检索结果-内蒙古大学图书馆

激光与光电子学进展 2022年第4期59卷 400-408页

作者：任丽军刘元盛钟科娣北京联合大学北京市信息服务工程重点实验室北京100101 北京市智能机械创新设计服务工程技术研究中心北京100101

针对园区等环境结构性强而全球导航卫星系统(GNSS)信号不稳定的应用场景及无人车应用激光雷达同时定位与建图(SLAM)技术缺乏对于场景的语义理解能力而造成的定位误差问题,提出了一种单目相机与激光雷达融合构建三维语义地图的方法。该... 详细信息

针对园区等环境结构性强而全球导航卫星系统(GNSS)信号不稳定的应用场景及无人车应用激光雷达同时定位与建图(SLAM)技术缺乏对于场景的语义理解能力而造成的定位误差问题,提出了一种单目相机与激光雷达融合构建三维语义地图的方法。该方法以园区环境结构性强、车辆行人动态变化高的特征为依据,通过改进的全景特征金字塔网络(PFPN)进行场景视觉语义分割,然后采用像素级融合方法为激光点云提供语义信息,从而有效地去除了正态分布变换(NDT)建图过程中动态目标的干扰,进而提高了无人车SLAM技术在动态环境中的鲁棒性和精确性。在旋风智能无人驾驶平台上进行实验验证,并与原始NDT方法进行了比较,实验结果表明:所提方法能够全面提升建图精度,其中位姿精度最为显著,提高了34.34%;除此之外,建图的点云数量也降低了39.78%,大大提高了建图速度。

关键词：遥感激光雷达语义地图语义分割数据融合

来源：评论

学校读者我要写书评

暂无评论

基于特征融合级联网络的交通标识牌检测算法

引用

计算机应用与软件 2022年第4期39卷 193-198,268页

作者：魏威李学伟北京联合大学北京市信息服务工程重点实验室北京100101 北京联合大学机器人学院北京100101

准确检测交通标识牌对提高驾驶的安全性具有十分重要的作用,随着深度学习的不断发展完善,基于深度学习的检测算法也应运而生,但这些方法存在检测小目标精度低的问题。针对这一问题,提出一种基于特征融合级联网络的标识牌检测算法。该算... 详细信息

准确检测交通标识牌对提高驾驶的安全性具有十分重要的作用,随着深度学习的不断发展完善,基于深度学习的检测算法也应运而生,但这些方法存在检测小目标精度低的问题。针对这一问题,提出一种基于特征融合级联网络的标识牌检测算法。该算法在Faster R-CNN框架的基础上增加了特征融合模块,将网络中提取的浅层特征信息与深层特征信息相融合,这样就能够同时利用深层特征图中语义信息和浅层特征图中小目标的特征信息来检测标识牌。在特征融合网络后级联一个网络来解决特征融合网络误分类。在Tsinghua-Tencent 100k交通标识数据集上进行实验,结果表明该算法对标识牌的检测的平均检测率有明显提升。

关键词：深度学习小目标检测标识牌检测特征融合级联网络

来源：评论

学校读者我要写书评

暂无评论

引入注意力机制的JDE多目标跟踪方法

引用

计算机工程与应用 2022年第21期58卷 189-196页

作者：晏康曾凤彩何宁贺宇哲张人北京联合大学智慧城市学院北京100101 北京联合大学北京市信息服务工程重点实验室北京100101

多目标跟踪是计算机视觉领域的一个重要研究内容。JDE(joint detection and embedding)多目标跟踪算法推理速度和精度较高,但是当目标重叠或尺度较小时,该算法的跟踪效果较差。针对以上问题,提出了Attention-JDE,该模型结合了注意力机... 详细信息

多目标跟踪是计算机视觉领域的一个重要研究内容。JDE(joint detection and embedding)多目标跟踪算法推理速度和精度较高,但是当目标重叠或尺度较小时,该算法的跟踪效果较差。针对以上问题,提出了Attention-JDE,该模型结合了注意力机制、多尺度融合等思想,利用特征金字塔(feature pyramid)和空间金字塔池化(spatial pyramid pooling)提升模型对于小尺度目标的检测和跟踪能力,结合空间域注意力机制和通道域注意力机制改进模型在目标发生重叠时的跟踪效果。此外,还引入了Mish激活函数有效地降低跟踪时的ID切换次数。在MOT16数据集进行验证,结果表明,与原JDE方法以及其他主流方法相比,Attention-JDE具有更高的跟踪精度(MOTA),同时速度能够达到19.5 FPS,实时性较高。

关键词：多目标跟踪注意力机制多尺度融合特征增强 JDE算法

来源：评论

学校读者我要写书评

暂无评论

基于非局部高分辨率网络的人体姿态估计方法

引用

计算机工程与应用 2022年第13期58卷 227-234页

作者：孙琪翔张睿哲何宁张聪聪北京联合大学北京市信息服务工程重点实验室北京100101 北京联合大学智慧城市学院北京100101

人体姿态估计是计算机视觉中的基础任务,其可应用于动作识别、游戏、动画制作等。受非局部均值方法的启发,设计了非局部高分辨率网络(non-local high-resolution,NLHR),在原始图像1/32分辨率的网络阶段融合非局部网络模块的,使网络有了... 详细信息

人体姿态估计是计算机视觉中的基础任务,其可应用于动作识别、游戏、动画制作等。受非局部均值方法的启发,设计了非局部高分辨率网络(non-local high-resolution,NLHR),在原始图像1/32分辨率的网络阶段融合非局部网络模块的,使网络有了获取全局特征的能力,从而提高人体姿态估计的准确率。NLHR网络在MPII数据集上训练,在MPII验证集上测试,PCKh@0.5评价标准下的平均准确率为90.5%,超过HRNet基线0.2个百分点;在COCO人体关键点检测数据集上训练,在COCO验证集上测试,平均准确率为76.7%,超过HRNet基线2.3个百分点。通过3组消融实验,验证NLHR网络针对人体姿态估计在精度上能够超过现有的人体姿态估计网络。

关键词：人体姿态估计非局部均值非局部网络模块 HRNet基线

来源：评论

学校读者我要写书评

暂无评论

基于改进无锚框网络的小尺度车辆目标检测方法

引用

计算机工程与设计 2022年第10期43卷 2799-2804页

作者：刘腾刘宏哲李学伟徐成北京联合大学北京市信息服务工程重点实验室北京100101 北京联合大学机器人学院北京100101

小尺度车辆目标检测现已成为交通场景下目标检测中亟待解决的难题。对其中的难点进行研究,提出一种基于无锚框目标检测网络改进的算法。使用自适应特征提取方法,增强小尺度特征的表达,提高小尺度目标的特征提取能力;通过改进特征融合方... 详细信息

小尺度车辆目标检测现已成为交通场景下目标检测中亟待解决的难题。对其中的难点进行研究,提出一种基于无锚框目标检测网络改进的算法。使用自适应特征提取方法,增强小尺度特征的表达,提高小尺度目标的特征提取能力;通过改进特征融合方法,将浅层信息逐层融合,解决特征丢失的问题。引入注意力增强方法,增加中心点预测能力,解决目标遮挡问题。实验结果表明,该算法在UA-DETRAC数据集上有很好的检测效果,较改进前车辆检测能力有较大提升,满足实时检测的要求,检测速度达到了59,平均精度均值为92.9%。

关键词：小尺度车辆目标检测无锚框目标检测智慧交通深度学习注意力机制

来源：评论

学校读者我要写书评

暂无评论

面向深度学习目标检测模型训练不平衡研究

引用

计算机工程与应用 2022年第5期58卷 172-178页

作者：贺宇哲何宁张人梁煜博刘晓晓北京联合大学北京市信息服务工程重点实验室北京100101 北京联合大学智慧城市学院北京100101

目标检测作为计算机视觉的任务之一已经成为研究热点问题。目前,基于深度学习的目标检测算法层出不穷,但大多数情况下学者只关心它们的模型架构,而忽视了其训练过程。目标检测网络在训练过程中会存在明显的不平衡问题,导致模型检测性能... 详细信息

目标检测作为计算机视觉的任务之一已经成为研究热点问题。目前,基于深度学习的目标检测算法层出不穷,但大多数情况下学者只关心它们的模型架构,而忽视了其训练过程。目标检测网络在训练过程中会存在明显的不平衡问题,导致模型检测性能降低,不能达到预期的最佳效果。不平衡问题主要包括两个层次,分别是特征图层次和目标函数层次。为了能够充分发挥目标检测模型架构的潜力,实现更好的训练过程,提出利用Balanced Feature Pyramid和Balanced L_(1) Loss两个模块,同时将它们加入到基于ResNet-50-FPN的Faster R-CNN中,目的是解决Faster R-CNN模型在训练过程中存在的特征图层次和目标函数层次的不平衡问题。通过在MSCOCO数据集上验证,实验结果表明平衡后的模型可达到AP是38.5%的结果,比原Faster R-CNN目标检测模型提高了1.1个百分点。

关键词：目标检测深度学习不平衡问题 Faster R-CNN

来源：评论

学校读者我要写书评

暂无评论

基于Dueling DDQN的无人车换道决策模型

引用

东北师大学报（自然科学版） 2022年第1期54卷 63-71页

作者：张鑫辰张军刘元盛谢龙洋北京联合大学北京市信息服务工程重点实验室北京100101 北京联合大学机器人学院北京100101

针对高速公路场景中无人驾驶车的换道决策问题,提出一种基于竞争结构的双深度Q网络(DDQN)的无人车换道决策模型.在深度Q网络的基础上,将无人车动作的选择和评估分别用不同的神经网络来实现,并将Q网络分为仅与状态S相关的价值函数和同时... 详细信息

针对高速公路场景中无人驾驶车的换道决策问题,提出一种基于竞争结构的双深度Q网络(DDQN)的无人车换道决策模型.在深度Q网络的基础上,将无人车动作的选择和评估分别用不同的神经网络来实现,并将Q网络分为仅与状态S相关的价值函数和同时与状态S和动作A相关的优势函数两部分,使得Dueling DDQN模型可以更好地理解外部的状态环境.使用训练模型在不同复杂程度的道路环境中进行测试,同时与DQN和DDQN进行了实验对比.结果表明,该算法提高了无人车换道决策的成功率,并在保证车辆安全的前提下提高了无人车的行驶效率,在复杂的道路场景下的适用性更强.

关键词：无人车换道决策双深度Q网络

来源：评论

学校读者我要写书评

暂无评论

基于Transformer和边缘解耦的鸟瞰地图语义分割算法

引用

计算机应用研究 2023年第11期40卷 3432-3436页

作者：梁天骄郑颖潘卫国鲍泓北京联合大学北京市信息服务工程重点实验室北京100101 北京联合大学机器人学院北京100027 中国矿业大学(北京)机电与信息工程学院北京100083

高精(high-definition,HD)地图可以提供准确的道路信息和丰富的语义信息,使自动驾驶系统引导车辆正确行驶。高精地图通常依赖人工标注,现有自动化标注方法在自动驾驶场景下的识别精度较低,导致高精地图标注效率低下。为了解决这一问题,... 详细信息

高精(high-definition,HD)地图可以提供准确的道路信息和丰富的语义信息,使自动驾驶系统引导车辆正确行驶。高精地图通常依赖人工标注,现有自动化标注方法在自动驾驶场景下的识别精度较低,导致高精地图标注效率低下。为了解决这一问题,提出了一种新的用于高精地图自动标注的语义分割方法MapFormer,包括一个多级特征融合模块,能够使模型聚合不同级别的细节和语义信息;一种新的边界解耦联合解码器用以提高模型处理类别间边界的能力。在鸟瞰图数据集上的实验验证了该模型不仅在分割精度上取得了优秀的表现,而且在对类别边界的处理上更为清晰。其mIoU为55.82%,高于SegFormer的mIoU 1.03%,该方法可提升高精地图标注效率与标注自动化率。

关键词：深度学习语义分割 Transformer 高精地图

来源：评论

学校读者我要写书评

暂无评论

基于深度相机的ORB-SLAM2在矿井救援空间构建应用

引用

东北师大学报（自然科学版） 2023年第2期55卷 89-98页

作者：贯怀光杨鹏吕文生王璟北京联合大学北京市信息服务工程重点实验室北京100101 北京联合大学城市轨道交通与物流学院北京100101 北京科技大学土木与资源工程学院北京100083

矿井在发生安全事故时,由于井下空间条件不确定,救援人员很难到达矿井地下.为了解决这一问题,搭建可实现空间构建且能适应潮湿、粉尘等环境的小型轻量化矿井救援机器人,以获取矿井非现场物理空间信息.选择基于深度相机的ORB-SLAM2作为... 详细信息

矿井在发生安全事故时,由于井下空间条件不确定,救援人员很难到达矿井地下.为了解决这一问题,搭建可实现空间构建且能适应潮湿、粉尘等环境的小型轻量化矿井救援机器人,以获取矿井非现场物理空间信息.选择基于深度相机的ORB-SLAM2作为实时框架,框架由图像预处理、跟踪、局部建图、闭环组成.在图像预处理中,通过图像金字塔、灰度质心法实现ORB特征的旋转和尺度不变性.在跟踪线程中,通过基于参考关键帧方法、恒速关键帧方法、重定位方法进行粗糙跟踪,再通过局部地图跟踪进行精确跟踪,估计关键帧的位姿姿态.在局部线程中,进行插入和剔除冗余关键帧,通过共视图方法生成更多的地图点.在闭环线程中,检测是否存在相同信息,通过sim3相似变换进行闭环校正.使用TUM数据集对算法进行仿真测试,采用EVO测试RMSE误差在0.004~0.043 m范围内,定位精度可达到厘米级.借助矿井救援机器人试验平台,利用结构光相机的ORB-SLAM2的方法生成真实空间三维模型,对空间构建效果进行研究与应用,为矿山救援井下智能巡检装备提供方法.

关键词：矿井救援点云构建 ORB-SLAM2 RGB-D 机器人

来源：评论

学校读者我要写书评

暂无评论

融合可变形卷积网络的鱼眼图像目标检测

引用

计算机工程 2021年第4期47卷 248-255页

作者：包俊刘宏哲北京联合大学北京市信息服务工程重点实验室北京100101

环视鱼眼图像具有目标形变大和图像失真的缺点,导致传统网络结构在对鱼眼图像进行目标检测时效果不佳。为解决环视鱼眼图像中由于目标几何畸变而导致的目标检测难度大的问题,提出一种基于可变形卷积网络的鱼眼图像目标检测方法。将Casca... 详细信息

环视鱼眼图像具有目标形变大和图像失真的缺点,导致传统网络结构在对鱼眼图像进行目标检测时效果不佳。为解决环视鱼眼图像中由于目标几何畸变而导致的目标检测难度大的问题,提出一种基于可变形卷积网络的鱼眼图像目标检测方法。将Cascade_RCNN中固定的卷积层和池化层分别替换为可变形卷积层和可变形池化层,使用Resnet50网络提取候选区域以获得检测框,级联具有不同IoU阈值的检测网络进行检测框抑制。在公开鱼眼图像数据集SFU_VOC_360和本文所采集的真实道路场景鱼眼图像数据集上进行实验,结果表明,该方法在鱼眼图像目标检测中具有有效性,目标检测准确率高于Cascade_RCNN网络。

关键词：鱼眼图像可变形卷积可变形池化目标检测环视系统

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：