排序方式: 共有5条查询结果,搜索用时 0 毫秒
1
1.
位姿图优化 (pose graph optimization,PGO)是一种在同时定位与地图构建(simultaneous localization and mapping,SLAM)后端优化中常用的高维非凸优化算法,通常建模成极大似然估计。由于目前的PGO算法优化大规模大噪声数据集时很难在保证精度的同时提升速度。所以提出了一种基于嵌套剖分的位姿图分层优化算法。该算法首先建立不同距离度量的χ2检验模型,进而剔除异常值点。然后利用嵌套剖分算法将位姿图分割成一组子图,再从这些子图中提取出一个表示原SLAM问题的抽象拓扑的骨架图,从而优化该骨架图,完成初始化。最后在模拟和真实的位姿图数据集上进行实验评估,结果表明该算法在不影响精度的情况下,可以提高算法的计算速度,具有可伸缩性。 相似文献
2.
3.
4.
文中提出了一种集探测、通信、选频一体化的试验方法,该方法将斜向探测与短波通信、干扰选频结合起来,实现了斜向探测的同时通过通信得到选频结果,文中对发射部分和接收部分的关键模块进行了研究,并开展了斜向探测通信选频试验,通过斜向探测电离图得到无干扰的可通频率,结合解码得到的干净频率,选出通信可用频率,试验结果证明了该方法的可行性。 相似文献
5.
目的 提升质检过程中新材料地板的表面缺陷检测精度。方法 通过翻转、水平迁移和垂直迁移对采集到的缺陷图像进行扩充,构建新材料地板缺陷数据集。基于YOLOv5算法,增加一个预测头,使算法对微小缺陷更加敏感;其次在网络的特征融合层应用Swin Transformer模块,形成注意力机制预测头,提高网络特征提取效率;然后在网络主干末端加入SE模块,使网络提取有用的信息特征,提高模型精度。结果 实验结果表明,提出的新材料地板表面缺陷检测方法能够准确判别地板好坏,并能够识别出白色杂质、黑斑、边损、气泡胶等4类表面缺陷,各缺陷类型的平均精确均值为82.30%,比YOLOv5 Baseline提高了6.58%,相比其他典型目标检测算法也能够更准确和快速地识别地板表面缺陷。结论 通过改进的YOLOv5算法可以更准确地对地板表面缺陷进行分类与定位,从而大大提高工业质检效率。 相似文献
1