【摘 要】
:
稠密高程地图构建对于移动机器人星面探测、野外搜索等任务应用有着重要的作用,但是稠密地图构建存在数据量大、计算量大的难点,这对大范围地图存储和实时地图更新带来了巨大的挑战。本文基于2.5D稠密高程地图表示形式,提出了带有可行域信息的局部稠密高程地图快速构建系统、满足回航需求的可扩展全局一致的全局稠密高程地图在线构建系统和利用稠密高程地图的地点重识别融合网络。主要研究成果如下:1.设计了一种带有可行域
论文部分内容阅读
稠密高程地图构建对于移动机器人星面探测、野外搜索等任务应用有着重要的作用,但是稠密地图构建存在数据量大、计算量大的难点,这对大范围地图存储和实时地图更新带来了巨大的挑战。本文基于2.5D稠密高程地图表示形式,提出了带有可行域信息的局部稠密高程地图快速构建系统、满足回航需求的可扩展全局一致的全局稠密高程地图在线构建系统和利用稠密高程地图的地点重识别融合网络。主要研究成果如下:1.设计了一种带有可行域信息的局部稠密高程地图快速构建系统。本文使用2.5D高程地图作为构建地图的表示形式,构建的局部地图根据传感器获取的观测数据和机器人的位姿进行观测更新和移动更新,并引入了可行域评估模块以满足移动机器人避障的需求。针对移动机器人计算资源受限而稠密高程地图构建存在数据处理量大、计算步骤多的难点,本文设计了基于GPU并行计算的建图架构。和原始的建图方法相比,使用加速策略的局部稠密高程地图构建提速10倍以上,在Tx2上运行频率达到7HZ。2.设计了一种大范围全局一致的全局稠密高程地图在线构建系统。该建图系统通过解耦局部建图线程和全局建图线程,可同时输出局部稠密高程地图和全局稠密高程地图。其中全局稠密高程地图以一系列子图的形式进行构建,并根据定位系统的闭环优化位姿进行相应的变形以实现全局一致性,同时建图系统通过地图维护机制保证了有界环境中地图存储不会无限制增加。在仿真数据集和公开数据集上,实验结果验证了本文构建的全局稠密高程地图的高精度、高效率、全局一致性和可扩展性。3.提出了一种利用稠密高程地图的多层级融合纹理特征和结构特征的地点重识别网络。本文主要构建了 一种用于地点重识别任务的融合视觉图像信息和高程地图信息的深度神经网络,它利用传感器的内外参数据,内在地将视觉图像特征图和高程图像特征图在鸟瞰视角下对齐,产生了一种合理可解释的带有几何结构信息的视觉特征表示。在Oxford数据集上,本文提出的网络获得最佳的召回率—88.93%。同时,该网络在跨城市场景数据集上也获得了最优的泛化测试实验结果。
其他文献
现代工业过程不断往更大规模、更高集成化发展,给PID控制回路性能的检测诊断领域带来了挑战,运行过程中时常会出现控制性能不良的问题。性能不良的控制回路若无法及时得到改善,将会增加原材料的消耗及能耗,影响工业产品的产量与品质,甚至对工业过程的安全运行造成影响。控制性能下降的一个重要表现是控制回路产生振荡行为。由于工业过程的耦合和集成,单个振荡可能会在整个系统内广泛地传播,增加了系统的不稳定风险,因此,
如何对公立医院采购业务进行内部审计监督,是实践中的一大重点难点课题。本文基于风险导向的理念,梳理公立医院采购业务流程,识别评估流程中的重要风险点,并针对风险点制定审计策略,以有效履行内部审计的监督职责。
无限带宽(InfiniBand)网络凭借高带宽、低延迟、易扩展的优势被广泛应用于数据密集型和计算密集型场景,加速了数据中心与高性能计算的发展。无限带宽网络集中式的管理架构要求高层管理软件实体通过特定的管理消息向网络节点传达管理指令。各网络节点通过管理代理这一底层软件实体响应网络管理行为,实现稳定、可控的网络环境。因此,本文基于CPU+FPGA组成的异构多处理器片上系统,提出了一种应用于嵌入式主机通
人体行为识别技术在智慧城市安防、视频检索、人机交互、无人便利超市等领域中有诸多应用,其重要性日益突出。如何有效地对视频序列信息进行时空建模是人体行为识别任务中的一个关键点。许多研究为了更好地对视频序列进行时空建模,采取三维卷积并结合光流等其他运动补充信息的方法,但忽略了所带来的网络难以优化、网络规模与计算量增加的问题。此外,在面临不同行为实例的持续时间长短不一的问题时,许多研究简单地堆叠局部感受野
信息技术的快速发展和广泛应用,为机关档案管理模式创新提供了重要支持,特别是机关数字档案室建设成为其重要目标和内容,但也对机关数字档案信息安全提出了严峻挑战。文章分析了机关数字档案管理的特点,针对机关数字档案室建设中的安全风险点,提出具体安全管理策略,为机关数字档案室信息安全体系建立提供参考。
车辆重识别技术是安防、监控视频分析与理解的基础技术,也是构建天网工程、平安城市的重要环节。根据训练数据是否含有人工手动标注的标签,可将车辆重识别问题分为全监督车辆重识别问题和无监督车辆重识别问题。全监督车辆重识别任务面临着近相似的问题,本文针对该问题,设计并实现了一种基于局部特征和属性信息的全监督车辆重识别方法。与此同时,无监督车辆重识别任务面临着数据集歧视和难以训练的问题,为了解决以上两项问题,
CT图像肺部气管和血管分割对于肺部疾病的诊疗具有重要的研究意义。传统的分割方法基于边界、区域或特定模型进行图像处理,针对肺部密布的血管丛或气管树分割任务,必须依赖大量的人机交互才能提升分割精度。为保障自动分割精度,并提升分割效率,近年来深度神经网络作为特征提取工具逐渐在肺部血管或气管自动分割中得到应用,但因其效果受标注数据质量和规模的严重影响,限制了此类方法的推广。为解决这一问题,本文提出一种基于