检索结果-南通市图书馆

检索条件"主题词=视觉闭环检测"

共 2 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于时空切片的视觉闭环检测方法研究

基于时空切片的视觉闭环检测方法研究

引用

作者：李阳河南理工大学

学位级别：硕士

随着移动机器人探索规模的扩大,机器人在大规模环境下同时定位与建图(Simultaneous Localization and Mapping-SLAM)的鲁棒性显得尤为重要,而可靠的闭环检测是构建鲁棒性SLAM的关键技术。闭环检测是机器人判断当前位置是否位于之前已经... 详细信息

随着移动机器人探索规模的扩大,机器人在大规模环境下同时定位与建图(Simultaneous Localization and Mapping-SLAM)的鲁棒性显得尤为重要,而可靠的闭环检测是构建鲁棒性SLAM的关键技术。闭环检测是机器人判断当前位置是否位于之前已经访问过的环境区域,并以此作为地图是否需要更新校正的依据,因此对减少机器人位姿和地图状态变量的不确定性至关重要。由于移动机器人在视觉信息的获取、描述、匹配等关键环节中的模型存在固有缺陷和难以避免的计算误差,无法准确提取闭环响应,因此移动机器人在大规模非结构化环境中的视觉闭环检测是一个很有意义的研究课题。基于此,本文从视觉场景中关键帧提取和闭环信息的检测入手,通过解决闭环检测中数据冗余和计算复杂问题,提高闭环检测的效率和准确率。主要工作如下:首先,对Kinect进行标定与配准,以校正图象畸变并对齐彩色与深度图。其次,为了能有效提取视觉场景采样中的关键帧,引入时空切片技术来分析图像特性,利用时空切片的斜率表征运动的状态。在此基础上,利用最近邻像素匹配法,确定能够准确描述机器人运动状态的关键帧。实验结果显示,该关键帧选取算法无论在计算精度上还是在处理速度上,都具有良好的特性。再次,针对闭环检测计算量大、容易引起感知歧义的问题,提出最短路径时空切片算法。利用Dijkstra最短路径剔除距离当前帧较远的历史帧,解决时空切片引起的视觉混淆问题,再利用时空切片选取带有正确闭环信息的历史帧。为了增加闭环约束,利用Dijkstra最短路径二次选取闭环帧。实验验证了算法的可行性。最后,提出基于轮廓提取的最短路径时空切片算法,以解决因场景过于单一而导致的时空切片选取闭环失效的问题。针对彩色图像提取场景信息会受到光照、颜色信息的干扰等多方面影响的问题,提出对Kinect的深度信息进行处理。先对深度图滤波,以填补空洞,再对图像进行二值化,利用连通区域标记法寻找场景中轮廓最明显的区域,时空切片提取此区域的切片像素,以避免提取到色调过于单一的区域。实验通过与RGBDSLAM对比显示算法的优越性。本文通过对视觉闭环检测过程中关键帧提取和闭环信息的检测进行研究,提高了闭环检测的效率和计算精度,对于提高机器人导航的准确性和可靠性有一定的参考价值和工程意义。

关键词：视觉闭环检测关键帧时空切片 Dijkstra算法 Kinect

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的视觉地点识别技术研究

基于深度学习的视觉地点识别技术研究

引用

作者：蔡溯东国防科技大学

学位级别：硕士

当前,视觉地点识别在多种新兴科技领域中拥有重要的应用前景和科研价值,并成为模式识别中的热点话题。对于视觉地点识别而言,提升性能的一个关键问题是设计分辨能力更强同时对各种视觉变换更鲁棒的图像特征表示方法,然而囿于地点的复杂... 详细信息

当前,视觉地点识别在多种新兴科技领域中拥有重要的应用前景和科研价值,并成为模式识别中的热点话题。对于视觉地点识别而言,提升性能的一个关键问题是设计分辨能力更强同时对各种视觉变换更鲁棒的图像特征表示方法,然而囿于地点的复杂性和多样性以及其面向的繁多的应用背景,现存的方法并不能完全满足当下的现实需求,还亟待进一步的研究和探索。本文基于深度学习方法对两种视觉地点识别中的难点问题展开了探讨和研究,主要完成的工作如下:在广泛阅读了国内外视觉地点识别及相关领域文献的基础上,对本文关注的两种视觉地点识别任务——视觉闭环检测、跨视角（Cross-View）图像地点识别系统中的现有方法进行了综述,并探讨和总结了现有方法取得的重要成果以及有待进一步探究的方向,为提出本文中的创新性方法奠定基础。针对视觉闭环检测任务,本文提出一种基于Squeeze-and-Excitation增强结构与并行多路径汇聚补偿策略的CNN模型（Hybrid-CNN）用于获取改进的CNN特征图;同时设计了一种基于沿通道降采样和非重叠池化的CNN特征图降维策略以加速特征相似度比对。利用经典的残差网络作为基模型,对“瓶颈”残差构建块应用上述两种增强策略进行针对性改造,得到Hybrid-CNN模型。对模型提取的CNN特征图应用所设计的方法进行降维,并利用降维后的特征进行闭环检测。通过在主流的公开数据集上进行测试,与现有的多种闭环检测方法进行比较验证了方法的准确率,并说明了降维后的特征能够在准确率无明显损失的情况下显著提升方法的效率。针对跨视角图像地点识别任务,本文提出一种基于Siam-FCAMNet特征提取模型与样本赋权Triplet损失的方法。首先考虑了关注机制对CNN特征的分辨力补偿作用,提出一种基于特征通道与空间信息上下文关注机制的轻量级关注模块（Mul-FCAM）对基模型ResNet进行改造,得到ResFCAMNet模型。利用两个参数不共享的ResFCAMNet分别作为地面视角图像、航拍图像的特征提取器,组成孪生结构的CNN模型,并融入一种可学习方向回归分支构建出Siam-FCAMNet模型,用以生成最终应用于该任务的增强后的CNN特征。同时,本文提出一种基于样本赋权实现在线困难数据挖掘的三元组（Triplet）损失函数,旨在“强调”有效困难样本对模型训练的积极作用,并抑制简单样本在参数更新时对有效困难数据的“稀释效应”,以进一步改善特征的分辨力。启发于FaceNet中的Semi-Hard策略,设计了一种添加距离修正因子的Logistic回归用以获得三元组样本的匹配概率,并根据匹配概率计算样本对应的自信息量作为权重。同时为了限制极端困难样本和简单样本对网络参数更新的影响,设计了一种上下限截止策略对权值进行调整,得到最终分配给各三元组样本的权值。通过在现有的主流数据集上进行测试并与当前取得先进水平的（State-of-The-Art）方法进行比较,结果显示本文方法实现了突出的性能,相较于现有方法有显著提升,达到当下先进水平。

关键词：视觉地点识别深度学习卷积神经网络跨视角图像地点识别视觉闭环检测关注力模块困难数据挖掘

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：