基于循环卷积神经网络的单目视觉里程计

提出了一种基于卷积长短期记忆(LSTM)网络和卷积神经网络(CNN)的单目视觉里程计方法,命名为LSTMVO(LSTM visual odometry).LSTMVO采用无监督的端到端深度学习框架,对单目相机的6-DoF位姿以及场景深度进行同步估计.整个网络框架包含位姿估计网络以及深度估计网络,其中位姿估计网络是以端到端方式实现单目位姿估计的深度循环卷积神经网络(RCNN),由基于卷积神经网络的特征提取和基于循环神经网络(RNN)的时序建模组成,深度估计网络主要基于编码器和解码器架构生成稠密的深度图.同时本文还提出了一种新的损失函数进行网络训练,该损失函数由图像序列之间的时序损失、深度平滑度损失和前后一致性损失组成.基于KITTI数据集的实验结果表明,通过在原始单目RGB图像上进行训练,LSTMVO在位姿估计精度以及深度估计精度方面优于现有的主流单目视觉里程计方法,验证了本文提出的深度学习框架的有效性.     

基于单目相机的视觉重定位方法综述

综述了单目相机重定位的研究现状和最新进展,介绍了该领域的关键方法.不同于现有对重定位方法进行纵向分类的方式,本文提出了一种从场景模型构建、环境信息匹配、相机位姿解算3个方面进行展开的直观、统一的横向视觉定位结构体系,在该体系中基于深度学习以及基于几何结构的视觉重定位方法首次被统一地对比阐述.基于深入的性能分析讨论和可视化结果,指出了目前该领域导致性能瓶颈的因素和仍然存在的挑战,并对当前性能优越的相机位姿估计方法进行了分析和总结.最后展望了未来相机重定位估计方法的发展动向.     

汽车运动控制三维虚拟实验系统研究

为实现汽车运动性能优化,从汽车动力学角度出发,对汽车动力传动模型进行简化和分析,建立了汽车起步,换挡和制动过程的数学模型,并利用虚拟现实仿真软件,建立了汽车运动速度控制三维虚拟实验系统.系统首先建立了虚拟三维驾驶场景和汽车几何模型.然后通过控制罗技方向盘G27的离合器踏板、制动踏板、加速踏板和换挡操纵手柄作为系统输入,得到车辆不同条件下的运动状态.最后在虚拟环境中驱动汽车按照建立的数学模型运动,实现了汽车运动性能优化.     

长江经济带工业绿色水资源效率评价及影响机制

提高绿色水资源效率既是长江经济带水生态文明建设的关键内容，也是促进整个区域高质量发展的重要着力点。遵循绿色生态理念，引入考虑非期望产出的超效率SBM模型与地理加权回归模型，在综合评估2005～2019年长江经济带工业绿色水资源利用效率多维变化特点的基础上，进一步审视其时空分异特征及驱动机制，并根据各影响因素给出针对性建议。结果表明：考察期内长江经济带工业绿色水资源利用效率整体上“稳中提质”,但省际差异显著，同时长期来看尚具有一定趋同效应，并且会以3%的收敛速率达到区域平衡；区域内工业绿色水资源效率的宏观空间分布状态表现为下游>上游>中游，南北方向效率梯度差缩小显著，效率领先区对其他地区的辐射效应较为薄弱；区域内工业绿色水资源利用效率存在显著空间异质性影响机制特征，其中，工业化水平的驱动效果最强，但难以达到区域内的多数省市正向驱动，城市运转水平平均正向驱动覆盖面最广，人口素质水平驱动节水减排技术转化能力较为薄弱。研究成果可为提高长江经济带工业绿色水资源效率、实现区域水资源协同治理提供理论依据。