检索结果-内蒙古大学图书馆

中国图象图形学报 2025年第3期30卷 641-659页

作者：王健宇朱枫郝颖明王群赵鹏飞孙海波东北大学机器人科学与工程学院沈阳110169 中国科学院光电信息处理重点实验室沈阳110016 中国科学院沈阳自动化研究所沈阳110016 中国科学院大学北京100049 中国科学院上海微系统与信息技术研究所上海200050

目标检测是计算机视觉领域的基础研究方向之一。由于图像采集时物体摆放密集、光照条件差等因素导致图像失去细节,当使用此类图像作为输入时,常规的目标检测算法对目标物的检测结果无法满足任务需求。为了解决这类问题,面向目标检测的... 详细信息

目标检测是计算机视觉领域的基础研究方向之一。由于图像采集时物体摆放密集、光照条件差等因素导致图像失去细节,当使用此类图像作为输入时,常规的目标检测算法对目标物的检测结果无法满足任务需求。为了解决这类问题,面向目标检测的视点规划这一智能感知方法应运而生,其可自主分析当前条件下影响检测任务的因素,调整相机的位姿参数规避影响,实现目标物准确检测。面向目标检测的视点规划方法不仅可以辅助计算机视觉的其他领域,也会为未来的智能化生活提供便利。为了反映其研究现状和最新进展,本文梳理了2007年以来的文献,对国内外的研究方法做出概括性总结。首先,以算法应用的场景维度和调整参数作为分类依据,将面向目标检测的视点规划方法分为二维像素调整的规划方法、三维空间移动的规划方法以及两者结合的规划方法3类,本文重点对前两类方法进行分析与总结。其次,解析每类方法的基本思想,并指出各类方法需解决的关键问题,然后对解决问题的主要研究方法进行归纳和分析,并总结各自的优点和局限性。除此之外,本文也对各类场景下可使用的数据集和评价指标进行简要介绍。最后,在目前方法的分析基础上,探讨面向目标检测的视点规划领域所面临的挑战,并对未来研究方法进行展望。

关键词：目标检测主动视觉参数调整视点规划智能感知

来源：评论

学校读者我要写书评

暂无评论

基于RGBD图像和卷积神经网络的快速道路检测

引用

光学学报 2017年第10期37卷 116-124页

作者：曲磊王康如陈利利李嘉茂张晓林中国科学院上海微系统与信息技术研究所仿生视觉系统实验室上海200050 中国科学院大学北京100049

针对移动平台有限的计算资源以及基于彩色图像的道路检测方法在极端光照情况下及路面类型变化时存在的不足,提出了一种融合彩色图像和视差图像的基于9层卷积神经网络的快速道路检测算法。提出一种数据输入层预处理方法,将视差图变换为... 详细信息

针对移动平台有限的计算资源以及基于彩色图像的道路检测方法在极端光照情况下及路面类型变化时存在的不足,提出了一种融合彩色图像和视差图像的基于9层卷积神经网络的快速道路检测算法。提出一种数据输入层预处理方法,将视差图变换为视差梯度图以强化地面特征,降低网络深度需求。所提两种网络结构为双通道后融合网络和单通道前融合网络,分别用于卷积特征分析和快速道路检测。实验使用KITTI道路检测数据集并人为划分为普通和困难两组数据集,对该算法进行实验对比和分析,结果表明:与基于彩色图像的卷积神经网络方法相比,该算法在普通数据集上最大F1指标(MaxF1)提升了1.61%,在困难数据集上MaxF1提升了11.58%,算法检测速度可达26frame/s,可有效克服光照、阴影、路面类型变化等影响。

关键词：图像处理道路检测卷积神经网络视差图像立体视觉

来源：评论

学校读者我要写书评

暂无评论

基于语义先验和深度约束的室内动态场景RGB-D SLAM算法

引用

信息与控制 2021年第3期50卷 275-286页

作者：姜昊辰刘衍青彭镜铨李嘉茂朱冬晨张晓林中国科学院上海微系统与信息技术研究所仿生视觉与系统实验室上海200050 中国科学院大学北京100049

针对大多数同时定位与地图构建(simultaneous localization and mapping,SLAM)系统在动态场景下位姿估计不准确的问题,本文提出了一个基于语义先验的加权极线和深度约束的运动一致性检测算法,以此构建一个室内动态场景下的视觉SLAM系统... 详细信息

针对大多数同时定位与地图构建(simultaneous localization and mapping,SLAM)系统在动态场景下位姿估计不准确的问题,本文提出了一个基于语义先验的加权极线和深度约束的运动一致性检测算法,以此构建一个室内动态场景下的视觉SLAM系统.该系统首先对输入图像进行语义分割,获取潜在运动特征点集合;其次对图像非潜在运动区域进行特征点提取,获取帧间变换的初值,利用加权的极线约束和深度约束完成对潜在外点(如运动特征点)的二次判断,并将外点移除从而更新静态特征点集合.最后利用静态特征点集实现对相机位姿的精确求解,并作为位姿优化的初值送入后端.本文在TUM(慕尼黑工业大学)数据集上的9个动态场景序列以及波恩复杂动态环境数据集的3个图像序列上进行了多次对比测试,其绝对轨迹误差(ATE)的均方根误差(RMSE)与现有先进的动态SLAM系统DS-SLAM相比降低了10.53%~93.75%,对于平移和旋转相对位姿误差(RPE),RMSE指标最高实现73.44%和68.73%的下降.结果表明,改进的方法能够显著降低动态环境下的位姿估计误差.

关键词：语义先验动态场景即时定位与建图运动一致性检测深度约束位姿估计

来源：评论

学校读者我要写书评

暂无评论

融合Gist特征与卷积自编码的闭环检测算法

引用

激光与光电子学进展 2019年第18期56卷 190-198页

作者：邱晨力黄东振刘华巍袁晓兵李宝清中国科学院上海微系统与信息技术研究所微系统技术重点实验室上海201800 中国科学院大学北京100049

闭环检测算法可消除视觉同时定位与建图(VSLAM)系统的累计误差,并对构建全局一致性地图有重要作用。针对现有传统闭环检测算法在视角与场景外观变化下准确率与稳健性降低,及部分基于深度学习方法特征提取与闭环识别实时性不佳的问题,设... 详细信息

闭环检测算法可消除视觉同时定位与建图(VSLAM)系统的累计误差,并对构建全局一致性地图有重要作用。针对现有传统闭环检测算法在视角与场景外观变化下准确率与稳健性降低,及部分基于深度学习方法特征提取与闭环识别实时性不佳的问题,设计了一种融合Gist特征与卷积自编码的闭环检测算法,将Gist特征作为卷积自编码网络重构目标,可增强模型在外观变化下的场景特征表达能力;同时通过透视变换构造视角变化训练图像对,以提升模型在视角变化下闭环检测的准确率与稳健性。所设计的模型较精简,可实现实时关键帧特征提取与闭环检测。在Gardens Point与Nordland数据集的实验结果表明,相较于传统视觉词袋模型(BoVW)、Gist算法及现有部分深度学习方法,本文算法可以达到更高的准确率和稳健性。

关键词：机器视觉同时定位与建图闭环检测卷积自编码深度学习

来源：评论

学校读者我要写书评

暂无评论

大视场域的目标检测与识别算法综述

引用

激光与光电子学进展 2020年第12期57卷 15-29页

作者：李唐薇童官军李宝清卢晓洋中国科学院上海微系统与信息技术研究所微系统技术重点实验室上海201800 中国科学院大学北京100049

目标精确感知与识别为信息化战争提供了一个重要的技术增长点,全景视觉传感设备因其拥有大视场(LFOV)范围优势而逐渐被应用于安防及军事领域中的目标检测与识别任务.首先从相机成像模型、图像成像质量以及目标物体的非对称性三个方面对... 详细信息

目标精确感知与识别为信息化战争提供了一个重要的技术增长点,全景视觉传感设备因其拥有大视场(LFOV)范围优势而逐渐被应用于安防及军事领域中的目标检测与识别任务.首先从相机成像模型、图像成像质量以及目标物体的非对称性三个方面对存在的困难以及挑战进行阐述.基于是否进行畸变校正预处理,将近年来LFOV域的目标检测与识别算法分为基于畸变校正的目标检测与识别算法和基于原始LFOV图像的目标检测与识别算法两类,并针对这两类算法进行了全面梳理和总结,对当前LFOV域的目标检测与识别各类算法的统一性和差异性进行思考分析,探讨其未来发展趋势.

关键词：图像处理目标检测与识别大视场图像畸变校正

来源：评论

学校读者我要写书评

暂无评论

基于自适应特征增强的小目标检测网络

引用

激光与光电子学进展 2023年第6期60卷 55-62页

作者：吴萌萌张泽斌宋尧哲舒子婷李宝清中国科学院上海微系统与信息技术研究所微系统技术重点实验室上海201800 中国科学院大学北京100049

由于尺寸有限、外观和几何线索较少以及缺少大规模小目标数据集,从图像中检测小目标仍然是计算机视觉领域中一个具有挑战性的难题.针对这个问题,提出一种自适应特征增强的目标检测网络(YOLO-AFENet)来改善小目标的检测精度.首先,通过引... 详细信息

由于尺寸有限、外观和几何线索较少以及缺少大规模小目标数据集,从图像中检测小目标仍然是计算机视觉领域中一个具有挑战性的难题.针对这个问题,提出一种自适应特征增强的目标检测网络(YOLO-AFENet)来改善小目标的检测精度.首先,通过引入特征融合因子,设计改进的自适应双向特征融合模块,充分利用各个尺度的特征图,提高网络的特征表达能力;其次,结合网络自身的特点,提出空间注意力生成模块,通过学习图像中感兴趣区域的位置信息以提高网络的特征定位能力.在UAVDT数据集上实验结果表明:所提YOLO-AFENet的平均精度(AP)比改进前的YOLOv5提高了 6.3个百分点,同时也优于其他目标检测网络.

关键词：图像处理目标检测小目标多尺度特征融合空间注意力 UAVDT

来源：评论

学校读者我要写书评

暂无评论

视觉传感器和惯性传感器的时间标定方法

引用

光学学报 2021年第24期41卷 193-202页

作者：付凤杰李辰懋吴丽刘衍青朱冬晨李嘉茂张晓林中国科学院上海微系统与信息技术研究所传感技术联合国家重点实验室-仿生视觉系统实验室上海200050 中国科学院大学北京100049 上海科技大学信息科学与技术学院上海201210

视觉惯性信息融合的同时定位和建图(SLAM)技术是机器人导航领域的热点问题。多模态数据同步是数据融合算法的前提,其关键在于获取不同传感器采集时刻的准确时间戳。视觉传感器的时间戳可通过硬件方法准确获得,而惯性传感器的时间戳通常... 详细信息

视觉惯性信息融合的同时定位和建图(SLAM)技术是机器人导航领域的热点问题。多模态数据同步是数据融合算法的前提,其关键在于获取不同传感器采集时刻的准确时间戳。视觉传感器的时间戳可通过硬件方法准确获得,而惯性传感器的时间戳通常粗略地用输出时间代替,这必将导致视觉惯性融合算法精度的降低。针对该问题提出了一种视觉惯性传感器的时间同步标定方法。首先设计了一种基于平面单摆的标定装置,视觉传感器与惯性传感器在平面单摆运动中独立捕获数据,并基于同一时钟添加时间标记;其次,提出了基于最小二乘法估计摆锤重心角位移函数和角速度函数的方法;最后,通过比较两个函数的相位差获得惯性传感器的输出延时和时间戳。实验结果表明所提方法的重复标定均方差为0.018 ms,这证明所提方法的有效性。

关键词：机器视觉时间同步标定单摆标定装置视觉惯性同步视觉惯性传感器数据采集时间戳

来源：评论

学校读者我要写书评

暂无评论

基于迭代式自主学习的三维目标检测

引用

光学学报 2020年第9期40卷 127-139页

作者：王康如谭锦钢杜量陈利利李嘉茂张晓林中国科学院上海微系统与信息技术研究所仿生视觉系统实验室上海200050 中国科学院大学北京100049 复旦大学类脑智能科学与技术研究院计算神经科学与类脑智能教育部重点实验室上海200433

为了提高基于双目视觉的三维目标检测的精度与鲁棒性,提出了一种基于迭代式自主学习的三维目标检测算法。首先,为了给三维目标检测任务提供更精准的目标点云信息,提出了一种基于迭代式自主学习的视差估计算法,通过迭代地增加目标区域的... 详细信息

为了提高基于双目视觉的三维目标检测的精度与鲁棒性,提出了一种基于迭代式自主学习的三维目标检测算法。首先,为了给三维目标检测任务提供更精准的目标点云信息,提出了一种基于迭代式自主学习的视差估计算法,通过迭代地增加目标区域的视差监督信号以及引入选择性优化策略,提高了视差估计在目标区域中的准确性。其次,在网络结构中,提出了一种自适应特征融合机制,将不同模态信息的特征进行自适应融合,进而得到准确且稳定的目标检测结果。结果表明,与近年来较流行的基于视觉系统的算法相比,所提出的三维目标检测算法在检测精度上有较大提升。

关键词：机器视觉三维目标检测立体视觉卷积神经网络自主学习

来源：评论

学校读者我要写书评

暂无评论

在线多类别逐点式多目标跟踪与分割

引用

计算机工程与应用 2022年第19期58卷 193-201页

作者：毕鑫谭锦钢张广慧中国科学院上海微系统与信息技术研究所仿生视觉系统实验室上海200050 中国科学院大学北京100049

现有基于深度学习的多目标跟踪算法大多利用目标检测任务预测的边界框跟踪目标,当目标间存在遮挡时,边界框会产生重叠进而影响跟踪准确度,针对这个问题,提出了一种在线多类别逐点式多目标跟踪与分割(cate-gory-free point-wise multi-ob... 详细信息

现有基于深度学习的多目标跟踪算法大多利用目标检测任务预测的边界框跟踪目标,当目标间存在遮挡时,边界框会产生重叠进而影响跟踪准确度,针对这个问题,提出了一种在线多类别逐点式多目标跟踪与分割(cate-gory-free point-wise multi-object tracking and segmentation,CPMOTS)算法。该算法摒弃了边界框的目标表征方式,利用实例分割的像素级掩码表征目标进行跟踪,网络采用并行结构同时分割与跟踪多类别目标,并保证了运行效率,这在真实场景中有很强的实用性。CPMOTS首先利用实例分割网络得到实例分割掩码,对其采样得到无序点集;然后将点集的特征输入跟踪网络得到判别性的实例级嵌入向量;最后将该嵌入向量通过直观高效的注意力模块以显式建模其通道间的依赖关系,自适应学习每个特征通道的重要程度,依照这个重要程度选择性地强化有用的特征,抑制无用的特征,实现通道特征重标定,从而提高算法的性能。在多目标跟踪与分割基准数据集KITTI MOTS的实验表明,CPMOTS跟踪的精度优于大部分其他对比方法,并达到了16 frame/s的近实时速度。

关键词：深度学习多目标跟踪与分割实例分割注意力模块特征重标定

来源：评论

学校读者我要写书评

暂无评论

基于DiMP模型迁移重组的RGBD目标跟踪

引用

计算机工程与应用 2022年第20期58卷 181-187页

作者：邱守猛谷宇章袁泽强中国科学院上海微系统与信息技术研究所仿生视觉系统实验室上海200050 中国科学院大学北京100049

深度图可以提供运动目标所处的三维空间结构信息,因此可以用来提升跟踪性能。但目前缺少基于RGBD的目标跟踪数据集,无法直接训练RGBD输入下的深度学习跟踪器。对此,提出了一种基于知识对齐的模型迁移重组算法,可以方便地将在其他RGBD任... 详细信息

深度图可以提供运动目标所处的三维空间结构信息,因此可以用来提升跟踪性能。但目前缺少基于RGBD的目标跟踪数据集,无法直接训练RGBD输入下的深度学习跟踪器。对此,提出了一种基于知识对齐的模型迁移重组算法,可以方便地将在其他RGBD任务上训练得到的模型迁移到基于DiMP的跟踪算法上来,并且对于不同的跟踪对象不需要重新计算迁移参数。另外,针对深度图信息不稳定的问题,提出了一种高效的平滑稳定算法。在VOTRGBD数据集上的实验结果表明,迁移融合后的特征可以显著提升目标和背景之间的判别性,有效提升跟踪器的性能。

关键词：模型迁移深度信息信息融合目标跟踪

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：