大规模环境下基于图优化SLAM的后端优化方法

在总结图优化同步定位和建图(SLAM)的前端图构建方法的基础上,对现有的后端图优化方法进行分析,介绍了最小二乘法、随机梯度下降法、松弛法、流形优化及其相关文献.讨论基于χ2误差和基于均方差的地图创建的评价方法,对图优化方法的发展趋势进行了展望.     

基于前后端图优化的RGB-D三维SLAM

针对传统滤波方法在解决移动机器人同时定位与地图构建(SLAM)中存在的累积误差问题,将图优化方法应用于前端和后端优化中,以提高移动机器人位姿估计和建图的准确性。运用ORB算法进行图像的特征提取与匹配,将图优化的方法应用到PnP问题的求解中,实现了机器人位姿的准确估计。基于词典(Bag of words)的闭环检测算法来进行闭环检测,得到存在的大回环,同时利用相邻几帧的匹配关系实时检测邻近几帧之间可能存在的局部回环。用图优化的方法对这些回环进行优化,得到准确的运动轨迹和点云地图。实验结果表明:基于前后端图优化的RGB-D三维SLAM算法,在室内环境下具有良好的精度和实时性。     

双目相机和激光雷达的融合SLAM研究

针对基于图优化的激光SLAM算法在高相似度的场景中闭环检测出错的问题,提出使用双目相机进行闭环检测的方法. 使用加入旋转不变性的FAST特征点和BRIEF描述子进行双目深度估计; 引入局部地图的概念,使用单帧激光雷达数据与局部地图进行匹配,提高SLAM前端的精度. 使用基于词袋(bag of words,BOW)模型的k叉树字典评估图片相似度从而完成闭环检测,最后构建全局优化问题并求解. 与主流开源激光雷达SLAM算法的对比实验表明,研究内容改善了只使用激光雷达数据进行闭环检测的方法在相似度较高场景下失效     

基于非结构化月面复杂环境下SLAM技术研究进展

综述了非结构化月面复杂环境下同时定位与地图构建(SLAM)领域的最新研究进展,重点介绍和总结了视觉SLAM的特征提取方式,以及基于EKF、PF滤波器的SLAM方法和基于图优化的3种主流SLAM方法,并对SLAM技术面临的挑战做了深入的研究,最后对未来发展方向进行了展望.研究表明:在非结构化复杂环境下多传感器融合SLAM、多机器人协作SLAM、主动SLAM及结合人工智能技术等前沿性课题已取得一定的研究成果,但在完善方法模型、相关分支问题研究及语义地图创建等方面仍待突破,应作为下一步的重点研究方向.     

基于能量图匹配的步态识别方法研究

步态识别是一种新兴的生物特征识别技术,它依赖于图像处理和模式识别技术.本文针对步态识别目的,运用基于能量图的方法识别步态目标.首先对静态背景下的序列图像进行背景建模,根据建模结果提取出各帧图像中的目标.二值分割之后,运用形态学滤波器处理目标,得到无噪声的完整目标,经平均化计算得到能量图.讨论了相似性计算方法,运用模板匹配法进行最终的目标识别.运用步态数据库中的图像进行实验,结果证明了方法的有效性.     

两通道正交图滤波器组设计新算法

针对两通道正交图滤波器组频率特性差的问题,提出了一种基于二阶泰勒近似的迭代算法．首先,该算法将两通道正交图滤波器组的设计问题归结为一个带约束优化问题．将图滤波器组的重构误差作为目标函数, 滤波器的阻带衰减作为约束函数;然后,通过泰勒近似将高度非线性非凸的目标函数转化为关于增量的凸的二次函数,将非凸优化问题近似为凸的优化问题;最后,采用迭代方法求解该优化问题．仿真结果表明,与伯恩斯坦多项式逼近的算法相比,新算法设计的两通道正交图滤波器组重构误差减小了约1个数量级,信噪比提高了约8dB．     

基于UML活动图的动态工作流过程建模的研究

在形式语义的支持下,提出了一种适合动态工作流过程建模的方法.该方法在扩展UML活动图的基础上给出了一种建模机制,利用扩展的UML活动图来对动态工作流的过程进行建模.最后,将该方法用于一个汽车企业产品研发的过程建模实例,且建模结果证明该方法是适合的.说明了基于扩展的UML活动图的工作流过程建模方法对动态工作流过程建模的有效性.     

基于凸优化及其求解软件的最低旁瓣方向图综合算法

针对任意阵列天线的方向图综合问题,提出了基于凸优化及其求解软件的方向图综合方法。其中针对最低旁瓣方向图综合问题的特殊性,利用了凸优化的优良数值求解特性,以及最新的凸优化求解软件cvx对任意阵列天线的最低旁瓣方向图综合算法进行了有效的建模和求解,获得了满足给定要求的综合方向图。并通过详细的仿真分析验证了所提方法的正确性和有效性,而且优于当前提出的迭代算法。     

大规模环境下基于激光雷达的机器人SLAM算法

为解决大规模环境下机器人的同时定位和地图构建(SLAM)问题,提出一种基于Rao Blackwellised粒子滤波器的SLAM算法. 通过选取稳定且易于区别的特征点,发展了一种基于全局约束的数据关联方法,有效地减少了误匹配的概率;采用改进的粒子分布预测函数,提高了粒子滤波器的性能.实验结果表明,该算法具有较低的计算复杂度,精度也比较高,能够有效地解决大规模环境下的机器人SLAM问题.     

基于语义连通图的场景图生成算法

提出了基于语义连通图的场景图生成算法. 将关系检测过程分为关系建议和关系推理两步; 以目标检测算法得到的候选对象为节点集合,构建一个全连接图; 使用物体的类别信息和相对空间关系计算物体之间存在关系的概率; 通过设置阈值来删除图中的无效连接,得到稀疏的语义连通图; 使用图神经网络聚合物体节点的特征进行聚合,融合上下文信息. 根据语义连通图的连接关系,结合更新后的主语和宾语特征以及两个物体联合区域的特征,构建关系特征,预测图中的每条边对应的关系类别.     

融合双重闭环检测算法的ICP-SLAM修正策略

随着自动驾驶和人工智能的快速发展,SLAM作为其核心技术的研究日益深入.然而对SLAM日益深入的研究并没让其在生活和生产中被广泛使用.目前,阻碍SLAM发展的主要原因是其所涉及的算法和传感器都存在误差.这种误差随时间和空间累积直接导致创建的地图变形,甚至是创建地图失败,严重限制了SLAM的实际应用.本文针对这种累积误差导致地图变形的缺陷进行研究,使用激光雷达作为传感器,采用目前流行的ICP-SLAM算法,结合视觉SLAM中处理累积误差的闭环检测技术,提出融合双重闭环检测算法的ICP-SLAM修正策略对ICP-SLAM累积误差造成的地图变形进行修正.该策略首先对激光雷达采集的点云数据进行特征提取匹配,然后分析ICP对准产生的变换矩阵以确定闭环检测,最后采用均值分配方法修正地图变形.实验验证表明:该策略中的闭环检测准确率高于常规闭环检测方法,和深度神经网络的闭环检测相比有13.33%提升;同时该策略在闭环检测过程中可以计算出导致地图变形的累积误差;并且在旋转方向上变形度修正效果显著,可以提升54.61%.     

Semi-Direct Visual Odometry and Mapping System with RGB-D Camera

In this paper a semi-direct visual odometry and mapping system is proposed with a RGB-D camera, which combines the merits of both feature based and direct based methods. The presented system directly estimates the camera motion of two consecutive RGB-D frames by minimizing the photometric error. To permit outliers and noise, a robust sensor model built upon the t-distribution and an error function mixing depth and photometric errors are used to enhance the accuracy and robustness. Local graph optimization based on key frames is used to reduce the accumulative error and refine the local map. The loop closure detection method, which combines the appearance similarity method and spatial location constraints method, increases the speed of detection. Experimental results demonstrate that the proposed approach achieves higher accuracy on the motion estimation and environment reconstruction compared to the other state-of-the-art methods. Moreover, the proposed approach works in real-time on a laptop without a GPU, which makes it attractive for robots equipped with limited computational resources.     

Simultaneous Localization and Mapping System Based on Labels

In this paper a label-based simultaneous localization and mapping (SLAM) system is proposed to provide localization to indoor autonomous robots.In the system quick response(QR) codes encoded with serial numbers are utilized as labels.These labels are captured by two webcams,then the distances and angles between the labels and webcams are computed.Motion estimated from the two rear wheel encoders is adjusted by observing QR codes.Our system uses the extended Kalman filter (EKF) for the back-end state estimation.The number of deployed labels controls the state estimation dimension.The label-based EKF-SLAM system eliminates complicated processes,such as data association and loop closure detection in traditional feature-based visual SLAM systems.Our experiments include software-simulation and robot-platform test in a real environment.Results demonstrate that the system has the capability of correcting accumulated errors of dead reckoning and therefore has the advantage of superior precision.     

结合多重注意力机制的V-SLAM闭环检测特征匹配算法

为了在复杂环境下对V-SLAM闭环检测的准确率-召回率有更好的鲁棒性,提出一种在图神经网络中结合多重注意力机制的局部特征匹配算法,并在闭环检测上进行应用。首先,采用SuperPoint检测器获取图像序列中的关键点,再将提取出来的特征点输入关键点编码器内,通过多层感知器将其升维到与局部描述子维度一样;然后,同时经过多重注意力机制网络中重复9次,得到更具有代表信息的局部描述子;其次,在最优匹配层中采用SinkHorn算法求解出最优匹配矩阵,通过对阈值的合理设定,得到闭环检测结果;最后,在New College和City Centre两个公共数据集上与5种其他闭环检测基准算法进行实验,结果表明该算法在召回率一定的情况下,其准确率比其他实验算法的要高,有更强的鲁棒性,满足闭环检测要求。     

基于卷积神经网络的视觉闭环检测研究

闭环检测是视觉SLAM中很重要的一部分,成功地检测出闭环能减小定位算法所产生的累积里程漂移.鉴于深度卷积神经网络在分类问题上的优越表现,本文首次将应用于图像分类的vgg16-places365卷积神经网络模型应用于视觉SLAM闭环检测中,将配准数据输入训练好的该卷积神经网络,其各个隐藏层的输出对应于图像特征表示.然后通过实验比较选用匹配精度较高的中间层完成场景特征提取,通过计算场景特征的相似性得到闭环区域.最后在闭环检测数据集上进行实验测试.测试结果表明,相比于传统的闭环检测方法,vgg16-places365卷积神经网络模型在相同召回率条件下准确率要高约3%;对于特征提取时间,在CPU上要快约5~10倍,而在GPU上更是比传统人工设计特征的闭环检测快近100倍.     

用直观直树图建立CACA方程

简单介绍了电路机辅分析（CACA）中常用于分析线性电路稳态响应的节点分析法;提出公共支路难以由计算机指令逻辑判定是回路法和割集法用于电路机辅分析的症结问题;进一步提出直树和直观直树图的观点并介绍了以直观直树图为基础,进行电路机辅分析的一种新方法,直接顺路法。     

基于语义感知图神经网络的智能合约字节码漏洞检测方法

针对传统智能合约漏洞检测方法检测精度较低、误报率较高,以及基于神经网络的方法对字节码级智能合约特征挖掘不足的问题,提出了一种基于语义感知图神经网络的智能合约字节码漏洞检测方法.首先,以智能合约字节码划分基本块作为节点,并从字节码中提取基本块间的调用关系作为边,以此生成控制流图(control flow graph,CF...     

基于基环平差流量调节的锅炉水动力计算方法

鉴于采用经典的图解法在求解复杂结构锅炉的水动力特性时存在诸多的局限性,提出了一种通用的基于基环平差流量调节的锅炉水动力计算方法.算法建立了由“节点”和“阻力区段”组成的“有向流程图”所表示的计算模型,并依据流量守恒和阻力平衡的基本原理给出了节点的流量连续性方程和基环上的阻力闭合差平衡方程,进而分“粗调”和“细调”2个阶段,采用不同流量调节策略逐步缩小基本环路上的闭合压差来完成对方程的迭代求解.算法与锅炉的具体流程拓扑结构无关,能够适用于任意结构锅炉的水动力计算.实际应用表明,该算法具有优良的通用性,能够显著提高锅炉水动力计算的精度和效率.     

基于图卷积网络的归纳式微博谣言检测新方法

为了解决传统图卷积神经网络在进行谣言检测时面临的未充分考虑单词语义信息以及池化方法选择困难的问题,提出基于图卷积网络(GCN)的归纳式微博谣言检测新方法. 考虑单词之间的语义关系,结合传统词共现建图方法提出基于词语义相关性的微博事件建图方法,并结合图卷积网络和门循环单元(GRU)实现节点信息聚合;为了有效融合不同节点状态的特征信息,提出基于注意力机制的多池化方法融合策略融合最大池、平均池和全局池以获取最终的图级向量;为了提高微博谣言检测效率,探究微博评论时间对检测结果的影响,获得用于模型训练的最佳评论利用时间阈值. 实验结果表明,本研究方法在给定数据集上的表现普遍优于Text-CNN、Bi-GCN、TextING等典型方法,验证了其在微博谣言检测领域的有效性.