【摘 要】
：
物体位姿估计是机器人在散乱环境中实现三维物体拾取的关键技术,然而目前多数用于物体位姿估计的深度学习方法严重依赖场景的RGB信息,从而限制了其应用范围。提出基于深度学习的六维位姿估计方法,在物理仿真环境下生成针对工业零件的数据集,将三维点云映射到二维平面生成深度特征图和法线特征图,并使用特征融合网络对散乱场景中的工业零件进行六维位姿估计。在仿真数据集和真实数据集上的实验结果表明,该方法相比传统点云位
【基金项目】
：
国家自然科学基金(51775344)。
论文部分内容阅读
物体位姿估计是机器人在散乱环境中实现三维物体拾取的关键技术,然而目前多数用于物体位姿估计的深度学习方法严重依赖场景的RGB信息,从而限制了其应用范围。提出基于深度学习的六维位姿估计方法,在物理仿真环境下生成针对工业零件的数据集,将三维点云映射到二维平面生成深度特征图和法线特征图,并使用特征融合网络对散乱场景中的工业零件进行六维位姿估计。在仿真数据集和真实数据集上的实验结果表明,该方法相比传统点云位姿估计方法准确率更高、计算时间更短,且对于疏密程度不一致的点云以及噪声均具有更强的鲁棒性。
其他文献
针对高铁环境中包含多个主用户的主服务和多个次用户的频谱分配问题,提出一种认知博弈频谱共享算法。引入次用户优先级和用户传输业务等级,满足不同优先级用户的不同业务频谱使用需求,并根据主基站和次用户的距离变化更新主服务向次用户提出的价格函数,获得静态博弈下的纳什均衡解,同时分析不完全信息和完全信息的动态博弈,确定不完全信息动态博弈的稳定区间。分别对静态博弈和动态博弈进行仿真,结果表明,在该算法下,当次用户优先级相同时,不同业务等级租借不同的带宽,业务等级越高,租借的带宽也越多,随着距离的变化,较高的业务等级频谱
现有用于软体驱动器角度测量的接触式传感器主要包括惯性传感器与曲率传感器,但惯性传感器的测量精度易受软体驱动器内嵌气道膨胀的影响,曲率传感器测量则存在迟滞和漂移等问题。为进一步提高接触式传感器测量软体驱动器角度的准确性,结合模糊推理与卡尔曼滤波结合的算法实现惯性传感器和曲率传感器数据融合。基于BP神经网络和长短时记忆网络分别融合曲率传感器和惯性传感器,减少接触式传感器测量软体驱动器角度时迟滞和气道膨
安全代理被越来越多的互联网用户用于规避网络审查和访问受限资源,因此安全代理流量的分类对于网络安全和网络管理具有重要意义。为弥补深度包检测技术在过滤和识别不良信息上的不足,提高防火墙流量探测能力,提出一种安全代理流量分类方法。提取用于安全代理流量分类的侧信道特征,包括有效载荷长度序列、信号序列等,使用机器学习和深度学习算法对Shadowsocks、V2Ray、Freegate、Ultrasurf 4种被广泛使用的安全代理流量进行识别。实验结果表明,通过提取与有效载荷内容无关的侧信道特征进行分类,与MLP、L
为在人体姿态估计过程中有效获取多尺度特征和关键点坐标,建立一种基于改进特征金字塔网络(IPFN)的人体姿态跟踪模型。在原特征金字塔上采用新的检测器扩大感受野得到新特征金字塔,通过引入多尺度卷积生成高斯热点图,同时搜索和定位关键点,使坐标转换层将高斯热点图转为坐标,实现端到端训练过程。实验结果表明,相比FPN,IPFN模型在MPII数据集的PCKh和COCO数据集的AP上分别提高了2.05和3.20
在不完全连续干扰消除(SIC)条件下,对认知无线电-非正交多址混合系统中的次用户总传输速率进行研究,提出一种基于参数变换和KKT条件的功率分配算法。采用非正交多址方式使次用户接入授权信道,在主次用户服务质量、最大发射功率等约束条件下,通过参数变换对原约束条件进行改写设计新的优化问题,并利用KKT条件求解最优功率分配因子进而实现系统中次用户总传输速率的最大化。仿真结果表明,与CNPA算法和等功率分配算法相比,该算法可明显提高系统中次用户的总传输速率,并且对于不完全SIC具有更强的承受能力。
文章对新标准GB/T14272—2021《羽绒服装》中羽绒服装理化性能的变更进行解析,为面料供应商提供参考性建议及注意事项。
随着互联网上多媒体数据的爆炸式增长,单一模态的检索已经无法满足用户需求,跨模态检索应运而生。跨模态检索旨在以一种模态的数据去检索另一种模态的相关数据,其核心任务是数据特征提取和不同模态间数据的相关性度量。文中梳理了跨模态检索领域近期的研究进展,从传统方法、深度学习方法、手工特征的哈希编码方法以及深度学习的哈希编码方法等角度归纳论述了跨模态检索领域的研究成果。在此基础上,对比分析了各类算法在跨模态检索常用标准数据集上的性能。最后,分析了跨模态检索研究存在的问题,并对该领域未来发展趋势以及应用进行了展望。
随着人工智能时代的到来,各行各业均开始结合自身业务需要部署人工智能系统,这全面加速了全球范围内人工智能规模化部署和应用进程。然而,人工智能基础设施、设计研发以及融合应用过程中面临的安全风险也随之而来。为了充分规避风险,世界各国纷纷采取制定人工智能伦理准则、完善法律法规和行业管理等方式来进行人工智能安全治理。在人工智能安全治理中,人工智能安全技术体系具有重要指导意义。具体而言,人工智能安全技术体系是人工智能安全治理的重要组成部分,是落实人工智能伦理规范和法律监管要求的重要支撑,更是人工智能产业健康有序发展的
传统的对比序列模式挖掘算法存在一定数量的假阳性对比序列模式,其提供的错误信息会干扰后续任务的决策。设计一种IEP-DSP算法过滤假阳性对比序列模式。运用spade方法和WRAcc对比性度量找到候选对比序列模式和所有置换数据集合中的对比序列模式,通过模拟置换过程,使用独立精确置换检验方法为不同长度的模式建立独立精确零分布,并计算每个候选对比序列模式的精确p-value,运用错误发现率度量将各个长度的假阳性对比序列模式数量控制在置信度为α的统计显著水平下。在真实数据集和仿真数据集上的实验结果表明,IEP-DS
为实现对工作面煤与瓦斯突出快速、准确和动态的预测,提出一种基于主成分分析和权重贝叶斯的工作面煤与瓦斯突出预测方法,通过建立工作面煤与瓦斯突出预测的权重贝叶斯模型进行突出危险性等级预测。利用主成分分析确定预测模型中分类变量权重以提高预测准确性。在此基础上,设计基于相似度的训练样本数据更新方式实现对突出预测模型的有效重构。实验结果表明,与朴素贝叶斯模型和权重贝叶斯模型相比,基于主成分分析和权重贝叶斯工作面煤与瓦斯突出预测方法能快速获得高准确度的突出预测结果,为现场指导矿井工作面安全生产提供参考。