基于EM-ORB算法的移动机器人SLAM系统研究

针对Kinect相机存在的固有噪声,在机器人视觉定位与建图中提出一种改进ORB特征匹配算法结合改进环境测量模型的SLAM系统,该系统使用改进ORB算法提取图像的特征点,建立相邻帧之间特征点的对应关系,并对深度图进行滤波;使用ICP算法计算机器人运动,通过环境测量模型去除误匹配点,同时进行回环检测,最后使用g2o对位姿进行全局优化,建立环境点云图。通过实际环境与公开数据集的运行测试,结果表明,该V-SLAM能够准确地完成相机位姿的更新,并建立环境点云图。     

基于点云特征全局搜索的回环检测算法

针对纯激光SLAM算法定位漂移问题,提出一种基于点云特征描述子全局搜索的粗匹配回环检测算法。该算法首先采用基于图像距离的快速分割方法对激光点云进行地面点去除,基于点云曲率和关键点聚合算法实现了边缘特征提取和聚类,通过特征描述子生成算法得到当前帧点云的特征描述符,其次经过计算当前帧和历史帧的相似度评分完成全局匹配搜索实现对候选回环帧的选取,完成回环检测粗匹配过程;然后采用NICP算法进行当前帧与候选回环帧的精确匹配,从而完成回环检测过程;最后搭建了移动机器人实车平台,完成对校园数据集的采集,验证了本文算法的定位效果,通过对实车实验结果的分析可知,在实车采集的校园数据集上误差优化程度均值为13.15%,为了进一步验证本文算法的整体性能,在KITTI数据集进行测试对比,结果显示相比较Lego_loam和Lio-sam算法,本文所提算法在保证了运行效率的基础上,有效地改进了定位精度。     

基于运动矢量的改进视觉 SLAM 算法

针对移动机器人运行场景中出现运动物体时,视觉同时定位与地图构建( SLAM)算法位姿估计误差大且构建地图不一 致的问题,提出了一种基于特征点运动矢量的改进视觉 SLAM 算法。 首先,引入基于特征点运动矢量的运动点检测算法。 通过 结合初始相机位姿,计算图像特征点的运动矢量,并使用期望最大化方法求解运动矢量角度的高斯混合模型参数,通过结合前 一帧的运动点检测结果,从而区分当前图像中的运动特征点;其次,基于运动点检测结果,对当前帧相机位姿进行优化;再次,通 过设置图像预处理环节,剔除运动点占比较大和与前一帧相似性较高的图像,提高闭环检测算法的计算效率;最后,使用剔除动 态点后的图像特征点对场景进行描述,并改进单个节点处图像间相似性得分计算函数,经过闭环确认后,得到正确闭环。 数据 集实验表明,所提算法具有较高的位姿估计精度和较好的鲁棒性,同时能有效检测场景中闭环的存在,且建图效果较好。     

复杂环境下机器人多传感器融合定位方法

为了解决在斜坡、特征退化以及GNSS信号丢失等复杂环境下连续精确的定位问题,提出了基于地面约束的多传感器融合方案,用于提高SLAM算法的整体性能。首先提出了不同系统状态下的关键帧选取策略。通过在起始位置增加关键帧的数量,避免了因子图优化后产生的定位跳变,从而得到连续准确的位姿输出。同时,针对误差累积所导致回环检测失效,利用该关键帧策略,有效地增大当前帧的子关键帧集合,提高了回环检测算法的鲁棒性。其次,针对IMU在长时间运行后高度方向上漂移过大的问题,本文根据提取的地面点构建地面约束,并引入因子图中进行优化。最后,利用搭建的移动机器人实验平台,完成了校园不同场景的数据采集,验证本文算法的有效性,并在KITTI数据集与LIO-SAM算法进行了对比测试,通过误差分析表明本文算法具有更优的定位精度。     

基于优化视觉词典的震后高分遥感影像震害建筑物检测

在缺少震前参考信息前提下,提出了一种基于优化视觉词典的震后高分遥感影像震害建筑物检测方法。 首先通过 WJSEG(wavelet-JSEG)分割以及一组非建筑物筛选规则提取潜在建筑物集合;其次利用光谱、纹理及几何形态学特征构建了一 种震害视觉词典模型,跨越了从像素到震害特征间的“语义鸿沟”;在此基础上设计了一种基于类内和类间惩罚因子的视觉词 典优化策略,减少了信息冗余及证据冲突;最后通过随机森林分类器将建筑物进一步划分为完好建筑物、部分震害建筑物及废 墟。 在两组实验中,该方法的总体精度均达到 85%以上,从而可为震后应急响应救援及灾后重建提供关键的决策支持信息。     

基于语义的信息时序检测技术设计研究

针对信息的交互与获取正日益突破时间与空间的限制,提出了一种基于语义技术的语义域话题关联检测相关性判定模型,模型是基于文本理解和语义分析的判定方法,其核心思想是根据不同话题生成对应的语义结构体,使系统能够实现自动根据语义信息对话题进行相关性判定,仿真实验结果表明文本的误检率还是漏检率都得到了明显的降低,因此,结果证明基于语义的信息时序检测模型能够有效提高对报道中语义空间中主题相关性检测的能力,对于话题的时序检测后期的研究有积极的意义。     

基于运动轨迹的视频语义事件建模方法

人体行为分析是计算机视觉领域的重要课题之一.针对人体行为事件,提出了一种基于运动轨迹的视频语义事件建模方法.首先,采用改进的基于Surendra背景建模算法检测运动行人目标,然后利用Meanshift跟踪算法得到目标行人的运动轨迹路径,最后根据人体行走轨迹特征和所定义语义事件模型进行相关事件判断,并搭建平台实现视频语义事件自动监测.对监控视频公开数据集的实验测试表明,提出的方法可准确有效的识别常见的人体行为,为视频语义领域提供一种可靠、准确的技术方案.     

基于SLAM的机器人的导航算法设计

本文旨在得到更好的建图效果并运用于机器人导航中。在比较分析了Hector SLAM,Lago SLAM,Cartographer,GMapping等不同SLAM算法的优缺点之后,选择了拥有更好效果的蒙特卡洛自适应定位以及激光建图(GMapping)算法。且针对传统的GMapping算法无回环、精确度不高的问题,提出增加闭环检测环节。并且通过ROS操作系统实现此GMapping算法,此算法通过改变内部扫描配准的算法,来提高建图的精度。最后将改进算法以及机器人自主导航技术相结合,经过多次试验验证了这种改进算法的建图的准确性。     

工业金属板带材表面缺陷自动视觉检测研究进展

基于计算机视觉的金属板带材表面缺陷检测是冶金工业领域的研究热点,金属板带材制造行业对其表面质量的高标准要求自动化视觉检测系统及其算法性能不断提升。通过回顾关于钢板钢带、铝板铝带和铜板铜带等典型金属板带材产品的110余篇文献,对基于二维和三维机器视觉的表面检测技术进行了系统综述。根据算法性质和图像特征,将现有二维缺陷检测技术分为基于统计、谱、模型和机器学习的4类方法,根据三维数据获取方式,将三维缺陷检测技术分为立体视觉测量、激光扫描仪测量法和结构光测量方法。对经典算法和新近方法进行了介绍、分析和比较。最后,对缺陷视觉检测仍存在的挑战和未来研究趋势进行了讨论与展望。     

一种基于VINS的视觉里程计改进方法

同时定位与地图构建(SLAM)是当今机器人领域的主要研究课题之一。针对如何根据图像估计相机位姿问题,提出一种基于VINS的视觉里程计改进方法(ORLK-VINS)。首先,通过双目相机获取图像信息;其次,将图像信息进行直方图均衡化处理,使图像对比度和亮度得到改善;然后,对原图像特征提取算法进行改进,引入ORB算法中带有方向的FAST角点;最后再将提取的特征点进行正反向的LK光流跟踪匹配,保证匹配特征点的精确性。实验表明,经过改进后的视觉里程计相较于主流的VINS-Fusion算法,在某些场景下拥有更好的实时性和定位准确性。     

Visual polysemy and synonymy: toward near-duplicate image retrieval

Near-duplicate image retrieval aims to find all images that are duplicate or near duplicate to a query image. One of the most popular and practical methods in near-duplicate image retrieval is based on bag-of-words (BoW) model. However, the fundamental deficiency of current BoW method is the gap between visual word and image’s semantic meaning. Similar problem also plagues existing text retrieval. A prevalent method against such issue in text retrieval is to eliminate text synonymy and polysemy and therefore improve the whole performance. Our proposed approach borrows ideas from text retrieval and tries to overcome these deficiencies of BoW model by treating the semantic gap problem as visual synonymy and polysemy issues. We use visual synonymy in a very general sense to describe the fact that there are many different visual words referring to the same visual meaning. By visual polysemy, we refer to the general fact that most visual words have more than one distinct meaning. To eliminate visual synonymy, we present an extended similarity function to implicitly extend query visual words. To eliminate visual polysemy, we use visual pattern and prove that the most efficient way of using visual pattern is merging visual word vector together with visual pattern vector and obtain the similarity score by cosine function. In addition, we observe that there is a high possibility that duplicates visual words occur in an adjacent area. Therefore, we modify traditional Apriori algorithm to mine quantitative pattern that can be defined as patterns containing duplicate items. Experiments prove quantitative patterns improving mean average precision (MAP) significantly.     

图像能见度检测方法研究综述

在各种交通事故中，由雾霾等恶劣天气导致能见度降低引发的交通事故占比逐年增多，因此恶劣天气下能见度的检测成为一个亟待解决的问题。本文根据提取特征方式的不同，不仅将能见度检测的方法分为视觉检测法、仪器设备检测法和图像算法检测法，还归纳出能见度检测方法的发展历程。在分析和对比基于深度学习的能见度检测方法基础上，提出将最新的深度学习算法引入能见度检测是后续研究的重点。最后，总结现有能见度检测方法的不足和局限性，指出未来进一步研究的方向。     

基于图论的电力巡检机器人智能寻迹方案

针对无人值守变电站遥视系统的网络化和智能化多点监测趋势,结合巡检机器人技术,提出一种基于图论的智能寻迹方案。将实际检测现场以图的形式转化为电子地图信息,建立节点关联矩阵,利用基于传递闭包理论的路径搜索算法对各检测点关联信息进行关联路径搜索。通过现场运行,对实际工作中遇到的问题进行调试,并针对这些问题对方案进行改进。该方案具有避免搜索死循环、占用资源少、计算速度快的优点,适合现场检测的实时性要求。通过应用于多传感检测的遥视系统,证明了该方案的高效性和可行性。     

基于DFECANet的遥感图像飞机目标检测方法

针对现有的遥感图像目标检测方法中对小尺寸飞机目标的检测精度不高、特征信息传递不准确、信息交互不充分等问题,提出了一种基于可辨别特征提取和上下文感知的遥感图像飞机目标检测方法。设计了以可辨别特征提取模块为主体的主干网络,用以加强对多尺度飞机目标的特征提取;引入自适应特征增强模块,选择性关注小目标、优化特征信息的传递与信息交互;并设计了特征融合上采样模块对特征图进行上采样操作,用以提升高层语义信息的准确性。在DOTAv1数据集上的检测精度达到了95.2%,相较于YOLOv5s、SCRDet、ASSD等主流算法,飞机目标的检测精度提高了3.7%～18%。此外,该方法的检测速度以及模型参数量分别为147 fps和13.4 M,相较于当前主流算法具备较强的竞争力,满足在遥感背景下对飞机目标的实时检测需求。     

面向智能交互的视觉问答研究综述

随着深度学习方法被不断应用于图像处理相关工作,图像相关的智能交互技术也获得了快速发展。面向智能交互的视觉问答技术通过向图像的内容提出相关问题以收集图像信息,最终达到丰富图像理解的目的。通过对近年来视觉问答相关方法进行了综合分析与对比,建设性地将视觉问答方法按照模型结构划分为基本模型、注意力机制模型、模块化模型、基于外部知识库的模型4种类型。同时,还从3个方面针对视觉问答中的视觉和语义信息处理以及未来的视觉推理研究指出了一些方向。     

基于DBSCAN-FPN的输电线路螺栓缺销检测方法

螺栓作为输电线路上数量最大的紧固件,其缺陷检测是输电线路巡检工作中的一项重要内容.针对螺栓缺销为小目标,其定位困难、特征难提取的问题,提出一种基于DBSCAN算法与FPN模型相结合的螺栓缺销检测方法.首先,利用FPN模型定位螺栓缺销目标区域,同时基于DBSCAN聚类算法对具有相同形态结构的区域进行聚类;然后,改进FPN...     

基于特征增强 YOLOv4 的无人机检测算法研究

现有基于深度学习的目标检测方法在面对空中消费级无人机时,存在鲁棒性差、准确率不足等问题。 对此,提出一种基 于特征增强的 YOLOv4 目标检测方法—FEM-YOLOv4。 首先,针对无人机低、小、慢等特点,改进骨干网络,降低下采样倍数,充 分利用包含细粒度信息的浅层特征;其次,加入特征增强模块(feature enhancement module),通过使用不同空洞率的多分支卷积 层结构,综合不同深度的语义信息和空间信息,增强小尺度无人机的细节语义特征;另外,利用多尺度融合的特征金字塔结构, 突出特征图包含的细节信息和语义信息,提升模型对无人机目标的预测能力;最后,采用 K-means++算法对无人机目标候选框 的尺寸进行聚类分析。 与 6 种目标检算法进行对比,实验结果表明,FEM-YOLOv4 算法的 mAP 和 Recall 分别达到 89. 48%、 97. 4%,优于其他算法,且平均检测速度为 0. 042 s。