针对复杂环境中存在运动目标、移动威胁与突发威胁等多种情况,将动态流体扰动算法与滚动优化策略相结合,进行无人机(UAV)三维动态航路规划.基于移动目标运动信息与威胁运动信息引入相对初始流场,用扰动矩阵量化表示障碍物或威胁对相对初始流场的扰动影响,计算相对扰动流场,进而得到实际流场流线即无人机规划航路.充分利用实时环境信息,综合考虑未来运动态势,在有限时域内采用动态流体扰动算法规划出可选航路,然后构建目标函数,滚动优化反应系数,实现在线航路规划.仿真结果表明,该算法能较好地适用于复杂动态环境.

复杂环境中的车牌字母和数字识别研究.pdf

【无人机导航】复杂环境下的无人机编队路径规划matlab源码.md

基于深度学习的复杂环境下车型精确识别方法.pdf

1.将表层毛细血管丛和脉络膜毛细血管的图像导入MATLAB 2.表层毛细血管会在脉络膜毛细血管层上留下伪影，所以要先除去脉络膜毛细血管上的阴影伪影。我我们对视网膜浅表血管丛图像进行阈值处理以创建二进制蒙版。然后，我们将遮罩覆盖在脉络膜毛细血管图像上，这有助于我们识别脉络膜毛细血管图像上的伪影。 3.为了识别脉络膜毛细血管图像中的血流空隙，我们首先应用了高斯平滑滤波器来减少脉络膜毛细血管图像中的斑点噪声，然后对脉络膜毛细血管图像做阈值处理。 Imean表示脉络膜毛细血管图像的平均像素强度，而表示正数，该值与脉络膜毛细血管图像的像素强度的标准偏差相乘。正常人的数据库中，平均SD灰度级约为47，（图像动态范围从0到255）。 经过计算低于该阈值的的像素即为血流空隙（图3e中的绿色） 4.最后只留下绿色的像素，同时二值化（即为f图）

MATLAB gui界面 四种环境 ：低照度，高照度，雾天，普通； 车牌识别

针对矿山设备高压配电室机器人巡检系统中数显式仪表数码管难以有效定位与准确识别的问题,提出了一种复杂环境下数显式仪表数码管定位与识别方法。在数码管区域定位中,首先通过特征图像和标记分水岭算法初步定位数码管区域,然后使用大津阈值法和标记分水岭算法得到二值图像,并对其进行投影分割得到数码管字符,最后采用局部二值模式特征和支持向量机分类算法排除非数码管区域,提高数码管定位准确率;在数码管字符识别中,首先使用自适应Canny算法提取数码管字符边缘,然后采用Radon变换估计数码管字符倾斜角度,再使用滤波模板滤除噪点,最后通过穿线法识别数码管字符。试验结果表明,该方法能适应不同光照、数码管大小和字符倾斜角度,具有较高的定位和识别准确率。