《少儿视觉世界地图集》出版

由中国地图出版社编制出版的《少儿视觉世界地图集》近日问世。该图集在内容上以介绍世界地理知识为主,涉及经济、文化、历史等领域。读者对象主要以少年儿童为主,适用范围为中小学生年龄段。属科普读物兼参考工具书类出版物。     

电子地形图符号体系的研究

随着数字制图技术的发展,电子地图的应用日益增多,为保证地理信息感知和认知的一致性与准确性,达到信息与资源共享,电子地形图符号的规范化、标准化势在必行。文中针对此种需求介绍了电子地形图符号体系和符号标准化的研究现状,分析了电子地形图符号体系中存在的主要问题,详细阐述了电子地形图符号体系构建的基本原则、内容以及体系结构,并且结合示例进行了说明,为电子地形图符号体系的研究提供了一些思路。     

计算机视觉中基于多照片的同名点自动匹配

对多张图像上同名点的自动匹配算法进行了分析,提出了利用多张图像上的核线约束来实现同名点的匹配。首先,计算出一个待匹配点在另外两张图像中的核线,在核线附近确定出概略匹配点。然后,再次利用核线约束特性在确定的概略匹配点之间确定出唯一的匹配点。最后,用该方法对多张图像间的同名点进行了匹配试验,实验结果表明,该方法效果良好,具有较好的实用价值。     

立体视觉的摄影测量理论

从引入空间投影变换的概念入手,证明了体积之交比为一般的投影不变量,从而将其作为描述物体的度量。通过对基础矩阵进行合适的分解,导出了确定投影变换模型之齐次坐标和投影坐标的方法。提出了三维直接线性变换用于由物体的投影变换模型进行物体重建。实验分析证实了所述理论和方法的正确性。     

语素关联约束的动态环境视觉定位优化

在自动驾驶场景中,视觉相机能够实现低成本的定位与环境感知,但是场景中的动态目标会影响视觉定位的轨迹.对此,本文提出了语素关联约束的动态环境视觉定位优化方法.首先,利用目标检测和语义分割提取环境中的语义实体;然后,通过语素关联模型识别出动态语素;最后,建立动态语素的特征掩膜,用于特征匹配过程中的动态目标特征点过滤,从而提高视觉定位效果.本文基于视觉机器人平台在校园道路开展了试验,发现了动态目标通过关键点影响视觉定位结果的规律——在转弯时或者目标在视野中横向移动时影响较大.试验结果表明,本文方法的动态语义要素识别的平均精度F1约为87％,并且在语素关联优化前后,局部区域最大轨迹距离差为2.463 m,与真值对比RMSE降低了38％.     

城市环境下智能手机GNSS/视觉组合导航算法和性能评估

通过将卫星定位和计算机视觉定位组合,可以使智能手机在城市、峡谷等卫星定位结果跳变或中断的情况下,仍为用户提供连续、高精度的位置服务.因此,为改善手机端卫星信号不理想区域的定位精度,设计和实现了GNSS与单目相机组合导航的实验.通过数据平滑、旋转矩阵求解等过程完成系统间的轨迹转换,并分析了坐标转换误差.使用结合贝叶斯估计的卡尔曼滤波对两种轨迹进行融合处理.最终结果表明,在城市环境下,GNSS与单目相机组合后,定位误差小于3 m的概率由21.21％提升至48.15％,小于5 m的概率由48.82％提升至70.03％.     

土星系之视觉神旅——喻京川数字绘画作品欣赏

土卫二的个头在土星的卫星中仪排第6,引力只有月球的1／6,却是太阳系中除地球外最有希望孕育生命的五大星球之首（另四个依次是木卫二、火星、土卫六和木卫一）。因为土卫二有一个炽热的内核,可以提供适宜温度,孕育生命。     

AprilTag图像识别应用于高差传递测量方法研究

为促进计算机视觉及智能机器人技术等在传统高差测量中的应用,本文提出一种非接触式的应用AprilTag图像识别技术的高差传递测量方法。首先以Robomaster EP机器人作为高差测量平台,分别在已知点和待测点位放置AprilTag标签,机器人相机分别识别两侧AprilTag标签并进行相对位姿解算,得到两侧标签中心相对于机器人相机中心的三维坐标差。然后发挥机器人相机旋转中心的高差传递作用,计算得到待测点相对于已知点的高差。通过多组试验分别研究机器人相机的俯仰角α、航向角β的变化对高差传递测量精度的影响。试验结果表明,当机器人相机的俯仰角α∈(-2.9°,3.9°]时,或航向角β∈[-5.5°,1°]时,AprilTag图像识别的综合误差E<0.4,识别效果较好,两点间高差误差p_x小于5 mm,高差传递测量的精度可达毫米级。试验结果表明,使用计算机视觉及智能机器人等技术进行高差测量具有一定可行性,为未来测绘行业研发新型智能测量机器人提供一定理论依据和技术探索。     

一种基于域适应的动态商品视觉识别方法北大核心CSCD

由于变形、遮挡、运动模糊、商品之间外观的相似性及真实场景中未知的分布偏差,商品动态视觉识别在实际应用中仍存在巨大的挑战。本文提出了一种面向智能零售的动态商品视觉识别方法,即首先通过目标检测网络实时检测商品的外接矩形框,然后在此基础上识别商品的类别并给予推荐,辅助完成消费结算。针对商品拿取视频与商品库图像、训练图像之间的跨域差异,引入邻域风格自适应模型(IBN)和卷积注意力模块(CBAM),提升模型的域适应能力。为了验证该方法的有效性,构建了一个真实的场景数据集Commodity247,数据由智能货柜的顶视摄像头采集,包含247类常见的零售商品,以及37 050张带标注框和商品类别的图片。试验结果表明,在Commodity247数据集上,商品识别的准确率(mAP)可达96.84%,第一推荐正确率(Rank1)可达98.41%,最难样本检索准确率(mINP)可达85.24%;与基于ResNet搭建的基础模型相比,mAP提升了2.91%,Rank1提升了0.60%,mINP提升了10.86%,有效降低了多角度、多光线、多背景的影响。     

视觉SLAM环境感知技术现状与智能化测绘应用展望

视觉SLAM技术是现代智能装备环境感知的核心技术之一,是驱动测绘向智能化方向发展的重要因素。本文围绕视觉SLAM环境感知技术,从特征点法、直接法、视觉指纹库、语义和类脑SLAM 5个方面,梳理了30多年来典型视觉SLAM环境感知技术框架、重要算法基础和测绘应用方式;总结分析了智能化时代视觉SLAM环境感知技术在智能化环境交互感知、即时众包化信息处理和多样化感知数据服务3个方面的发展趋势;探讨了视觉SLAM环境感知技术在交互式导航定位、数字孪生城市建设、实时地表监测解译、众包地图POI生产、无人值守地质灾害监测和自主交互能力支持的深度空间探测应用模式。当前,测绘行业正处于重大发展变革时期,视觉SLAM环境感知技术与人工智能技术的结合,将会进一步赋能测绘生产方式的转变,提升智能化测绘生产和服务水平。