针对双目视觉定位中对物体类别与距离远近判定的实际需求,提出了一种结合实例分割与特征点匹配的定位方法,准确地实现了目标的识别和定位。该方法通过Mask Region with Convolution Neural Network Feature(Mask R-CNN)对双目相机采集...
详细信息
针对双目视觉定位中对物体类别与距离远近判定的实际需求,提出了一种结合实例分割与特征点匹配的定位方法,准确地实现了目标的识别和定位。该方法通过Mask Region with Convolution Neural Network Feature(Mask R-CNN)对双目相机采集到的左图像特进行目标检测和分割,采用SURF算法提取分割区域的特征点并与右图特征点进行匹配得到视差,利用双目视差测距原理计算出目标相对于摄像头的位置。同时,针对相机自身标定误差造成在远距离情况下目标定位误差逐渐变大的问题,采用了最小二乘法对视差进行拟合。实验结果表明,该方法不仅能够精准实现目标识别,而且与未经拟合处理结果相比,平均误差值由0.183 m降低到0.106 m,定位精度得到了显著提高。
针对在狭长空间下传统的行人航迹推算(Pedestrian Dead Reckoning,PDR)方法易受传感器扰动与环境干扰,导致传感器数据存在误差累积无法实现行人位置精确估计的问题,结合室内走廊狭长空间典型场景下北斗伪卫星(Pseudosatellite,PL)的信...
详细信息
针对在狭长空间下传统的行人航迹推算(Pedestrian Dead Reckoning,PDR)方法易受传感器扰动与环境干扰,导致传感器数据存在误差累积无法实现行人位置精确估计的问题,结合室内走廊狭长空间典型场景下北斗伪卫星(Pseudosatellite,PL)的信号特征,提出了一种基于北斗信标辅助的PDR狭长空间定位方法。通过提取空间下确定性位置PL观测量数据特征,建立了数据特征与空间位置的指纹位置对应关系。设计了一种北斗PL与PDR组合的拐点检测方法。以北斗信标节点为基础,结合PDR适用范围大与应用性强的特性,将方向信息组合到卡尔曼滤波算法中完成设计。通过实测验证,与PDR定位方法相比,在室内狭长空间情况下组合系统的均方根误差(Root Mean Squared Error,RMSE)定位精度提高了54%。
暂无评论