二维振荡叶栅非定常可压缩流动的变分理论及实验研究

在前视觉中增加输入信息，在后视觉增加知识，用以提高物体识别与理解的能力，是计算机视觉研究的新课题。本课题从四个方面加以研究：“运动物体识别与姿态理解的HMM”；“基于信息融合的二次曲面基元的3D物体识别方法”，“多方法融合3D物体建模研究”：“基于物体语义网表示的物体识别方法”，提出用特征向量序列表示运动体、充分利用图象序列携带的各种信息，识别率极高，同时还给出物体的运动姿态：“在象素极、特征级上、知识级上”探讨多信息息融合方法，以提高识别的能力；利用神经网络方法将立体视觉和shapfromshading方法相融合，恢复3D物体的深度信息。另外还将本课题部分成果运用到：“三维主动式汽车驾驶仿真系统”。