当前全球导航卫星系统与激光雷达的数据融合被广泛应用于无人驾驶车辆的定位系统中,但在室内环境下由于卫星信号的丢失导致定位精度低甚至无法定位。为此提出一种基于超宽带(Ultra-Wideband,UWB)与激光雷达(Light Detection and Ranging...
详细信息
当前全球导航卫星系统与激光雷达的数据融合被广泛应用于无人驾驶车辆的定位系统中,但在室内环境下由于卫星信号的丢失导致定位精度低甚至无法定位。为此提出一种基于超宽带(Ultra-Wideband,UWB)与激光雷达(Light Detection and Ranging,LiDAR)的融合定位算法。该算法以粒子滤波为基础,对两个传感器的定位数据进行互补融合解算。利用UWB实时定位数据通过提供起始粒子范围的方式来提高LiDAR的定位速率。通过求解LiDAR定位信息与粒子之间的几何距离来更新粒子的权重,从而弥补UWB的非视距误差。搭建一个室内测试场景,并将融合定位算法在智能小车平台上进行验证。实验结果表明,该方法优于UWB或LiDAR单一传感器的定位方案,而且在UWB视距受阻或LiDAR匹配失效的情况下,车辆仍能够获得良好的定位精度和定位实时性。
近年来,随着高校对教育信息化的重视程度不断提高和人工智能平台的盛行,应用人工智能助力智慧课堂教学的研究越来越多。课堂情感理解就是基于表情等因素分析学生上课的情绪状态。由于受学生人脸容易被遮挡、静态表情难实现情感分析的局限性、人脸数据集不足等影响,使课堂的情感理解成为了一个非常具有挑战性的任务。文中综述了诸多课堂场景下的情感分析方法,对部分公开的表情数据集进行了归纳,提出了一个课堂场景下的表情数据集 ISE-FEA(Beijing Key Laboratory of Information Service Engineering-Facial expression analysis)作为补充,为了解课堂情感理解领域提供了一个全面的参考。
暂无评论