检索结果-内蒙古大学图书馆

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

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

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

基于双分支孪生网络的目标跟踪

引用

计算机工程与应用 2021年第24期57卷 135-143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

基于孪生网络的目标跟踪算法将跟踪问题建模为目标特征和搜索区特征之间的匹配问题。匹配程度通常是根据二者特征之间的相关响应来衡量。目前该衡量方式仍存在以下局限:一方面,对目标的不同区域使用的是相同的特征提取器,没有考虑到目... 详细信息

基于孪生网络的目标跟踪算法将跟踪问题建模为目标特征和搜索区特征之间的匹配问题。匹配程度通常是根据二者特征之间的相关响应来衡量。目前该衡量方式仍存在以下局限:一方面,对目标的不同区域使用的是相同的特征提取器,没有考虑到目标内部和轮廓处的区别;另一方面,在特征之间相关性的求解过程中,模板空间结构是固定的,无法很好地应对目标形变时的情况,鲁棒性较差。为解决上述问题,提出了一种双分支孪生网络目标跟踪算法SiamDAH(Double Adjust Head Siamese Network for Object Tracking),其中双分支结构旨在考虑目标内部区域和轮廓处的表征需求差异。此外,提出了一种改进的逐像素相关模块,有效降低了传统相关操作时模板结构固定带来的问题。在GOT-10k数据集上的实验结果表明,提出的算法在AO、SR0.5、SR0.75指标上较基准算法分别实现了3.4%、7.0%、2.3%的提升。在NVIDIA RTX 2080Ti上速度可达90 frame/s。

关键词：目标跟踪孪生网络双分支逐像素相关

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

边缘引导特征融合和代价聚合的立体匹配算法

引用

计算机工程与应用 2022年第21期58卷 182-188页

作者：张浩东宋嘉菲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 上海科技大学上海201210

针对立体匹配在精细结构,尤其边缘处的误差较大的问题,提出了利用边缘引导特征融合和代价聚合的立体匹配算法。利用图像边缘引导不同尺度特征体加权融合,即对小尺度特征体的边缘处,大尺度特征体的非边缘处赋予更大权重,以获得表征能力... 详细信息

针对立体匹配在精细结构,尤其边缘处的误差较大的问题,提出了利用边缘引导特征融合和代价聚合的立体匹配算法。利用图像边缘引导不同尺度特征体加权融合,即对小尺度特征体的边缘处,大尺度特征体的非边缘处赋予更大权重,以获得表征能力更强的融合特征体。在代价聚合阶段弱化边缘处匹配代价,减少不可靠信息传播。所提方法在SceneFlow和KITTI 2015数据集进行了评估,将基准网络PSMNet的误差分别降低了35.2%、2.2%。实验证明,边缘信息的引入针对性地改善了现有算法在精细结构处(尤其边缘处)的视差求解,提高了整体预测精度。此外,所提的模块是轻量的,可适用于不同的立体匹配网络。

关键词：机器视觉立体匹配卷积神经网络双目视觉边缘信息

来源：评论

学校读者我要写书评

暂无评论

基于注意力机制和深度先验的注视点检测网络

引用

计算机工程与应用 2024年第14期60卷 240-249页

作者：朱芸朱冬晨张广慧孙彦赞张晓林上海大学通信与信息工程学院上海200444 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 中国科学技术大学合肥230026 上海科技大学上海201210 中国科学院雄安创新研究院河北雄安071702

人类注视行为作为一种非语言线索,对揭示人类意图起着重要作用,注视点检测在机器视觉领域已引起广泛关注。然而,现有方法多聚焦于图像的纹理信息提取,忽视了立体深度信息对注视点估计的重要性,难以应对纹理复杂场景。对此,提出了一种新... 详细信息

人类注视行为作为一种非语言线索,对揭示人类意图起着重要作用,注视点检测在机器视觉领域已引起广泛关注。然而,现有方法多聚焦于图像的纹理信息提取,忽视了立体深度信息对注视点估计的重要性,难以应对纹理复杂场景。对此,提出了一种新的基于注意力机制和深度先验的注视点检测网络,包括面部视线方向预测与场景显著性检测两个阶段。在视线方向预测阶段,建立通道-空间注意力机制模块以重校准纹理特征,并设计头部位置编码分支,实现纹理和头部位置感知增强的高表征特征,以准确预测视线方向。进一步,提出将表征三维场景中立体或距离信息的深度作为先验引入到显著性检测阶段的策略,同时通过通道-空间注意力机制增强多尺度纹理特征,充分发挥深度几何信息和图像纹理信息的优势,提高注视点检测的准确性。实验结果表明,在两个权威数据集GazeFollow和DLGaze上与其他先进方法相比,该模型表现出显著的优越性。

关键词：注视点检测注意力机制深度先验特征融合神经网络

来源：评论

学校读者我要写书评

暂无评论

轻量级自适应上采样立体匹配

引用

计算机工程与应用 2022年第16期58卷 139-146页

作者：宋嘉菲张浩东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 上海科技大学信息科学与技术学院上海201210 中国科学院大学北京100049

针对现有立体匹配深度学习模型中常采用线性插值进行代价体上采样,而无法充分利用邻域纹理信息的问题,提出了一个自适应上采样模块。该模块首先为高分辨率输出中每一个像素位置自适应学习采样的权重窗口,然后采用最近邻方法将低分辨率... 详细信息

针对现有立体匹配深度学习模型中常采用线性插值进行代价体上采样,而无法充分利用邻域纹理信息的问题,提出了一个自适应上采样模块。该模块首先为高分辨率输出中每一个像素位置自适应学习采样的权重窗口,然后采用最近邻方法将低分辨率输入上采样后在对应位置使用学习到的权重卷积得到最终对应高分辨输出的值。该模块具有三个特点:(1)大感受野,通过堆叠的空洞卷积以及多尺度窗口提高像素的邻域纹理感知能力;(2)轻量级,与线性插值相比,不需增加过多计算量;(3)通用性,可以移植到现有网络,替换其插值方法。在数据集SceneFlow、KITTI2015上的实验表明,通过采用所提模块替换PSMNet和AANet中的三线性插值,可以有效地降低各自的误差26.4%、10.3%(SceneFlow)和15.4%、18.9%(KITTI2015)。

关键词：深度学习立体匹配代价体上采样轻量级

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：