排序方式: 共有10条查询结果,搜索用时 15 毫秒
1
1.
2.
与传统的利用立体视觉原理进行3维重建不同,在研究基于单幅全向图像重建空间水平直线问题的基础上,首先指出基于直线在全向图中的两个像点即可重建该水平直线,然后通过分析和推导空间水平直线在全向成像系统中的成像特点,有效简化了全向图中的水平直线检测;针对现有“四点定位”方法的不足,提出了一种基于“主像点/非主像点”的水平直线重建算法,并详细分析了像点提取精度对直线重建结果的影响。实验表明,在不同的像点提取精度下,对于不同空间水平直线,该重建算法均能取得较好结果。 相似文献
3.
4.
5.
6.
8.
9.
基于非均匀测量矩阵的超分辨率全向图像重建 总被引:1,自引:1,他引:0
为解决折反射全向成像空间分辨率低和分布不均匀 的问题,将压缩感知(CS)理论引入折反射全向成像系统。基于单 位球面模型分析了折反射全向成像系统的空间分辨率分布规律,根据重构信号的均方误差(MSE)与稀疏度、测量次数的关系,设计了 基于全向图像分辨率的非均匀测量矩阵;通过设计的测量矩阵,将较多的传感资源分配给全 向图像内环,而将较少的传感资源 分配给外环,从而对经过镜面反射的场景进行采集,得到观测场景的非均匀压缩采样;最后 通过线性Bregman迭代算法重构出 分辨率均匀的高分辨率图像。实验结果表明,本文方法得到的图像空间分辨率更高且分布更 为均匀,有效改善了全向成像的分辨率问题。 相似文献
10.
多传感器融合是当前自动驾驶领域感知系统的重点。针对在恶劣复杂天气场景下目标以及远距离小目标检测效果差的问题,提出一种基于毫米波雷达与相机两级融合的3D目标检测方法。该方法先在数据层将毫米波雷达条码化处理与相机信息融合建立三通道图像,然后输入到加入注意力机制的特征提取网络中进行初级检测;在特征层采取截锥体数据关联的方式,将毫米波雷达信息与初级检测结果进行关联,进一步提升检测精度。实验结果显示,在大型自动驾驶数据集nuScenes下的mini集对融合网络进行评估,相比基准网络Centerfusion,平均精度(mAP)提升了1.09%,检测指标(NDS)提升了1.21%。 相似文献
1