检索结果-内蒙古大学图书馆

作者：李彤重庆大学

学位级别：硕士

基于视觉的同步定位与建图(Simultaneous Localization and Mapping,SLAM)是机器人感知、导航与定位的关键技术之一。针对动态场景下相机、目标同时跟踪定位的需要,本文致力于研究基于多模型拟合的运动分割和紧耦合多目标运动估计等关... 详细信息

基于视觉的同步定位与建图(Simultaneous Localization and Mapping,SLAM)是机器人感知、导航与定位的关键技术之一。针对动态场景下相机、目标同时跟踪定位的需要,本文致力于研究基于多模型拟合的运动分割和紧耦合多目标运动估计等关键技术。主要研究内容如下:设计了一种基于改进序列偏好分析法的运动分割算法。利用Mask R-CNN网络提取图像语义信息,分割得到所有实例掩膜;对当前帧所有特征点结构聚类,在聚类结果上采样得到假设模型,结合交替采样聚类的序列偏好分析法对属于不同运动模型的特征点进行分割;以属于同一运动模型的稀疏特征点为种子在深度图像上进行区域生长,获得运动模型的实例掩膜;当欠分割语义掩膜满足修复条件时进行掩膜修复,提高稠密重建精度。实验证明,提出的运动分割算法在保证较好的分割精度下有效提升了分割收敛速度。设计了一种新的紧耦合多目标运动估计算法。根据第三章目标分割结果,分别估计相机和目标位姿,目标坐标系由第一次观测确定,目标点表示在目标坐标系下,目标跟踪使用LK光流法;设计紧耦合的联合BA优化,推导新残差的雅可比矩阵,根据关键帧生成条件对相机位姿、背景地图点、目标位姿和目标点进行优化。设计了一种稠密重建和3D包围框生成方法。插入关键帧时,系统根据目标分割掩膜构建单帧点云,利用相机或目标的估计位姿,将点云映射到全局坐标系或目标坐标系下,实现稠密重建;系统基于平面提取法生成目标初始3D包围框,针对语义目标进行包围框优化,由目标3D包围框构成的稀疏语义地图可用作机器人感知抓取任务。最后针对所提方法设计实验,采用两种开源数据集分别验证:相机定位精度、目标定位精度和稠密重建效果,并设计实际动态场景实验进行系统功能性验证。实验结果表明:在高动态场景下,本文方案在兼顾多目标运动估计的基础上相机定位精度相较于原始的静态ORB-SLAM2系统有显著提升,其中绝对轨迹误差相较于ORB-SLAM2平均降低97.27%,平移和旋转相对误差分别平均降低95.537%和90.066%,与优秀的Dyna SLAM算法相近,整体低于其它对比算法;多目标定位精度与其它优秀SLAM方案相近,比VO方案要高,且可实现先验动态物体跟踪和未知运动跟踪;背景目标稠密重建结果清晰,可读性好,由目标3D包围框构成的稀疏语义地图能够完整表达场景中目标的语义及空间占据信息。

关键词：视觉SLAM 运动分割多模型拟合动态场景稠密重建

来源：评论

学校读者我要写书评

暂无评论

面向稠密重建的单目视觉SLAM方法

面向稠密重建的单目视觉SLAM方法

引用

作者：纪祥大连理工大学

学位级别：硕士

同步定位与地图构建(Simultaneous Localization and Mapping,SLAM)是机器人领域的关键技术之一,主要解决机器人移动过程中的定位与环境感知问题。由于视觉传感器的独特优势,视觉SLAM成为近几年的研究热点。基于特征的相机跟踪方法是单... 详细信息

同步定位与地图构建(Simultaneous Localization and Mapping,SLAM)是机器人领域的关键技术之一,主要解决机器人移动过程中的定位与环境感知问题。由于视觉传感器的独特优势,视觉SLAM成为近几年的研究热点。基于特征的相机跟踪方法是单目视觉SLAM中最常用的技术,能够精确地估计出相机位姿并推断出场景的几何结构。然而,特征对环境的依赖程度较高,在纹理缺失等场景中表现不佳,因此,基于特征的单目视觉SLAM方法往往存在着明显的稀疏性问题,导致其对场景的感知局限于几何结构层面,从而无法广泛应用于野外场景探测,自主导航等实际任务中。对于非结构性区域的稠密深度获取,仅从几何角度来说往往很难得到解决。卷积神经网络(Convolution Neural Network,CNN)在提取场景的高层信息和进行像素级别的回归任务方面已经取得了很大的成功,其推断的深度是稠密且全局精确的,与跟踪过程中的结构信息相互补。同时CNN的深度感知方式,在低纹理场景下具有更好的鲁棒性。本文利用基于特征的相机跟踪和CNN深度推断,将几何方法和深度学习思想相结合,从深度融合角度研究单目视觉SLAM的稠密重建问题。主要成果包括:(1)设计并构建了一套完整的面向稠密重建的单目视觉SLAM系统,优化相机跟踪过程中的特征提取策略并引入高效的误匹配算法,以提高前端中数据关联的正确性。(2)在深度估计方面,提出基于Resnet结构的多尺度深度估计网络,实现了非结构性区域的稠密深度获取,并增强了系统在低纹理场景和纯旋转运动下的性能。(3)融合过程中,综合利用相机跟踪的路标点和CNN推断的深度信息,充分考虑尺度模糊问题和深度数据的差异性,构建了基于快速求解算法的深度重建框架。

关键词：视觉SLAM 深度估计稠密重建稀疏地图点卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于序列图的建筑群稠密重建算法研究与实现

基于序列图的建筑群稠密重建算法研究与实现

引用

作者：邹云龙青岛大学

学位级别：硕士

建筑物三维重建在导航漫游、虚拟增强现实、智慧城市应用系统等场景有着广泛的应用。针对建筑物三维重建,基于多视图三维重建技术具有成本低、效率高、且适用于大场景等特性,因此,利用多视图的重建方式获取建筑物三维模型是当前的一个... 详细信息

建筑物三维重建在导航漫游、虚拟增强现实、智慧城市应用系统等场景有着广泛的应用。针对建筑物三维重建,基于多视图三维重建技术具有成本低、效率高、且适用于大场景等特性,因此,利用多视图的重建方式获取建筑物三维模型是当前的一个研究趋势。本文通过无人机航拍建筑获取图像,采用运动恢复结构和多视图立体重建技术生成场景的稠密点云,并对稠密重建中的过程展开了研究,主要研究内容如下:(1)基于序列图具有相邻图像重叠的特性,研究改进了一种适用于序列图像的基础矩阵估计算法,联合三张图像估计基础矩阵。提出新的预检验方法,能够有效的减少随机采样一致性的迭代次数。引入匹配点的分数和内点率加权估算出基础矩阵。再对两个基础矩阵构建残差模型,进行联合优化。通过实验证明,该算法能够准确的估计序列图像的基础矩阵和有效的剔除误匹配特征点,并为后续点云的生成提供了条件。(2)由于相机收集图像数据时,会将远方的非目标场景包含其中,从而增加深度图计算的时间,并且形成杂乱的点云。为解决这个问题,采用德劳内三角剖分算法预估像素的深度值,在计算深度图之前筛除非重建的像素,进而可以提高深度图计算效率以及保留目标建筑物场景的点云。(3)稠密重建产生的建筑物点云具有众多平面信息,对建筑物点云进行平面检测。首先基于分治思想对点云进行分块,其次对块点云进行栅格细分,结合特征值法与随机采样一致性算法估计法向量,并基于颜色相似性对邻域栅格进行法向量传播。然后使用栅格代替点进行区域增长。最后对各点云块进行平面合并,完成所有平面的提取。通过实验的对比,验证了改进算法相对于PCL算法在精度和时间上有明显的提升。

关键词：单目视觉基础矩阵深度图稠密重建建筑物平面分割

来源：评论

学校读者我要写书评

暂无评论

基于RGB-D数据的实时稠密重建算法研究

基于RGB-D数据的实时稠密重建算法研究

引用

作者：魏凯华中科技大学

学位级别：硕士

随着室内三维建模、虚拟现实、增强现实、三维游戏等对场景模型的精细化要求越来越高,基于RGB-D数据的实时稠密重建技术得到越来越多的关注。目前的基于RGB-D的实时稠密重建算法主要利用特征匹配或者直接配准图像信息获得相机姿态,并通... 详细信息

随着室内三维建模、虚拟现实、增强现实、三维游戏等对场景模型的精细化要求越来越高,基于RGB-D数据的实时稠密重建技术得到越来越多的关注。目前的基于RGB-D的实时稠密重建算法主要利用特征匹配或者直接配准图像信息获得相机姿态,并通过闭环检测、位姿优化等方式获得一致性的全局场景模型。具体的研究工作和创新点如下:第一,对几种基于RGB-D数据的实时稠密重建算法进行了详细的介绍与分析。这些实时稠密重建算法一般包含轨迹跟踪、闭环检测、位姿优化、绘图几个部分。介绍这几种算法的主要流程,分析算法的优缺点,为后面算法的改进提供基础。第二,提出了一种基于ORB-SLAM2的稠密重建算法。在ORB-SLAM2的基础上,增加场景稠密重建模块,获得实时的场景稠密重建结果。在获得相机轨迹之后将图像信息融合到场景模型中,并且在相机姿态优化之后根据相机和重建的稀疏点云优化前后的位置来调整场景模型。同时在闭环检测部分,利用一致性约束来获得高可靠的特征匹配结果,有效的验证闭环的准确性,获得更加可靠的闭环结果,从而有效提高实时稠密重建的精度。第三,针对传统的ElasticFusion算法存在的问题,提出三种改进策略来有效提高的场景稠密重建的精度。提出自适应调整跟踪时联合配准的加权的方法来解决传统ElasticFusion算法中固定加权无法适应不同场景中几何信息和纹理信息变化很大的情况。提出重新估计错误跟踪帧的相机姿态的方法主要是为了解决传统的ElasticFusion算法在跟踪过程中存在某些帧跟踪误差很大的情况。提出增加关键帧之间的配准并通过配准结果调整相机姿态和场景模型的方法来缓解非闭环情况下传统ElasticFusion算法随时间产生的漂移现象,通过关键帧之间构建有效的连接关系来降低轨迹漂移的程度。实验结果表明算法具有良好的性能。

关键词： ORB-SLAM2 ElasticFusion 稠密重建闭环检测

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的稠密重建和神经渲染算法研究

基于深度学习的稠密重建和神经渲染算法研究

引用

作者：黄乐长安大学

学位级别：硕士

随着深度学习和三维重建技术的迅猛发展,基于深度学习的稠密重建和神经渲染算法备受瞩目,如今已广泛应用于自动驾驶、城市建设、视觉合成、医学图像处理等领域。本文聚焦于降低显存消耗和提高重建速度两个方面提出了两种高分辨率的稠密... 详细信息

随着深度学习和三维重建技术的迅猛发展,基于深度学习的稠密重建和神经渲染算法备受瞩目,如今已广泛应用于自动驾驶、城市建设、视觉合成、医学图像处理等领域。本文聚焦于降低显存消耗和提高重建速度两个方面提出了两种高分辨率的稠密重建方法,两种方法均以多阶段为基础从给定的多个图像和位姿中生成场景的深度图像,然后将其融合成高质量的稠密点云。此外,本文还提出了一种新颖的神经渲染算法,该方法将基于深度学习的稠密重建算法和神经辐射场相结合,弥补了神经辐射场泛化能力差的缺点,并提高了渲染质量。本文主要研究内容和创新点如下: 1.为了解决高分辨率、大规模场景重建过程中的重建细节差和显存消耗大的问题,本文提出一种基于深度学习的多尺度特征聚合递归的稠密重建网络MFAR-MVSNet,在高分辨率和大规模场景中,能实现高准确性和低显存消耗的稠密重建。该网络首先采用一种多阶段的思想,以降低显存消耗,实现高分辨率场景的重建;然后提出一种多尺度特征聚合递归的特征提取模块和一种稀疏残差正则化模块,提取多尺度上下文特征并加强上下文语义信息之间的联系,缓解因下采样而造成的特征丢失问题,以提高网络的准确性。该网络在DTU和BlendedMVS数据集上产生了较其他网络更加精细的结果且消耗的显存更少。 ***-MVSNet网络的推理速度较慢,在一些对重建速度有着极高要求的应用场景表现不好,所以本文提出了一种基于深度学习的自注意力聚合的快速稠密重建网络SAAF-MVSNet,极大的提高了稠密重建的速度,并仍能产生高质量的深度图像和稠密点云。该网络以多阶段思想为基础,首先提出一种自注意力的金字塔特征提取模块,将特征金字塔网络和注意力机制结合,关注重要的特征信息,降低模型复杂度,加快模型的推理速度;然后提出一种空间池化注意力正则化模块,结合空间池化金字塔、注意力机制和3DU-Net,捕获并聚合广泛的上下文信息。在DTU和BlendedMVS数据集上,该网络既保证了高质量重建又有着更快的重建速度。 3.稠密重建更注重从图像中恢复场景的三维结构,但无法对场景的光照和颜色逼真建模,因此本文提出一种基于注意力自适应聚合编码代价体的神经辐射场A3ECV-NeRF,该网络首先以稠密重建网络为基础,采用自适应聚合通道注意力特征提取模块和位置深度注意力正则化模块构建编码代价体,然后结合NDC坐标、射线方向、图像颜色等输入到一个基于多头注意力的渲染模块建模场景中每个点的颜色和密度,最后生成逼真的图像。在LLFF、DTU和nerf＿synthetic数据集上,该网络的各项指标均排名靠前,并且具有良好的泛化能力。

关键词：深度学习稠密重建多视角立体视觉神经辐射场神经渲染注意力机制

来源：评论

学校读者我要写书评

暂无评论

光场稠密重建技术研究

光场稠密重建技术研究

引用

作者：荆秀秀中国科学院大学(中国科学院人工智能学院)

学位级别：硕士

密集采样的光场在深度估计、重聚焦和三维展示等应用中表现出得天独厚的优势,但是获取困难且昂贵。消费级便携光场相机如Lytro、Raytrix等携带方便、操作简单,但是受主镜头分辨率限制,空间分辨率和角分辨率之间存在权衡,不能同时被密集... 详细信息

密集采样的光场在深度估计、重聚焦和三维展示等应用中表现出得天独厚的优势,但是获取困难且昂贵。消费级便携光场相机如Lytro、Raytrix等携带方便、操作简单,但是受主镜头分辨率限制,空间分辨率和角分辨率之间存在权衡,不能同时被密集采样。在实际的视觉应用中,光场的空间分辨率和角分辨率受限成为微透镜阵列光场相机发挥其优势的主要瓶颈。近年来,在不改变光场采集硬件设备的基础上,合理有效的在空间和角度维度上实现光场的稠密重建,成为大量研究人员关注和研究的焦点。本文深度研究了针对角度稀疏采样的光场和稀疏视点采样的大视场光场的稠密重建,完成的主要工作如下:(1)基于可分离卷积神经网络的光场稠密重建针对便携式光场相机在空间和角度维度上不能同时进行密集采样的问题,本文设计并实现了一种基于自适应可分离卷积神经网络的光场稠密重建算法。算法的主要思路是通过卷积神经网络计算输入的光场子孔径图像对生成的目标图像的影响权重矩阵,将生成的权重矩阵与输入图像进行局部卷积生成目标子孔径图像。基于此思路,本文设计并实现了一种自适应可分离的卷积神经网络,利用输入图像和目标图像之间的关系,逐像素点计算RGB值,获取高质量的目标图像。本文提出了一种将目标子孔径图像的位置坐标作为网络模型的输入的方法,只需要更改输入网络模型的坐标,就可以获得不同位置的子孔径图像。该算法使用光场相机拍摄的稀疏光场子孔径图像,合理有效地在角度域上生成了密集的子孔径图像。(2)基于极平面图补全的光场稠密重建由于光场相机的视场角有限,在实际应用中,往往需要对大视场光场数据进行处理,使用光场相机对同一场景进行一次采集不能满足需求,平移光场相机进行密集连续拍摄耗时长且成本高,而且会产生大量的冗余信息。本文设计并实现了一种基于极平面图补全的光场稠密重建算法,该算法适用于稀疏视点采集的大视场光场的稠密重建。因为平移采集的光场极平面图上对应相同物体的直线的斜率相同,利用这一性质,本文将两个平移拍摄的光场极平面图上对应的直线进行匹配,通过对未采样位置的光场极平面图进行插值,合理有效的在稀疏视点采集的光场中间生成密集的新视点的光场。本文针对角度稀疏采样的光场和大视场光场实现了稠密重建,且重建的光场在相关质量评价指标上表现良好,本文工作将有助于进一步发挥密集采样的光场在广泛的计算机视觉相关应用中的优势。

关键词：光场稠密重建子孔径图像可分离卷积极平面图

来源：评论

学校读者我要写书评

暂无评论

基于光流约束方程的稀疏光场稠密重建方法研究

基于光流约束方程的稀疏光场稠密重建方法研究

引用

作者：刘健中北大学

学位级别：硕士

光场以能够记录现实环境中的高维光线数据的特性来感知周围动态环境的变化,并以此发挥光场在智能系统中对环境决策的作用。光场成像技术突破了经典成像模型与数字相机的局限性,通过光场全光函数的表达方式,明确了光在时间域、空间域以... 详细信息

光场以能够记录现实环境中的高维光线数据的特性来感知周围动态环境的变化,并以此发挥光场在智能系统中对环境决策的作用。光场成像技术突破了经典成像模型与数字相机的局限性,通过光场全光函数的表达方式,明确了光在时间域、空间域以及光谱等多个维度的联系,进而完成了耦合感知、解耦重建等智能处理的任务,同时使得光场能够对多维大范围动态场景进行成像。光场成像技术因其独特的优势在重聚焦、虚拟现实、生命科学和国家安全等领域得到了长足的应用。然而,伴随着高维数据的离散化采样,光场成像技术正面临着同时获取高空间分辨率与高角度分辨率光场的基础难题,如何对稀疏化角度维度的光场数据进行高质量的稠密重建成为亟待解决的问题。本文针对光场成像技术无法同时获取高空间分辨率与高角度分辨率光场的问题,开展了光流场的稀疏光场稠密重建算法的研究,本文从二维光流基本原理出发,以光场双平面模型为基础,提出一种新的四维光场光流约束方程数学模型,利用该约束方程求解得到的光场光流确定新视角的位置坐标,并通过插值计算及图像反演逐点获得新坐标的强度值,最终获得高质量的新视角合成图像。多个不同场景的实验验证了本文算法具有很强的适应性。同时,定量评价结果说明本文算法能够完成不同场景的稀疏光场稠密重建任务。

关键词：稀疏采样光场稠密重建光流法四维光流约束方程

来源：评论

学校读者我要写书评

暂无评论

基于飞行时间相机的非合作慢旋卫星稠密重建研究

引用

导航定位与授时 2023年第5期10卷 40-52页

作者：符俊牟金震朱文山韩飞盛延平北京跟踪与通信技术研究所南京航空航天大学航天学院上海航天控制技术研究所

针对非合作慢旋卫星的模型重建问题，提出基于飞行时间(time-of-flight, TOF)相机和同时定位与制图(simultaneous localization and mapping, SLAM)的稠密重建方法。基于预先检测与自适应阈值方法提高旋转提取与描述(oriented fast and ... 详细信息

针对非合作慢旋卫星的模型重建问题，提出基于飞行时间(time-of-flight, TOF)相机和同时定位与制图(simultaneous localization and mapping, SLAM)的稠密重建方法。基于预先检测与自适应阈值方法提高旋转提取与描述(oriented fast and rotated brief, ORB)的特征尺度适应性。利用运动度量方法选取关键帧。利用子模型拼接方法加快重建效率。利用仿真环境制作非合作慢旋卫星的数据集。仿真实验结果表明：该方法能够实现长时间稳定地工作，可在3 min内重建出卫星模型的稠密点云，点云密度大于5 000,重建误差小于5 cm。利用机械臂、卫星模型及光学暗室搭建半物理实验系统，表明算法的精度及抗噪声能力基本满足非合作目标感知的任务的需求。

关键词：非合作目标飞行时间法相机慢旋卫星稠密重建子模型拼接目标感知

来源：评论

学校读者我要写书评

暂无评论

基于字典学习的稠密光场重建算法

引用

物理学报 2020年第6期69卷 73-81页

作者：夏正德宋娜刘宾潘晋孝闫文敏邵子惠中北大学理学院信息探测与处理山西省重点实验室太原030051 中北大学信息与通信工程学院信息探测与处理山西省重点实验室太原030051 瞬态冲击技术重点实验室北京102202 32178部队北京100220

相机阵列是获取空间中目标光场信息的重要手段,采用大规模密集相机阵列获取高角度分辨率光场的方法增加了采样难度和设备成本,同时产生的大量数据的同步和传输需求也限制了光场采样规模.为了实现稀疏光场采样的稠密重建,本文基于稀疏光... 详细信息

相机阵列是获取空间中目标光场信息的重要手段,采用大规模密集相机阵列获取高角度分辨率光场的方法增加了采样难度和设备成本,同时产生的大量数据的同步和传输需求也限制了光场采样规模.为了实现稀疏光场采样的稠密重建,本文基于稀疏光场数据,分析同一场景多视角图像的空间、角度信息的关联性和冗余性,建立有效的光场字典学习和稀疏编码数学模型,并根据稀疏编码元素间的约束关系,建立虚拟角度图像稀疏编码恢复模型,提出变换域稀疏编码恢复方法,并结合多场景稠密重建实验,验证提出方法的有效性.实验结果表明,本文方法能够对场景中的遮挡、阴影以及复杂的光影变化信息进行高质量恢复,可以用于复杂场景的稀疏光场稠密重建.本研究实现了线性采集稀疏光场的稠密重建,未来将针对非线性采集稀疏光场的稠密重建进行研究,以推进光场成像在实际工程中的应用.

关键词：光场字典学习稀疏编码稠密重建

来源：评论

学校读者我要写书评

暂无评论

基于深度滤波器优化的SLAM单目稠密重建

引用

传感器与微系统 2019年第9期38卷 19-23页

作者：杨海清曾俊飞浙江工业大学信息工程学院

稠密重建问题是视觉同时定位与地图构建(SLAM)的重要环节,每一个像素点深度距离的准确测量对稠密重建都起到重要作用。在工业应用中,往往使用RGB-D相机进行稠密重建,但是RGB-D相机有一些量程、应用范围和光照的限制。因此,采用滤波器方... 详细信息

稠密重建问题是视觉同时定位与地图构建(SLAM)的重要环节,每一个像素点深度距离的准确测量对稠密重建都起到重要作用。在工业应用中,往往使用RGB-D相机进行稠密重建,但是RGB-D相机有一些量程、应用范围和光照的限制。因此,采用滤波器方式深度估计的单目相机,不仅可以保证SLAM实时性要求,同时还适用于室外、大场景等场合。针对高斯滤波算法存在稠密重建准确率不高的问题,提出了一种基于簇的均匀—高斯深度滤波算法,采用改进的滤波算法处理错误匹配的像素点,在正确处理外点数据的基础上,解决深度值错误估计、相邻像素深度值相差过大的问题。实验结果表明:改进型深度估计算法重建的稠密地图更加细致,且重建准确率提高了约30%。

关键词：稠密重建视觉同时定位与地图构建(SLAM) 单目相机深度估计高斯分布

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：