【摘 要】
：
视觉定位作为当前自主导航领域的核心技术,在空间定位感知方面有着巨大的研发与现实意义。视觉同时定位与地图构建（Visual Simultaneous Localization and Mapping,v SLAM）作为重要的视觉定位技术,在卫星信息资源不足、有源定位设备无法部署以及气候环境恶劣等复杂情形下保证有效的定位效果。传统的v SLAM需要复杂的相机标定过程,其定位效果严重依赖于前端VO对特征
论文部分内容阅读
视觉定位作为当前自主导航领域的核心技术,在空间定位感知方面有着巨大的研发与现实意义。视觉同时定位与地图构建（Visual Simultaneous Localization and Mapping,v SLAM）作为重要的视觉定位技术,在卫星信息资源不足、有源定位设备无法部署以及气候环境恶劣等复杂情形下保证有效的定位效果。传统的v SLAM需要复杂的相机标定过程,其定位效果严重依赖于前端VO对特征点的检测与跟踪的情况。除此之外,大多基于深度学习的视觉定位算法仅聚焦于图像帧间的运动估计,常常忽略了相机运动的一致性和连贯性。同时,基于深度学习的算法时常存在过拟合导致的泛化性差的问题。论文围绕视觉定位算法的定位精度、泛化性和计算速度等方面的内容展开研究,主要内容如下:1.论文设计了基于运动一致性的深度视觉里程计算法DCVO。算法采用深度学习方法对图像的光流信息与运动特征进行提取,通过构建运动一致性模块在自注意力机制的指导下对包含有运动一致性信息的关键特征进行筛选提纯,进而拟合出相机高精度位姿。相较于经典的基于深度学习的VO算法,该算法在位移和旋转方面的相对位姿定位精度分别提高了20.94%和34.50%,在测试集的新场景下算法泛化性较好。同时,在GPU上的计算效能达到22帧/秒。2.在视觉里程计DCVO的基础上,设计了视觉SLAM算法DCSLAM。通过闭环检测和后端优化模块实现全局范围内的位姿优化。闭环检测模块基于较粗颗粒度的块映射方法构建了基于深度特征的相似矩阵,进而得出闭环判断结果。后端优化模块在VO与闭环检测结果的基础上实现全局范围内的轨迹约束和位姿优化。相较于视觉里程计DCVO模型,该算法在三个测试序列上的绝对轨迹定位精度进一步提升了10.83%、29.63%和24.30%,并且在跨数据验证中保持良好的泛化性能。综上所述,论文采用递进式的研究方法逐步设计了高精度的视觉里程计DCVO和基于DCVO的视觉SLAM系统DCSLAM,对比论证了运动一致性约束在相机运动的局部与全局范围内的重要意义。论文在多个公开数据集上组织了大量评估实验,对所提模型的定位精度、泛化能力和计算速度等方面进行多角度分析。
其他文献
在我国经济快速发展的背景下,企业国际化成为了许多中国企业快速扩张的最佳选择之一。早期关于企业国际化的论文大量阐述了企业在国际化过程中可能获得的利益,然而在现实中对企业国际化的检验结果却喜忧参半。中国企业的国际化进入纵深阶段,企业是否能从宏观层面选择一种合适的国际化扩张战略变得尤为重要。与西方发达国家不同,我国企业的国际化进程“起步晚”且经验有限。在国家大力鼓励“走出去”的初期,受政策激励与补贴的影
随着经济快速发展,城市化进程不断加快,城市道路网络的规模也不断增大。与此同时,经济的发展伴随着居民车辆保有量的提高,这便使得交通拥堵问题成为了当今社会我们面临的一项巨大的挑战。路径规划技术是交通系统中调节车辆通行状况的主要手段。系统科学认为结构决定了功能,因此,充分认知道路网络的结构特征对于实行更加科学有效的路径规划有着重要的理论和现实意义。本文利用复杂网络理论对城市道路网络结构进行了多方面的研究
软土作为公路建设中经常出现的不良地质，其较小的抗变形能力及承载强度极易对公路行车稳定性造成一定威胁。分析软土路基的沉降，提出相应的处治措施，以确保公路使用耐久性。文章依托新疆某高速公路软土填方路基进行ANSYS有限元的变形分析，并且对软土路基经土工格栅+水泥搅拌桩复合加固处理后的变形效果进行评估。结果表明，加固后的软土路基顶部、底部的竖向与水平向变形得到了明显限制；15年工后沉降最大值4.8 cm
近年来,数字信息通信相关技术不断发展,数字图像的存储与传输已然成为常态,其安全问题成为关注重点。图像具备数据信息量大、图像相关性强等特点,使得文本加密方法用于图像加密后安全性和效率得不到保障。研究者就需要根据图像特性构建具有针对性的加密算法。进化算法具有良好的鲁棒性和优化特性,用于图像加密能够进化得到高安全性能的加密图像或者最佳的密钥。细胞自动机拥有丰富的运算规则和复杂的非线性动力学特征而被广泛应
在世界分工加深的大背景下,一国的制造业发展水平决定了其在全球分工中的地位,技术能力差异正是造成各国间在世界价值链中地位差异的主要决定因素。所以,我国制造业亟需进行适宜的技术创新路径选择,通过合理分配有限的技术创新资源,最大程度地促进我国制造业的创新发展,提升科技创新能力,进而实现我国制造业由高速发展阶段走向高质量发展阶段。本文基于国际贸易和新型国际分工的背景,深入研究为实现制造业高质量发展所适宜的
神经网络是人工智能机器学习领域的一个重要分支。神经网络通过学习获得“经验”,能够解决并简化很多带有复杂计算的问题,例如图像识别、自然语言处理、机器翻译等问题。在通信领域同样有很多带有复杂计算的问题,或者希望能够简化复杂计算的问题,例如调制方式识别、信道编译码等问题。因此本文旨在研究神经网络与通信系统结合,利用神经网络去解决通信中的问题。本文所涉及的主要研究内容分为三个部分,分别是基于神经网络的调制
产业结构可以用来衡量一个国家和地区的经济发展水平。因此,许多国家和地区都纷纷对自身的产业结构进行调整,把促进产业结构的升级作为目标。从总体上来看,我国经济发展的趋势良好,但仍然存在着困难,例如如何加快产业结构升级从而促进我国经济进一步发展。当前,我国不断扩大对外开放的程度,对外直接投资对我国的经济社会以及各方面的发展作用日益突出,对外直接投资可以通过引进先进的技术和人才,传统产业转移,化解过剩产能
随着无线通信技术的快速发展,移动通信用户的急剧增长,频谱资源日益紧张,具有自动方向追踪能力的低成本、高增益、紧凑型的天线系统备受关注。同时为了保证天线系统在多种场景下的高适用性,如增大系统雷达散射截面（RCS）的目标探测技术、降低系统RCS的隐身技术等,基于方向回溯天线实现系统的RCS参数可调也成为了研究的重点。针对传统的方向回溯系统包括角反射器无法调制后向散射信号、Van Atta阵天线效率太低
随着社会的不断发展,土木、机械和航空航天领域的各种大型工程结构已经无处不在,为了确保这些结构和材料的完整性,越来越多的结构健康监测（Structural Health Monitoring,SHM）方面的需求被提出,以保障安全并减少维护成本和时间。超声导波（特别是Lamb波）检测技术作为应用最为广泛的SHM方法之一,其中超声导波传感器是信号探测的关键器件,超声导波检测的常用传感器包括压电式、电磁式
随着人工智能技术的飞速发展,基于深度学习算法的卷积神经网络CNN（Convolutional Neural Network,CNN）已经广泛应用于图像检测、识别和分类等任务。任务需要部署并执行高参数量、高计算量的卷积神经网络,但是传统的硬件无法满足神经网络计算时低功耗与高能效的需求,而基于专用集成电路ASIC（Application Specific Integrated Circuit,ASIC