1 北京航空航天大学电子信息工程学院, 北京 100191
2 河北远东通信系统工程有限公司, 河北 石家庄 050200
点云配准是三维点云信息处理中的重要问题。传统点云配准方法计算量大，不利于实时计算与移动计算。针对传统点云配准方法存在的问题，提出了一种利用卷积神经网络进行点云配准的方法。首先计算点云的深度图像，利用卷积神经网络提取深度图像对的特征差，将深度图像对的特征差作为全连接网络的输入并计算点云配准参数，迭代地执行上述操作直至配准误差小于可接受阈值。实验结果表明，相比传统的点云配准方法，基于卷积神经网络的点云配准方法具有所需计算量小、配准效率高、对噪声点和异常点不敏感的优点。
图像处理 点云配准 深度学习 卷积神经网络 深度图像 激光与光电子学进展
2017, 54(3): 031001
北京航空航天大学电子信息工程学院,北京 100191
为了改善BB84协议防窃听的能力,在BB84协议的基础上提出用M(M=3,4,5…)对量子态实现量子密钥分配。为了检测其安全性,用截获-重发的方式对量子密钥分配过程进行窃听,窃听者分别采用两种检测光子状态的方法:在M组基中随机选取一种基和用Breidbart基测量,并在这两种窃听方法下分别通过计算机仿真探究M值与安全性能的关系。仿真结果表明:用多对量子态实现量子密钥分配时,发现窃听者的能力与BB84协议相同,而窃听者可以获取的正确信息要比窃听BB84协议获取的正确信息少。从而提高了量子密钥分配的安全性。
量子密码 量子密钥分配 多对量子态 BB84协议 quantum cryptography quantum key distribution multiple pairs of states BB84
