针对在动态环境中,视觉定位系统的定位精度和鲁棒性容易受到动态特征点影响的问题,提出了一种联合目标检测与深度信息的动态特征点去除方法.引入YOLOv7目标检测网络快速获得当前图像帧的目标类别及位置信息,加入坐标注意力(coordinate attention,CA)机制优化深度学习模型,提升网络目标检测精度.此外,提出了一种利用深度信息和对极几何约束的动态特征点优化策略.有效剔除了动态特征点,同时保留了尽量多的静态点,从而降低了动态点对系统定位精度和鲁棒性的影响.在公开的数据集TUM上进行实验验证.结果表明:与ORBSLAM2(oriented fast and rotated brief-SLAM)相比,所提方案在定位精度和鲁棒性上有明显优势.同时与动态同步定位和地图构建(dyna simultaneous localization and mapping,DynaSLAM)相比,定位精度基本持平,但在运行速度上实现了显著提升.
三江源国家公园位于青藏高原腹地,拥有独特气候和丰富物种基因,在生态系统中具有特殊地位。然而,气候变化和人类活动的影响使其面临生态挑战。准确监测三江源国家公园植被净初级生产力(NPP)的时空变化对于促进生态环境的保护和改善至关重要。模型模拟是陆地生态系统研究的重要方法,但模拟结果存在不确定性。多模型集成技术能够综合不同模型的优点,提高NPP模拟的准确性,为研究NPP长时序变化提供思路,同时为环境治理提供科学支持。本文应用多模型集成分析方法,结合4种生态系统过程模型CLM、DALEC、CEVSA和GLOPEM-CEVSA,分析三江源国家公园2000—2018年NPP的时空变化,并探讨气候因子对NPP变化的影响。结果表明:①2000—2018年三江源国家公园年均NPP为251.17 g C m^(-2)a^(-1),澜沧江源园区最大(267.24 g C m^(-2)a^(-1)),长江源园区最小(121.88 g C m^(-2)a^(-1)),黄河源园区居中(198.81 g C m^(-2)a^(-1)),NPP呈现自东南向西北递减的空间分布。②2000—2018年三江源平均NPP为222.00~298.02 g C m^(-2)a^(-1),年际变化呈显著增加趋势,增速为9.8 g C m^(-2)10a^(-1)。③气候因子对三江源NPP的影响存在区域差异性,长江源园区和黄河源园区主要受到气温和辐射的影响,澜沧江源园区还受降水的显著影响。本文研究结果将为三江源国家公园生态保护成效评估和科学管理提供技术支撑与决策依据。
暂无评论