检索结果-内蒙古大学图书馆

作者：蓝天保电子科技大学

学位级别：硕士

目前室内机器人定位方法主要为轮式里程计或IMU的航迹推算、视觉定位和室内伪卫星定位。航迹推算在短时间、短距离内具有很好的定位精度,但会出现累计误差;室内伪卫星定位可以为机器人提供很好的定位效果,但成本过高;视觉定位是一种根... 详细信息

目前室内机器人定位方法主要为轮式里程计或IMU的航迹推算、视觉定位和室内伪卫星定位。航迹推算在短时间、短距离内具有很好的定位精度,但会出现累计误差;室内伪卫星定位可以为机器人提供很好的定位效果,但成本过高;视觉定位是一种根据图像信息来估计机器人位姿的定位方法。在静态环境下,视觉定位展现出了高精度、低成本的特性。但在动态环境下,视觉定位的精度下降,甚至失效。目前出现了不同方法相结合的定位方案以提高室内机器人的精确定位。本文针对室内移动机器人工作环境下的动态障碍物不确定性,从成本和性能的角度出发,选择单目视觉里程计与IMU相结合的定位方案进行研究。本文将从以下几个方面进行研究:(1)针对动态环境下视觉里程计定位精度下降甚至失效的根本原因,基于ORB特征点法,改进了图像特征点的处理机制和改进特征点的匹配机制,提高了特征点匹配的匹配速度和匹配准确度;采用视觉词袋降低本文融合定位系统的累计误差;(2)IMU传感器数据不精确问题,采用低通滤波和互补滤波优化IMU的原始数据。针对单目视觉定位算法缺乏绝对尺度,无法反馈真实的位姿信息问题,根据IMU数据漂移的特性,提出恢复单目视觉定位绝对尺度的策略。(3)基于融合定位系统效率的考虑,采用滤波的方法,将基于最大相关熵卡尔曼滤波(MCKF)算法应用于机器人定位上,通过MCKF将单目视觉里程计和IMU传感器的数据进行滤波融合,提高融合定位系统的定位精度。并针对室内移动机器人工作环境为平面,给出了融合状态方程和观测方程。针对移动机器人工作环境下动态障碍物不确定性影响视觉定位系统的性能问题,改进特征点提取的处理机制和特征点匹配机制,提高视觉定位定位系统的定位精度和对环境动态障碍物的容忍度。根据IMU累计误差的特性,提出单目视觉里程计恢复尺度的策略,并使用最大相关熵卡尔曼滤波和基于词袋模型的回环检测优化,提高融合数据的精度、消除定位系统的累计误差。通过实验验证了本文所提出的基于单目视觉里程计和IMU融合的定位方案的可行性和定位精度。同时,给出了本融合定位方案对动态障碍物和机器人运动速率的容忍限度。

关键词：单目视觉里程计 IMU 尺度恢复 MCKF 动态环境

来源：评论

学校读者我要写书评

暂无评论

基于单目视觉的港口AGV自主导航关键技术研究

基于单目视觉的港口AGV自主导航关键技术研究

引用

作者：赵黎明集美大学

学位级别：硕士

我国港口集装箱吞吐总量已经连续十年位居全球第一,然而这却给传统的港口运输模式带来空前压力,国外在20世纪90年代开始将AGV系统应用于港口水平运输,从而大幅度提高了港口集装箱的运转效率,但目前应用于港口AGV的导引系统都是基于固定... 详细信息

我国港口集装箱吞吐总量已经连续十年位居全球第一,然而这却给传统的港口运输模式带来空前压力,国外在20世纪90年代开始将AGV系统应用于港口水平运输,从而大幅度提高了港口集装箱的运转效率,但目前应用于港口AGV的导引系统都是基于固定路径的模式,这种方式简单可靠,但灵活性较差,智能化程度不高。近年来,随着图像处理技术和计算机技术的发展,基于视觉导航技术受到广泛关注,本课题基于NI的Starter KIT移动小车搭建了单目视觉系统,利用单目视觉技术解决了港口AGV的自主定位、路径规划和避障等问题,对港口AGV完全自主导航的实现进行了探索性研究。主要工作如下:(1)港口AGV单目视觉里程计定位系统设计。利用摄像机获取的连续图像信息推算港口AGV的位姿变化,主要针对SIFT特征点提取和匹配进行了改进,提出了一种实时性和准确性都较好的单目视觉里程计算法,进而能够实时准确获取AGV的位姿。(2)港口AGV的全局路径规划。根据港口环境结构化程度较高的特点,考虑了AGV运行时能量消耗和安全性,对A*算法的评价函数进行了改进,设计了一种适合港口环境的全局路径规划算法。(3)港口AGV的局部路径规划。以单目视觉系统实时获取的道路平面为样本,基于道路平面的颜色特征提出了一种自适应图像分割的障碍物检测算法,利用单目几何定位技术确定障碍物的位置,根据子目标和障碍物的位置选择通往目的地的最佳航向角。(4)硬件设计和导航系统软件编程。搭建了港口AGV实验平台,利用D-link-DIR617无线路由器搭建局域网,实现了AGV、IP摄像机和上位机的无线通信,采用Lab VIEW和MATLAB混合编程设计了港口AGV自主导航和远程控制软件。(5)在搭建的模拟港口环境内完成了港口AGV实验车的远程控制和自主导航实验。在远程控制模式下,根据IP摄像机获取的实时道路信息,通过Lab VIEW发布的共享变量对AGV进行远程控制。在自主导航模式下,港口AGV实验车完成了自主定位、路径规划和避障实验,实验结果表明基于单目视觉系统的自主导航算法具有较好的鲁棒性。

关键词：港口AGV 自主导航单目视觉里程计路径规划动态避障

来源：评论

学校读者我要写书评

暂无评论

单目视觉图像的深度估计方法研究

单目视觉图像的深度估计方法研究

引用

作者：苏子洋广东工业大学

学位级别：硕士

传统的单目图像深度估计主要基于环境假设的光学几何约束,例如从运动中恢复结构和立体图像匹配,但是割裂了图像序列中,相邻图像帧与帧之间的联系。而卷积神经网络的方法对计算机硬件要求较高,无法满足实时性的要求。本文结合最新热点SLA... 详细信息

传统的单目图像深度估计主要基于环境假设的光学几何约束,例如从运动中恢复结构和立体图像匹配,但是割裂了图像序列中,相邻图像帧与帧之间的联系。而卷积神经网络的方法对计算机硬件要求较高,无法满足实时性的要求。本文结合最新热点SLAM(Simultaneous Localization and Mapping)中的前端视觉里程计(Visual Odometry VO)对单目图像的深度进行恢复。单目视觉里程计具有结构简单、低成本、实时性的特点,为使移动机器人在室内的环境中运行稳定,本文将单目相机取得的图像作为研究数据,采用特征点法设计系统,实现深度估计,具体表现在利用图像序列中相邻关键帧与关键帧之间的投影关系来估计相机的位姿和恢复相机的运动轨迹。本文在传统的ORB(Oriented FAST and Rotated BRIEF)算法基础上,借鉴了SIFT(Scale-Invariant Feature Transform)算法匹配高精度的尺度空间的想法,提出了构建简化的尺度空间,增加了特征点的尺度信息;通过预检测,剔除图像中灰度值变化不明显的区域,提出了优化的Harris角点提取方法,提高了角点提取速率;采用新的圆形检测窗口代替原先的方形检测窗口,避免了图像旋转时,方形窗口四个角的灰度值的剧烈变化所造成的特征点主方向偏移,并在圆形窗口中计算图像灰度值的梯度方向直方图来确定特征点的主方向,提高了主方向的鲁棒性;以上改进在特征点匹配准确度实验当中提高了29.2%的匹配准确度。图像的特征点匹配出现误匹配点对是无法避免的,本文匹配在误匹配点对删除中,对传统的随机采用一致性(Random Sample Consensus RANSAC)算法进行了改进,利用特征点周围的灰度值信息不变性以及舍弃错误的投影关系来加快传统RANSAC的运行速率,实验表明改进的RANSAC算法与原来相比提高了20%左右的速率。本文在Mikolajczyk公开的数据集中验证了上述算法改进的优越性,并在TUM数据集中以ORB-SLAM2为框架,对改进的ORB算法和改进的RANSAC算法组合进行了准确性和实时性的验证,实验表明改进的算法在满足实时性的同时提高了相机位姿恢复的准确度。

关键词：单目视觉里程计 ORB检测算法 RANSAC算法相机运动估计

来源：评论

学校读者我要写书评

暂无评论

基于单目深度估计的低功耗视觉里程计

基于单目深度估计的低功耗视觉里程计

引用

第三十三届中国仿真大会

作者：马榕陈秋瑞张晗梅铮王锐魏伟北京仿真中心航天系统仿真重点实验室北京 100854 北京航空航天大学北京 100191 空军装备部驻北京地区第四军事代表室北京 100041

随着人工智能、精密机械和计算技术的发展，微小型无人系统在未来战场上将会扮演重要的角色。为解决单目视觉里程计尺度缺失以及微型机器人自身体积和载荷限制带来的功耗问题，引入单目深度估计技术，构建了一个低视角数据集，通过搭建... 详细信息

随着人工智能、精密机械和计算技术的发展，微小型无人系统在未来战场上将会扮演重要的角色。为解决单目视觉里程计尺度缺失以及微型机器人自身体积和载荷限制带来的功耗问题，引入单目深度估计技术，构建了一个低视角数据集，通过搭建卷积神经网络从单张图像中预测深度信息，对神经网络模型进行结构优化，将深度估计与单目视觉里程计融合并部署到JetsonNano 平台。实验表明，融合后的单目视觉里程计能够在特定环境下恢复尺度信息，在JetsonNano 上的功耗能够保持在较低水平，可为微型无人系统在未来战场上的隐蔽化、轻量化部署提供一定的研究基础。

关键词：单目视觉里程计单目深度估计卷积神经网络神经网络结构优化

来源：评论

学校读者我要写书评

暂无评论

视觉里程计技术综述

引用

计算机应用研究 2012年第8期29卷 2801-2805,2810页

作者：李宇波朱效洲卢惠民张辉国防科学技术大学机电工程与自动化学院长沙410073

视觉里程计是通过视觉信息估计运动信息的技术,其中采用了里程计式的方法。该技术作为一种新的导航定位方式,已成功地运用于自主移动机器人中。首先介绍了常用的两种视觉里程计即单目视觉里程计和立体视觉里程计,然后从鲁棒性、实时性... 详细信息

视觉里程计是通过视觉信息估计运动信息的技术,其中采用了里程计式的方法。该技术作为一种新的导航定位方式,已成功地运用于自主移动机器人中。首先介绍了常用的两种视觉里程计即单目视觉里程计和立体视觉里程计,然后从鲁棒性、实时性和精确性三个方面详细讨论了视觉里程计技术的研究现状,最后对视觉里程计的发展趋势进行了展望。

关键词：视觉里程计自主移动机器人单目视觉里程计立体视觉里程计鲁棒性实时性精确性

来源：评论

学校读者我要写书评

暂无评论

服务机器人机器视觉的设计与应用

服务机器人机器视觉的设计与应用

引用

作者：郭郛东南大学

学位级别：硕士

近年来,随着社会老龄化程度的发展和人力成本的不断上涨,很多宾馆、饭店、疗养院等场所都面临着服务人员缺乏的困境。同时,随着计算机硬件和人工智能技术不断发展,各种各样的智能产品不断涌现,逐渐开始走入千家万户。服务机器人作为很... 详细信息

近年来,随着社会老龄化程度的发展和人力成本的不断上涨,很多宾馆、饭店、疗养院等场所都面临着服务人员缺乏的困境。同时,随着计算机硬件和人工智能技术不断发展,各种各样的智能产品不断涌现,逐渐开始走入千家万户。服务机器人作为很多服务业岗位的低成本替代选择,已经开始崭露头角,向实用化不断迈进。本文以自主开发的服务机器人作为实验平台,设计了一套基于单目摄像头的服务机器人机器视觉系统。本文的主要研究内容有如下几个部分:介绍了本文所搭建的服务机器人的系统架构和软硬件设计,分析阐述了基于STM32的下位机电路单板设计,介绍了兼做上位机使用的的嵌入式图像处理平台Nvidia JETSON TX2的软硬件架构。建立了相机的光学模型,介绍了世界坐标系、图像坐标系和相机坐标系及它们之间的转换方法。在相机小孔成像模型基础上引入畸变,建立了非线性成像模型。基于Linux的V4L2驱动框架进行了摄像头驱动的编写,使用基于移动平面模板的标定方法完成了摄像头内外参数的标定。研究实现了服务机器人定位识别室内门牌的功能。分析阐述了门牌图像的预处理算法,包括灰度化处理,对图像进行直方图均衡以化增强细节,使用高斯滤波器滤除噪声等。使用Canny算法检测图片中的边缘,对常见的椭圆形门牌和矩形门牌进行了检测识别。根据门牌形状特征进行筛选。针对室内光照动态范围大的特点,使用基于区域亮度的自适应阈值进行图片二值化。使用投影法进行字符分割,通过模板匹配进行字符识别。实验证明了该门牌识别系统的有效性。研究实现了服务机器人基于单目摄像头的视觉里程计功能。介绍了极线几何约束,在此基础上引出了描述相机位姿变化的基础矩阵和本质矩阵,建立了单目视觉里程计模型。分析阐述了三种常用的特征提取算法,通过实验对比分析,选择FAST算法提取图像特征。介绍了光流法原理,使用KLT法对特征点进行基于稀疏光流的跟踪匹配,加快了系统运算速度,使用RANSAC算法对误匹配点进行了剔除。依据视觉里程计模型求解服务机器人位姿变化,提取运动轨迹。在走廊和房间两种具有不同特点的场景内进行实验,验证了该视觉里程计的有效性。

关键词：服务机器人机器视觉门牌识别单目视觉里程计运动估计

来源：评论

学校读者我要写书评

暂无评论

基于自适应卡尔曼滤波的GNSS/VO组合导航系统研究

基于自适应卡尔曼滤波的GNSS/VO组合导航系统研究

引用

作者：邱文旗南京航空航天大学

学位级别：硕士

精确、实时的导航技术是智能车辆的核心技术之一,是车辆进行自主运动的前提。卫星信号的捕获是实现卫星信号跟踪、定位解算的前提;捕获时间是GNSS接收机的一个重要参数。由于障碍物遮挡等原因,单一的卫星导航不能满足车辆稳定定位的要... 详细信息

精确、实时的导航技术是智能车辆的核心技术之一,是车辆进行自主运动的前提。卫星信号的捕获是实现卫星信号跟踪、定位解算的前提;捕获时间是GNSS接收机的一个重要参数。由于障碍物遮挡等原因,单一的卫星导航不能满足车辆稳定定位的要求。摄像头因具有价格便宜,能够提供高分辨率的定位信息,操作要求较低,易与目标跟踪、地图构建、避障等功能进行融合的优点,本文对单目VO与GNSS组合导航系统进行研究。首先,针对传统平行频域捕获算法计算量大的特点,提出了基于相干降采样的北斗软件接收机并行频率捕获算法。在传统PFA的基础上增加了复数下变频模块和相干降采样模块。相对传统PFA算法,改进PFA算法虽然使得信噪比损失了0.5dB,但却使得捕获卫星所需的时间至少减小了80%。然后,根据FAST和SIFT算法在图像特征识别中各自的优点,提出了一种改进的FAST算法。该算法是在FAST算法的基础上添加32维描述子。根据车辆里程计的特点,该算法提出了两步误匹配特征剔除方法;第一步可以剔除一些肉眼可见的误匹配对,第二步剔除相对汽车运动物体上的特征。实验表明,对比SIFT算法,该算法特征检测时间缩短了76.46%;去除误匹配对效果明显,且相对汽车运动的物体上的特征点均被剔除;改进FAST算法对光照强度和噪声不敏感,对门槛值系数r和图形旋转敏感,增大r和图形旋转都会使得正确匹配的特征对数量减少,但是最少正确匹配特征对数量大于8,满足视觉里程计定位解算的要求。最后,根据平面车辆运动模型,提出了基于平面约束的VO解算模型。通过该模型,不论是通过RTK还是单点GPS对单目VO尺度进行修复,单目VO直线行驶30s,位置误差最大值为0.2652m,偏航角误差最大值为3.9672°。根据自适应卡尔曼滤波器,将两传感器的位置误差和偏航角误差作为组合系统的输入量,提出了VO&GNSS松组合模型。单目VO不论是与RTK还是与单点GPS的定位数据进行融合,组合导航系统直线行驶30s,位置误差最大值为0.1403m,偏航角误差最大值为2.5916°。

关键词：单目视觉里程计卫星导航组合导航卡尔曼滤波快速捕获

来源：评论

学校读者我要写书评

暂无评论

基于计算机视觉的无人飞行器位姿估计方法研究

基于计算机视觉的无人飞行器位姿估计方法研究

引用

作者：苏俊钦哈尔滨工业大学

学位级别：硕士

近年来,无人飞行器已经在农业植保、灾难搜救、电影制作、低空监测等多个领域广泛应用。在这些应用中,无人飞行器的自主导航是关键技术,实现无人飞行器自主导航的传统方法是结合惯性导航和卫星导航。随着计算机视觉技术的快速发展,基于... 详细信息

近年来,无人飞行器已经在农业植保、灾难搜救、电影制作、低空监测等多个领域广泛应用。在这些应用中,无人飞行器的自主导航是关键技术,实现无人飞行器自主导航的传统方法是结合惯性导航和卫星导航。随着计算机视觉技术的快速发展,基于计算机视觉的导航技术趋于成熟,在传统导航方法失效的情况下,基于计算机视觉的导航技术可以起到很好的补充作用。其中无人飞行器位姿信息的获取是无人飞行器实现避障、路径规划和巡航等导航功能的前提和基础。在上述背景下,本文主要研究基于计算机视觉的无人飞行器位姿估计方法。针对单目视觉初始位姿的估计问题,本文对SVO中使用的光流跟踪+单应矩阵估计方法进行了改进,使用光流跟踪+单应矩阵/基础矩阵估计方法对初始位姿进行估计。通过检测光流跟踪的特征点的视差,自动选择初始化图像帧,根据匹配的特征点,同时计算单应矩阵模型和基础矩阵模型,通过评分从两个模型中选择最好的模型来求解图像帧间的相对运动。实验结果表明,与SVO中使用的光流跟踪+单应矩阵估计方法相比,本文改进的单目视觉初始位姿估计方法具有较好的鲁棒性和较小的初始姿态估计误差。针对单目视觉里程计中位姿估计问题,本文在SVO半直接法单目视觉里程计的基础上进行改进,融合了惯性测量单元数据对无人飞行器的位姿进行估计。通过惯性测量单元的预积分模型,对齐视觉估计模型和惯性测量单元估计模型,将惯性测量单元估计的位姿作为视觉里程计中的先验位姿,为直接法迭代求解相对位姿提供良好的初始值,并将视觉里程计结果用于因子图优化对惯性测量单元的状态进行更新,保证后续惯性测量单元的预积分的有效性。实验结果表明,改进后的位姿估计方法和原SVO方法、OKVIS方法相比,具有较小的绝对轨迹估计误差。

关键词：计算机视觉位姿估计无人飞行器单目视觉里程计惯性测量单元

来源：评论

学校读者我要写书评

暂无评论

无监督深度学习的深度与位姿估计应用研究

无监督深度学习的深度与位姿估计应用研究

引用

作者：叶星余广东工业大学

学位级别：硕士

人工智能如今已经成为一项热门的技术,自动驾驶,自主导航机器人,无人机等领域的研发更是受到了研究人员的广泛关注。若要实现汽车的自主驾驶,则必须要获得现实场景的三维结构和自身的位姿信息。以往获得这些信息往往依赖激光传感器等昂... 详细信息

人工智能如今已经成为一项热门的技术,自动驾驶,自主导航机器人,无人机等领域的研发更是受到了研究人员的广泛关注。若要实现汽车的自主驾驶,则必须要获得现实场景的三维结构和自身的位姿信息。以往获得这些信息往往依赖激光传感器等昂贵的传感器,为了降低成本,研究利用视觉算法从图像恢复场景的三维结构和自身的位姿信息是很有必要的。由于算力的提升和大数据的支撑,深度学习技术得到了很好的发展和广泛的应用。近年来的研究工作开始利用深度学习算法来预测场景的深度和位姿信息。最初,研究人员使用深度真值(groundtruth)和位姿真值作为监督信号,训练网络模型学习场景的深度和位姿。然而,有监督的学习方法需要获得场景的真值,而获得真值的成本是昂贵的。因此,无监督的方法受到领域内广泛的关注。由于现实场景的复杂性和缺乏标签数据作为监督信号,无监督的方法仍然存在较大的改进空间。本文对无监督单目深度学习的方法进行改进,提高深度估计和位姿估计的性能。本文主要从网络设计,损失函数,训练策略进行改进,具体的工作和贡献如下:(1)本文对当前的无监督方法进行分析,分析领域内存在的问题和改进空间,对当前无监督方法进行实验,对其网络结构和损失函数的合理性,优势,改进点进行分析,最后提出本文的解决方案。(2)由于无监督方法的训练信号是目标图像与合成图像之间的光度误差,合成图像的准确性决定网络输出的深度和位姿的准确性。因此,本文引入生成式对抗网络(GAN)作为本文方法的网络框架,通过GAN强大的性能生成准确的合成图像,提高深度估计和位姿估计的精度。(3)本文在网络结构中引入自注意力模块,来使得网络能够关联全局信息,建立长距离的依赖,有助于提高深度估计的准确率。改善以往工作存在的深度模糊,细节丢失的问题(4)为了克服GAN难以训练和模式坍塌的问题,本文使用WGAN-GP的梯度惩罚对GAN的目标函数进行改进。同时,使用双时间尺度更新策略对GAN的生成器和判别器进行更新,进一步稳定GAN的训练。(5)本文在公共大型的数据集KITTI上进行了大量的实验,并证明本文提出的方案要优于以往提出的方法,而且能够获得准确的深度和位姿结果。

关键词：单目视觉里程计深度估计生成式对抗网络无监督深度学习

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的机器人多功能视觉感知系统的研究

基于深度学习的机器人多功能视觉感知系统的研究

引用

作者：朱耀晖江西理工大学

学位级别：硕士

随着深度学习的日益发展,人工智能技术与机器人领域紧密联系,使得智能机器人逐渐成为智能制造领域的研究热点,也大力推动了生产效率、降低了人工成本,提升了经济的快速发展。本文工作在这条道路上继续研究,通过深度学习视觉技术与机器... 详细信息

随着深度学习的日益发展,人工智能技术与机器人领域紧密联系,使得智能机器人逐渐成为智能制造领域的研究热点,也大力推动了生产效率、降低了人工成本,提升了经济的快速发展。本文工作在这条道路上继续研究,通过深度学习视觉技术与机器人紧密结合,提出了基于深度学习的多功能智慧视觉系统,该系统拥有三个主要任务,分别是基于深度学习的指针式仪表图像分割、室内外道路图像分割、单目视觉里程计定位任务,旨在设计、开发和优化多功能机器人。本文主要进行了以下工作: (1)首先,本项研究设计并搭建了以ROS为操作系统的机器人,介绍了其硬件结构、软件结构、电路系统,并为其搭载了激光雷达、视觉、陀螺仪等传感器,同时在实际场景中测试数据采集、运动控制、同步建图与定位(SLAM)、路径规划等基本功能,验证其稳定性及可靠性。 (2)针对传统图像处理算法对仪表指针及刻度提取需要人工动态调参,鲁棒性低等问题,而常见深度学习算法在速率与精度之间难以平衡的问题,本研究提出了BiUnet双支路仪表图像分割网络,该网络单独设计了细节支路与语义支路以提取特征浅层空间细节信息及深层的语义信息,并设计了特殊的双支路融合层以融合两条支路的特征。最后通过在自制数据集下的消融实验和与先进算法的对比实验及可视化,实验展示了BiUnet网络在仪表图像分割数据集mIoU精度指标达到88.66%,精度高于经典的Fast Scnn、ViT、BiseNetv2等等算法,且仅有4.93M的参数量和20.82GFlops的计算量,展示了其的有效性和可行性。 (3)对于智慧视觉感知系统中机器人室内外道路感知图像分割任务,传统算法依赖于人工设计的先验特征,而单支路图像分割算法难以平衡细节和语义之间的特征提取,本研究提出了BiConvNet双支路图像分割网络,PCSD卷积模块用于细节支路的细节特征提取,并通过ConvNeXt卷积模块提取深层语义信息。所设计的双支路聚合层用于细节支路和语义支路的特征融合。最终Cityscapes道路场景公共数据集中,与近几年自动驾驶主流图像分割算法对比,BiConvNet网络获得了68.75%的mIoU精度指标,且参数量仅有4.54M,精度高于流行的STDC、Segformer、CGNet、等主干网络。同时,部署至机器人在室内楼道环境下的测试也验证了其较好的室内道路图像分割能力。 (4)对于智慧系统中机器人空间定位任务,基于传感器的方案本对环境要求苛刻且传感器普遍价格昂贵,而基于深度学习多源数据定位需要大量的数据作为驱动进行训练,实时性较低。本文提出了基于深度学习的单目视觉里程计SWformer-VO算法,该算法以连续的灰度图像数据作为输入,端到端的方式预测机器人运行轨迹。所提出的Mixture Embed模块将常见的视觉里程计时间和空间维度的探究转化为图像像素层面上的探究,并将连续图像转化为Token传入Swin-transformer中进行编码直接预测出6-DoF的机器人里程计信息。最终,在KITTI数据集下与先近的深度需恶习视觉里程计算法对比,SWformer-VO平均位移误差为12.053%,相较于DeepVO低68.021%,相较于TSformerVO低3.246%,平均旋转误差为4.307°/100m相较于DeepVO低18.953°/100m,相较于TSformer-VO低1.77°/100m。并且与多源深度学习视觉里程计算法进行对比获得了Top-1的精度,平均位移误差仅有7.891%,平均旋转误差为3.216°/100m。最后在室内自制数据集下验证了其可行性和有效性。

关键词：机器人深度学习 ROS 图像分割单目视觉里程计

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：