
| 4.2.3 浓度测量 |
| 4.2.4 质量流量测量 |
| 4.3 可视化系统 |
| 4.4 漏热分析 |
| 4.4.1 辐射漏热 |
| 4.4.2 低温腔壁面漏热 |
| 4.4.3 喷淋管漏热 |
| 4.5 实验系统不确定度分析 |
| 4.6 初步实验及结果 |
| 4.6.1 实验流程及操作步骤 |
| 4.6.2 初步实验结果 |
| 4.6.3 后续实验规划 |
| 4.7 本章小结 |
| 5.全文总结与展望 |
| 5.1 全文总结 |
| 5.2 创新点 |
| 5.3 展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读硕士学位期间所获得的成果 |
（3）基于深度学习的隧道漏缆卡具故障检测系统研究与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 背景及意义 |
| 1.2 国内外发展现状 |
| 1.2.1 图像分类技术发展现状 |
| 1.2.2 目标检测技术发展现状 |
| 1.2.3 铁路领域故障检测现状 |
| 1.3 论文主要研究内容 |
| 1.4 论文的结构安排 |
| 第2章 相关理论知识 |
| 2.1 深度学习的基础概念 |
| 2.1.1 梯度下降 |
| 2.1.2 反向传播 |
| 2.1.3 激活函数 |
| 2.2 卷积神经网络基本结构 |
| 2.2.1 卷积层 |
| 2.2.2 池化层 |
| 2.2.3 全连接层 |
| 2.3 本章小结 |
| 第3章 基于图像分类的隧道图像提取 |
| 3.1 Mobile Net网络介绍 |
| 3.1.1 Mobile Netv1 |
| 3.1.2 Mobile Netv2 |
| 3.1.3 Mobile Netv3 |
| 3.2 Mobile Netv3 图像提取的实现 |
| 3.3 实验描述与结果分析 |
| 3.3.1 实验描述 |
| 3.3.2 实验结果分析 |
| 3.4 本章小结 |
| 第4章 基于YOLOv4改进算法的目标检测 |
| 4.1 YOLO系列的目标检测算法介绍 |
| 4.1.1YOLOv1 |
| 4.1.2YOLOv2 |
| 4.1.3YOLOv3 |
| 4.1.4YOLOv4 |
| 4.2 基于YOLOv4改进算法的实现 |
| 4.2.1 隧道漏缆卡具数据集准备 |
| 4.2.2 网络模型训练 |
| 4.2.3 模型验证 |
| 4.2.4 实验结果与分析 |
| 4.3 对比试验及实验分析 |
| 4.3.1 对比实验 |
| 4.3.2 实验分析 |
| 4.4 本章小结 |
| 第5章 故障样本解决与故障卡具检测 |
| 5.1 常见数据扩增 |
| 5.1.1 几何变换 |
| 5.1.2 像素值变换 |
| 5.1.3 空间颜色变换 |
| 5.2 故障样本数量扩充 |
| 5.2.1 高斯滤波 |
| 5.2.2 叠加噪声 |
| 5.2.3 明暗处理 |
| 5.2.4 实验结果 |
| 5.3 基于YOLOv4改进算法的故障卡具检测 |
| 5.3.1 网络模型训练 |
| 5.3.2 模型验证 |
| 5.3.3 实验结果与分析 |
| 5.4 本章小结 |
| 第6章 检测结果可视化与界面展示 |
| 6.1 检测结果可视化 |
| 6.1.1 统计卡具左上角横坐标信息 |
| 6.1.2 统计相邻卡具距离分布信息 |
| 6.1.3 检测结果批量显色拼接 |
| 6.2 系统软件界面 |
| 6.2.1 隧道图像提取结果界面 |
| 6.2.2 卡具检测结果界面 |
| 6.2.3 可视化结果界面 |
| 6.3 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间研究成果 |
| 致谢 |
（4）开放式创新社区知识协同创新研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的及意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 国内外研究现状 |
| 1.3.1 文献计量分析 |
| 1.3.2 国内研究评述 |
| 1.3.3 国外研究评述 |
| 1.3.4 研究展望 |
| 1.4 研究内容与研究方法 |
| 1.4.1 研究内容 |
| 1.4.2 研究方法 |
| 1.5 研究技术路线及创新点 |
| 1.5.1 技术路线 |
| 1.5.2 论文创新点 |
| 1.6 本章小结 |
| 第二章 相关概念与理论基础 |
| 2.1 开放式创新社区 |
| 2.1.1 概念 |
| 2.1.2 类型 |
| 2.1.3 特征 |
| 2.2 知识协同创新 |
| 2.2.1 用户生成内容 |
| 2.2.2 知识创新 |
| 2.2.3 协同创新 |
| 2.3 知识进化理论及相关概念 |
| 2.3.1 知识进化 |
| 2.3.2 知识基因 |
| 2.3.3 知识遗传 |
| 2.3.4 知识变异 |
| 2.3.5 相关概念间逻辑关系 |
| 2.4 复杂网络理论 |
| 2.4.1 社会网络理论 |
| 2.4.2 超网络理论 |
| 2.5 本章小结 |
| 第三章 开放式创新社区知识协同创新的逻辑模型 |
| 3.1 开放式创新社区知识协同创新的内涵及特征 |
| 3.1.1 开放式创新社区知识协同创新的内涵 |
| 3.1.2 开放式创新社区知识协同创新的特征 |
| 3.2 开放式创新社区知识协同创新的要素构成 |
| 3.2.1 知识协同创新主体 |
| 3.2.2 知识协同创新客体 |
| 3.2.3 知识协同创新平台载体 |
| 3.2.4 知识协同创新环境 |
| 3.2.5 要素间相互作用及演化规律 |
| 3.3 开放式创新社区知识协同创新的过程 |
| 3.3.1 创意萌芽阶段 |
| 3.3.2 创意演化阶段 |
| 3.3.3 创新形成阶段 |
| 3.4 开放式创新社区知识协同创新过程的动力因素分析 |
| 3.4.1 驱动要素 |
| 3.4.2 因果关系图 |
| 3.4.3 系统动力学模型 |
| 3.5 开放式创新社区知识协同创新的逻辑模型构建 |
| 3.6 本章小结 |
| 第四章 开放式创新社区的用户知识协同机理分析 |
| 4.1 用户的界定与分类 |
| 4.2 用户知识协同的定义 |
| 4.2.1 用户知识协同的内涵 |
| 4.2.2 用户知识协同的特征 |
| 4.3 用户知识协同交互过程模型 |
| 4.3.1 用户知识协同共生过程 |
| 4.3.2 用户知识协同合作过程 |
| 4.3.3 用户知识协同网络 |
| 4.3.4 模型构建 |
| 4.4 用户知识协同的动机分析 |
| 4.4.1 研究方法 |
| 4.4.2 样本选择与采集 |
| 4.4.3 原始资料的整理汇编 |
| 4.4.4 范畴编码 |
| 4.4.5 结果讨论 |
| 4.5 用户知识协同网络的可视化分析 |
| 4.5.1 数据来源 |
| 4.5.2 数据预处理 |
| 4.5.3 用户知识协同网络图谱 |
| 4.5.4 结果讨论 |
| 4.6 本章小结 |
| 第五章 开放式创新社区的知识进化机理分析 |
| 5.1 知识进化的构成要素及演变过程 |
| 5.1.1 构成要素 |
| 5.1.2 演变过程 |
| 5.2 知识进化的自组织分析 |
| 5.2.1 自组织特征 |
| 5.2.2 自组织熵流 |
| 5.2.3 自组织作用力 |
| 5.2.4 自组织创新扩散 |
| 5.3 知识进化的网络分析 |
| 5.3.1 知识进化的网络模型界定 |
| 5.3.2 知识进化的网络节点 |
| 5.3.3 知识基因节点间的连接原理 |
| 5.4 知识进化的网络可视化分析 |
| 5.4.1 数据来源及处理 |
| 5.4.2 知识进化的网络图谱 |
| 5.4.3 知识进化的网络路径 |
| 5.5 知识创新热点识别 |
| 5.5.1 知识DNA模型设计 |
| 5.5.2 知识基因聚类 |
| 5.5.3 知识DNA模型构建 |
| 5.5.4 知识基因热点的识别模型 |
| 5.5.5 基于熵权TOPSIS模型的热点计算过程 |
| 5.5.6 结果分析 |
| 5.6 本章小节 |
| 第六章 开放式创新社区知识协同创新的超网络分析 |
| 6.1 子网络构建 |
| 6.1.1 用户网络建模 |
| 6.1.2 知识文本网络建模 |
| 6.1.3 知识基因网络建模 |
| 6.2 不同子网络间映射关系 |
| 6.2.1 用户网络与知识文本网络 |
| 6.2.2 知识文本网络与知识基因网络 |
| 6.2.3 用户网络与知识基因网络 |
| 6.3 超网络模型构建及案例分析 |
| 6.3.1 超网络模型构建 |
| 6.3.2 案例分析思路 |
| 6.3.3 可视化图谱及结果讨论 |
| 6.4 开放式创新社区知识协同创新机理路径 |
| 6.5 本章小结 |
| 第七章 开放式创新社区知识协同创新的保障机制及策略 |
| 7.1 开放式创新社区知识协同创新的保障机制 |
| 7.1.1 人机互动机制 |
| 7.1.2 知识创新热点预测机制 |
| 7.1.3 社区技术机制 |
| 7.1.4 知识协同创新激励机制 |
| 7.2 平台建设视角下的知识协同创新保障策略 |
| 7.2.1 优化社区平台的功能性设计 |
| 7.2.2 社区规则制度的落实及完善 |
| 7.3 情境优化视角下的知识协同创新保障策略 |
| 7.3.1 知识协同创新文化氛围的营造 |
| 7.3.2 社区知识服务功能的完善 |
| 7.4 用户协同参与视角下的知识协同创新保障策略 |
| 7.4.1 引导高活跃度用户向核心创新用户转变 |
| 7.4.2 充分发挥核心创新用户的带动效应 |
| 7.4.3 提升社区用户的信息素养 |
| 7.5 本章小结 |
| 第八章 总结与展望 |
| 8.1 论文总结 |
| 8.2 研究不足及展望 |
| 参考文献 |
| 附录 |
| 作者简介及科研成果 |
| 致谢 |
（5）网络新闻标题的多角度研究 ——以“今日头条”为例（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题缘由 |
| 1.2 研究对象 |
| 1.3 研究现状与意义 |
| 1.3.1 研究现状 |
| 1.3.2 研究意义 |
| 1.4 理论基础与研究方法 |
| 1.4.1 理论基础 |
| 1.4.2 研究方法 |
| 1.5 语料来源 |
| 1.5.1 建立小型语料库 |
| 1.5.2 依据爬虫程序,滚动抓取标题 |
| 1.5.3 标题信息处理 |
| 第二章 网络新闻标题的词汇语法特点 |
| 2.1 网络新闻标题的词频特点 |
| 2.1.1 词频统计 |
| 2.1.2 词频分布分析 |
| 2.2 标题词汇的语义特点 |
| 第三章 网络新闻标题的语法特点 |
| 3.1 句法结构形式 |
| 3.1.1 单句式结构 |
| 3.1.2 组合式结构 |
| 3.1.3 成分缺省结构 |
| 3.2 句类特点 |
| 3.2.1 陈述句标题 |
| 3.2.2 疑问句标题 |
| 3.2.3 感叹句标题 |
| 3.2.4 祈使句标题 |
| 第四章 网络新闻标题的修辞 |
| 4.1 引言 |
| 4.2 网络新闻标题的修辞策略 |
| 4.2.1 词语修辞 |
| 4.2.2 辞格修辞 |
| 第五章 网络新闻标题的语用特点 |
| 5.1 关联理论与网络新闻标题 |
| 5.2 网络新闻标题的“明示—推理”交际 |
| 5.2.1 明示行为 |
| 5.2.2 推理过程 |
| 5.3 网络新闻标题的语境效应 |
| 5.3.1 认知语境假设 |
| 5.3.2 语境效果 |
| 5.4 网络新闻标题的最佳关联 |
| 第六章 结语 |
| 6.1 主要研究过程和结论 |
| 6.2 创新之处与不足 |
| 6.3 后续研究的设想 |
| 参考文献 |
| 附录 |
（6）基于RNN和注意力机制的网络入侵检测方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 缩略词表 |
| 第1章 绪论 |
| 1.1 论文背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 入侵检测技术研究现状 |
| 1.2.2 基于循环神经网络的入侵检测技术研究现状 |
| 1.3 论文结构安排 |
| 第2章 入侵检测相关知识 |
| 2.1 入侵检测基本概念 |
| 2.2 入侵检测系统分类 |
| 2.2.1 按照体系结构划分 |
| 2.2.2 按照检测技术划分 |
| 2.3 入侵检测数据源 |
| 2.3.1 数据源分类 |
| 2.3.2 数据集选择 |
| 2.4 现阶段入侵检测系统存在的问题 |
| 2.5 本章小结 |
| 第3章 基于堆叠稀疏自动编码器和循环神经网络的入侵检测模型 |
| 3.1 堆叠稀疏自动编码器 |
| 3.1.1 自动编码器 |
| 3.1.2 稀疏自动编码器 |
| 3.1.3 堆叠稀疏自动编码器 |
| 3.2 循环神经网络及其变体的相关介绍 |
| 3.2.1 循环神经网络 |
| 3.2.2 长短时记忆网络和门控循环单元 |
| 3.2.3 双向结构循环神经网络 |
| 3.3 基于稀疏自动编码器和循环神经网络的入侵检测模型 |
| 3.4 仿真实验分析 |
| 3.4.1 实验环境和相关配置 |
| 3.4.2 评价指标 |
| 3.4.3 仿真结果分析 |
| 3.5 本章小结 |
| 第4章 基于门控循环单元和注意力机制的入侵检测模型 |
| 4.1 注意力机制概述 |
| 4.1.1 注意力机制原理 |
| 4.1.2 注意力机制模型 |
| 4.2 基于门控循环单元和注意力机制的入侵检测模型 |
| 4.2.1 模型概述 |
| 4.2.2 算法流程及模型配置 |
| 4.3 仿真结果 |
| 4.4 可视化分析 |
| 4.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和取得的科研成果 |
| 致谢 |
（7）基于深度学习的城市短时交通流拥堵预测研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 图神经网络(CNN)研究现状 |
| 1.2.2 交通拥堵时空分布特征研究现状 |
| 1.2.3 交通拥堵短时预测研究现状 |
| 1.3 研究目标与内容 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.4 技术路线 |
| 1.5 论文组织结构 |
| 第二章 深度学习与复杂网络基础理论 |
| 2.1 深度学习基础理论 |
| 2.1.1 激活函数 |
| 2.1.2 梯度下降 |
| 2.1.3 反向传播 |
| 2.2 复杂网络理论 |
| 2.2.1 度分布 |
| 2.2.2 平均路径长度 |
| 2.2.3 聚集系数 |
| 2.3 本章小结 |
| 第三章 数据概况及预处理 |
| 3.1 研究区域概况 |
| 3.2 交通拥堵评价指标 |
| 3.3 数据来源与分析 |
| 3.3.1 高德拥堵数据 |
| 3.3.2 高德路网数据 |
| 3.4 数据预处理 |
| 3.4.1 拥堵数据预处理 |
| 3.4.2 道路网数据预处理 |
| 3.5 本章小结 |
| 第四章 交通拥堵时空分布特征分析 |
| 4.1 时空分布特征宏观分析 |
| 4.2 时间分布特征分析 |
| 4.2.1 工作日和双休日拥堵时间分布 |
| 4.2.2 节假日拥堵时间分布 |
| 4.3 空间分布特征分析 |
| 4.3.1 拥堵热点分析 |
| 4.3.2 拥堵与道路等级的关联性分析 |
| 4.4 本章小结 |
| 第五章 交通拥堵短时预测 |
| 5.1 问题定义 |
| 5.2 路网的图表达 |
| 5.2.1 道路分段 |
| 5.2.2 线简化 |
| 5.2.3 邻接矩阵构建 |
| 5.2.4 拉普拉斯矩阵构建 |
| 5.3 频域图卷积 |
| 5.3.1 图上傅里叶变换 |
| 5.3.2 图上卷积 |
| 5.3.3 切比雪夫多项式估计 |
| 5.3.4 邻域阶 |
| 5.3.5 层线性模型 |
| 5.4 图卷积模型预测方法 |
| 5.4.1 T-GCN模型 |
| 5.4.2 STGCN模型 |
| 5.5 本章小结 |
| 第六章 实验分析 |
| 6.1 实验说明 |
| 6.1.1 实验环境 |
| 6.1.2实验数据 |
| 6.1.3 调优策略 |
| 6.1.4 模型的评估指标 |
| 6.2 T-GCN模型拥堵预测实验 |
| 6.2.1 模型的超参数分析及调优 |
| 6.2.2 实验结果分析 |
| 6.3 TGCN模型拥堵预测实验 |
| 6.3.1 模型的超参数分析及调优 |
| 6.3.2 实验结果分析 |
| 6.4 预测方法对比分析实验 |
| 6.5 邻域阶数实验 |
| 6.6 路网结构对图卷积泛化能力的影响实验 |
| 6.7 本章小结 |
| 第七章 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 攻读硕士期间发表的科研成果目录 |
| 致谢 |
（8）驾驶情境下的车载系统桌面交互设计研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究的目的和意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 国内外研究现状 |
| 1.3.1 车载系统研究现状 |
| 1.3.2 桌面研究现状 |
| 1.3.3 交互设计研究现状 |
| 1.3.4 研究现状总结 |
| 1.4 课题研究方法、框架和创新点 |
| 1.4.1 研究方法 |
| 1.4.2 论文研究框架 |
| 1.4.3 论文创新点 |
| 1.5 本章小结 |
| 2 论文研究对象和理论依据 |
| 2.1 论文研究对象 |
| 2.1.1 车载中控HMI |
| 2.1.2 车载系统桌面 |
| 2.1.3 交互设计 |
| 2.2 本课题中车载系统桌面的范围界定 |
| 2.2.1 主屏幕 |
| 2.2.2 所有应用程序集合页面 |
| 2.2.3 后台应用程序页面 |
| 2.3 车载系统桌面交互设计的三个阶段 |
| 2.3.1 用户行为角度的交互设计分段 |
| 2.3.2 信息架构——桌面包括的信息框架 |
| 2.3.3 交互流程——桌面的操作行为设计 |
| 2.3.4 信息传达——桌面信息反馈设计 |
| 2.4 车载系统桌面设计评估纬度 |
| 2.4.1 车载系统桌面可用性目标 |
| 2.4.2 驾驶情境下车载系统桌面交互设计目标 |
| 2.5 本章小结 |
| 3 车载系统桌面调研 |
| 3.1 驾驶场景及用户需求调研 |
| 3.1.1 驾驶场景下的车载系统桌面 |
| 3.1.2 用户需求调研 |
| 3.2 车载系统桌面设计现状 |
| 3.2.1 前装车载系统桌面设计现状 |
| 3.2.2 后装车载系统桌面设计现状 |
| 3.3 本章小结 |
| 4 车载系统桌面交互设计研究 |
| 4.1 信息架构设计 |
| 4.1.1 轻量信息架构 |
| 4.1.2 简练信息框架 |
| 4.1.3 明确信息元素 |
| 4.2 用户行为设计 |
| 4.2.1 采取行动的七个阶段 |
| 4.2.2 填平执行阶段鸿沟 |
| 4.2.3 填平评估阶段鸿沟 |
| 4.3 信息传达设计 |
| 4.3.1 信息元素的可视化 |
| 4.3.2 交互流程的可视化 |
| 4.4 本章小结 |
| 5 车载系统桌面交互主框架设计实践 |
| 5.1 课题来源 |
| 5.2 设计方案 |
| 5.2.1 框架层设计 |
| 5.2.2 交互流程设计 |
| 5.2.3 视觉设计 |
| 5.3 本章小结 |
| 6 总结与展望 |
| 6.1 研究成果总结 |
| 6.2 研究不足与展望 |
| 参考文献 |
| 附录 车载系统桌面用户体验调查问卷 |
| 致谢 |
（9）基于深度学习的目标抓取位姿确定方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题的背景及研究意义 |
| 1.2 抓取位姿确定方法国内外研究现状 |
| 1.3 本文主要研究内容及章节安排 |
| 第2章 目标检测方法与数据集扩充方法 |
| 2.1 引言 |
| 2.2 经典卷积神经网络 |
| 2.3 深度学习目标检测方法 |
| 2.3.1 基于区域提议的目标检测方法 |
| 2.3.2 基于回归的目标检测方法 |
| 2.3.3 基于分割的目标检测方法 |
| 2.4 海参数据集的建立方法 |
| 2.4.1 获取原始图像 |
| 2.4.2 标注数据label |
| 2.4.3 划分数据为训练集和验证集 |
| 2.5 训练数据扩充与统一尺寸方法研究 |
| 2.5.1 训练数据扩充方法 |
| 2.5.2 训练数据统一尺寸方法 |
| 2.6 本章小结 |
| 第3章 基于全卷积神经网络的目标分割方法研究 |
| 3.1 引言 |
| 3.2 FCN目标分割方法研究 |
| 3.2.1 FCN目标分割原理 |
| 3.2.2 分割难点 |
| 3.3 FCN改进方法研究 |
| 3.4 网络训练与结果分析 |
| 3.4.1 损失函数 |
| 3.4.2 训练环境与超参数优化 |
| 3.4.3 结果分析 |
| 3.5 本章小结 |
| 第4章 抓取位姿确定方法研究 |
| 4.1 引言 |
| 4.2 目标分割图像后期处理 |
| 4.3 目标在图像上的抓取位姿 |
| 4.3.1 提取目标轮廓 |
| 4.3.2 找最大外轮廓 |
| 4.3.3 求最小外接矩形 |
| 4.4 目标在实际空间坐标系下的抓取位姿 |
| 4.4.1 单目相机成像模型 |
| 4.4.2 双目相机系统成像模型 |
| 4.5 目标定位实验结果与误差分析 |
| 4.6 本章小结 |
| 第5章 基于六自由度机械手臂的智能抓取系统搭建与实验研究 |
| 5.1 引言 |
| 5.2 智能抓取系统搭建 |
| 5.2.1 TX2嵌入式人工智能计算平台 |
| 5.2.2 六自由度机械手臂介绍 |
| 5.2.3 机械臂的控制系统介绍 |
| 5.2.4 智能抓取系统总体规划与平台搭建 |
| 5.3 抓取实验及分析 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和取得的科研成果 |
| 致谢 |
（10）未知环境下预测显示遥操作关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 预测显示遥操作的国内外研究现状 |
| 1.2.1 基于增强现实的预测遥操作研究现状 |
| 1.2.2 基于图像的预测显示方法研究现状 |
| 1.2.3 基于重建模型的预测方法研究现状 |
| 1.3 基于图像的三维重建国内外研究现状 |
| 1.3.1 基于单目视觉的SLAM方法研究现状 |
| 1.3.2 基于多传感器融合定位算法的研究现状 |
| 1.4 本论文的主要研究内容 |
| 第二章 基于单目视觉的同步定位与地图构建方法 |
| 2.1 快速的特征检测与匹配方法 |
| 2.1.1 局部特征检测与描述符 |
| 2.1.2 基于视觉单词的图像描述方法 |
| 2.1.3 高效的图像匹配方法 |
| 2.2 地图的构建与组成 |
| 2.2.1 地图初始化方法 |
| 2.2.2 特征地图 |
| 2.2.3 拓扑关系图 |
| 2.3 实时跟踪与地图扩展 |
| 2.3.1 实时在线跟踪方法 |
| 2.3.2 相机位姿预测方法 |
| 2.3.3 由粗到精的地图跟踪方法 |
| 2.3.4 三角化求解三维地图点 |
| 2.3.5 局部地图优化 |
| 2.4 算法验证 |
| 2.4.1 验证平台 |
| 2.4.2 算法性能分析 |
| 2.4.2.1 初始地图质量 |
| 2.4.2.2 跟踪精度 |
| 2.4.2.3 跟踪实时性 |
| 2.5 本章小结 |
| 第三章 基于多地图的鲁棒定位与地图优化方法 |
| 3.1 局部地图优化方法 |
| 3.1.1 图优化方法概述 |
| 3.1.2 基于图优化方法的局部地图优化 |
| 3.2 基于视觉词典的闭环优化方法 |
| 3.2.1 闭环优化方法概述 |
| 3.2.2 基于BoF相似性判断的闭环优化方法 |
| 3.2.2.1 基于关键帧分组和图像分层的多候选闭环检测 |
| 3.2.2.2 基于时间连续性和几何验证的单一闭环确认 |
| 3.2.2.3 基于相似变换和反投影的地图校正 |
| 3.3 基于多地图的SLAM方法 |
| 3.4 算法验证 |
| 3.4.1 验证平台介绍 |
| 3.4.2 室外数据集测试结果 |
| 3.4.3 室内数据集测试结果 |
| 3.4.4 系统子模块性能测试 |
| 3.5 本章小结 |
| 第四章 基于IMU-视觉融合的位姿优化方法 |
| 4.1 运动学模型基础理论 |
| 4.1.1 IMU测量模型 |
| 4.1.2 运动学模型 |
| 4.1.3 姿态描述方法 |
| 4.1.3.1 四元数和旋转矩阵 |
| 4.1.3.2 李群和李代数的相关性质 |
| 4.2 IMU-视觉系统初始化参数估计 |
| 4.2.1 基于IMU数据的关键帧姿态估计 |
| 4.2.2 基于视觉测量估计初始化参数 |
| 4.3 基于扩展Kalman滤波的视觉-IMU融合方法 |
| 4.3.1 扩展Kalman滤波方法 |
| 4.3.2 视觉-IMU融合方法 |
| 4.3.2.1 IMU预测阶段 |
| 4.3.2.2 测量修正阶段 |
| 4.4 算法验证 |
| 4.4.1 验证平台介绍 |
| 4.4.2 验证结果 |
| 4.5 本章小结 |
| 第五章 基于点云的三维环境表面模型在线构建方法 |
| 5.1 基于3D Delaunay离散化的初始网格模型构建 |
| 5.1.1 三角网格化方法 |
| 5.1.2 三维Delaunay剖分 |
| 5.1.3 初始四面体网格构建 |
| 5.2 动态网格模型扩展 |
| 5.2.1 基于自由空间雕刻法的体模型构建 |
| 5.2.2 基于事件关联的模型扩展 |
| 5.3 基于图割优化的场景表面提取方法 |
| 5.3.1 图的最小割 |
| 5.3.2 基于最小图割的光滑表面生成方法 |
| 5.4 算法验证 |
| 5.5 本章小结 |
| 第六章 基于三维重建模型的预测显示方法 |
| 6.1 遥操作中的预测显示方法 |
| 6.1.1 预测显示方法介绍 |
| 6.1.2 预测显示效果 |
| 6.2 不同时延和操控自由度下预测显示性能测试 |
| 6.2.1 实验设计 |
| 6.2.2 实验结果 |
| 6.3 预测显示系统实验评估 |
| 6.3.1 系统架构及软件配置 |
| 6.3.2 预测显示效果验证 |
| 6.3.3 机械臂预测遥操作实验 |
| 6.3.4 数据传输量 |
| 6.4 本章小结 |
| 第七章 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表或已投稿的学术论文 |
| 攻读博士学位期间的科研工作和奖励 |
四、扩大IE可视窗口小技巧（论文参考文献）
- [1]基于机器视觉的移动机器人避障算法研究与实现[D]. 刘禹哲. 重庆邮电大学, 2021
- [2]表面微结构强化低温降膜流动及传质机理的初步研究[D]. 张晗阳. 浙江大学, 2021
- [3]基于深度学习的隧道漏缆卡具故障检测系统研究与实现[D]. 马海月. 河北科技大学, 2020(06)
- [4]开放式创新社区知识协同创新研究[D]. 任亮. 吉林大学, 2020(08)
- [5]网络新闻标题的多角度研究 ——以“今日头条”为例[D]. 周莹. 上海外国语大学, 2020(01)
- [6]基于RNN和注意力机制的网络入侵检测方法研究[D]. 王杰. 哈尔滨工程大学, 2020(05)
- [7]基于深度学习的城市短时交通流拥堵预测研究[D]. 王康. 武汉大学, 2019
- [8]驾驶情境下的车载系统桌面交互设计研究[D]. 王焰. 武汉大学, 2019(06)
- [9]基于深度学习的目标抓取位姿确定方法研究[D]. 肖树国. 哈尔滨工程大学, 2019(05)
- [10]未知环境下预测显示遥操作关键技术研究[D]. 胡欢. 北京邮电大学, 2018(09)