一种场景稳健的单目视觉里程计算法

针对利用单目相机采集的图像序列进行实时车载平台位姿估计问题,对比了不同单目半直接典型算法的原理和试验结果以及不同场景、运动状态、光照和耦合因素下的同名点跟踪算法、长时间场景稳健的高精度位姿估计方法、位姿优化方法的试验结果。通过与两个典型半直接MVO算法进行了计算过程多个阶段和计算结果多个方面的对比,得出每个阶段和整体结果更好的计算方法;最终总结提出了一种场景稳健的单目半直接视觉里程计算法并利用序列真实数据进行了试验验证。试验结果表明,该算法的长时间位姿估计的场景稳健性和计算精度均显著优于目前典型的半直接MVO算法,位姿估计精度比ERL算法提升10%以上,计算效率与典型的ERL算法相当,能够满足各类单目视觉里程计应用场景需求。     

多智能体协同高精地图构建关键技术研究

自动驾驶车辆的自动化驾驶程度越高,对高精地图的要求越高.智能化的高精地图能够为L5级别自动驾驶车辆提供所需地图数据,是未来高精地图发展的重要方向.基于目前高精地图的构建方法,本文首先提出多智能体协同高精地图构建的定义,分析其构建框架.然后,对多智能体数据采集路径规划、多源异构一体化数据融合与表达、道路场景认知、智能高精地图融合、智能高精地图更新等关键技术进行了研究,提出了可行的技术方案.最后,分析了其未来构建过程中存在的挑战.     

基于Inception-V3模型的高分遥感影像场景分类

传统高空间分辨率遥感影像(简称\"高分遥感影像\")分类方法的\"同物异谱\"、\"异物同谱\"现象较为严重,深度学习方法为高分遥感影像分类提出了一种新的解决方案.然而,遥感影像训练样本少容易导致网络过拟合现象的发生.利用深度学习方法,结合迁移学习策略,提出了一种改进的Inception-V3的遥感图像场景分类模型.首先在原始In...     

基于3D GIS和RS的安徽省地震监测台网电子沙盘制作的实现

针对现有传统沙盘存在的诸多问题,本文结合3DGIS和RS对安徽省地震监测台网电子沙盘的制作方法进行研究,实现了现有遥感图和数字高程模型(DEM)结合的地形三维可视化,完成了研究区域内一、二、三类台站及地形、地貌等的表达和呈现。     

知识图谱约束深度网络的高分辨率遥感影像场景分类

得益于深度网络理论与方法的快速发展,深度网络逐渐成为遥感影像场景分类任务的主流技术。然而,现有基于深度网络的遥感影像场景分类方法高度依赖大量人工标记的训练样本,且无法有效融合利用遥感领域丰富的先验知识。为了提升领域知识利用率同时降低标记样本依赖,本文提出了一种知识图谱引导深度网络学习的高分辨率遥感影像场景分类方法。首先,构建了一个包括领域内多种来源知识的土地覆盖概念知识图谱来更灵活便捷地应用领域先验知识。然后,通过知识图谱表示学习方法将土地覆盖概念知识图谱中的遥感场景语义类别表达为语义向量,形成遥感场景类别语义基准。在知识引导学习阶段,通过施加场景类别语义向量与深度网络浅层视觉特征向量的跨模态对齐约束引导深度网络的浅层部分更有效地学习不同类别遥感影像场景的共享特征,在深度网络深层部分则仍然通过场景类别标签引导学习不同遥感场景的判别特征。在测试阶段,完成优化的深度网络模型可以在不依赖任何先验知识的情况下完成高精度遥感影像场景分类。在目前公开的最大的遥感影像场景分类数据集上的试验结果表明,本文提出的知识引导学习方法相比现有方法在10%、30%、50%等不同训练样本比率下均可以获得最佳分类性能。在10%这一比率条件下,本文提出的知识引导学习方法相比基线深度网络在总体精度指标(OA)上能够得到5.11%的提升。     

轻量化模型在BIM设计平台中的应用研究

为突破目前将大场景实景三维模型便捷地应用到BIM正向设计的瓶颈,本文提出了轻量化模型生产及质量评价方法。该方法首先分析了实景三维模型数据架构,利用LOD原理实现大场景实景三维模型轻量化处理;然后基于现有三维模型质检规范,改进质量评价因子及其权重和阈值区间,利用质量分数检验产品质量;最后通过实际工程进行了验证。     

三维点云的室内外场景层次化理解方法研究EI北大核心CSCD

环境理解是计算机视觉领域的基础工作,在机器人导航、智能交通等诸多军民领域有着广泛的应用。三维点云因其高精度、高密度等的数据特性,能够高效地捕获和描述三维场景中清晰的地物目标几何结构和丰富的空间细节信息,是表达、分析和理解室内外环境信息的重要数据类型之一。因此,基于三维点云数据进行室内外场景理解一直是备受关注的热点问题。     

基于LDCNN特征提取的多核SVM高分辨率遥感影像场景分类

针对卷积神经网络特征维度高且单层特征不能准确表达复杂高分辨率遥感影像语义信息的问题,本文提出了一种提取低维卷积神经网络(LDCNN)深层次特征进行多核SVM分类的场景分类方法.首先将预训练的卷积神经网络改造成低维网络结构,其次提取低维网络的不同深层特征并进行不同核函数的SVM分类,找到对应的最优核函数;然后将多种最优核...     

基于阈值判别和正态分布模型结合的点云特征平面变形新算法

针对变形监测场景中存在大量的平面特征,提出一种基于阈值判别变形和正态分布模型提取变形相结合的点云特征面变形分析算法,给出了算法的实施步骤。通过模拟实验验证了算法的可行性,结果表明,该算法提取结果精度较理想,在对具有平面特征的变形监测应用上有一定的应用空间。