【摘 要】
：
同时定位与地图构建（Simultaneous Localization and Mapping,SLAM）是移动机器人实现更自主、更智能行为的技术基础。视觉传感器能够满足室内移动机器人的低成本定位导航需求,本文主要致力于基于视觉的移动机器人SLAM关键算法的研究。完成的主要工作如下:（1）研究了基于特征点法的局部定位算法。针对传统ORB算法容易受亮度及纹理变化影响的不足,提出了一种自适应阈值特征提
论文部分内容阅读
同时定位与地图构建（Simultaneous Localization and Mapping,SLAM）是移动机器人实现更自主、更智能行为的技术基础。视觉传感器能够满足室内移动机器人的低成本定位导航需求,本文主要致力于基于视觉的移动机器人SLAM关键算法的研究。完成的主要工作如下:（1）研究了基于特征点法的局部定位算法。针对传统ORB算法容易受亮度及纹理变化影响的不足,提出了一种自适应阈值特征提取法。首先将阈值与像素亮度信息进行关联,然后通过在阈值中添加由像素对比度控制的激活函数来动态调整阈值,以适应场景纹理性的变化,该方法在光线变化和弱纹理场景下也能有效地提取特征点信息。（2）根据区域运动一致性原理,提出了一种基于RMC的误匹配剔除方法,分别利用运动特性和像素特性来实现误匹配点对的粗剔除和精剔除。该方法无论在速度上还是在稳定性上都优于RANSAC,单帧匹配时间提升了40%以上,保留的正确匹配点对数增加了30%以上。（3）针对机器人容易存在目标跟踪丢失问题,提出一种新的关键帧选取策略。将时间距离、空间距离以及帧间内点信息作为关键帧选取的判断条件,另外设计了一种最优候选关键帧判断方法,能够降低跟踪丢失的几率,提高系统的鲁棒性。（4）针对基于词袋模型的回环检测方法检测率低下的问题,提出了一种融合语义信息的回环检测方法。利用抽象的语义信息弥补词袋模型的不足,不仅能够提高回环与非回环场景的相似对比度,使回环更容易判断,而且还能扩大回环场景检测的范围,提高召回率,能够更好的为全局优化提供约束。（5）在室内环境下,完成了真实场景的三维点云地图与三维八叉树地图构建,通过视觉效果比较,验证了本文算法的有效性。
其他文献
目标检测的任务是从图像或者视频中定位目标并对目标进行分类,对只占据少量像素的小目标进行检测的任务称为小目标检测。小目标像素少、携带信息少,特征容易淹没在背景中,因此小目标检测一直是目标检测的难点。字符识别的任务是提取图像中存在的字符并组合为字符串输出。在自然场景的字符识别中,由于背景复杂、字体多样且字符分布随意等原因,识别精度较低,难以满足实际需求。在铁路接触网异常自动检测系统中,接触网支柱号是定
单标记学习方法通常用于解决一个对象仅与一个标记相关的问题。目前,对单标记学习的研究已经比较成熟,然而,现实生活中的对象往往具有多种语义,同时使用多个标记描述一个对象可能更符合实际需求,而已有的单标记学习方法可能无法有效地处理这类任务。因此,多标记学习框架被提出来用于处理一个示例同时与多个标记相关的问题。为了提升模型的分类性能,考虑如何提取和利用标记相关性以及通过标记特定特征学习是目前多标记学习中的
进入21世纪以来,随着计算机技术和人工智能的快速发展,人类和机器之间的交流不再局限于文字符号的输入输出。通过语音识别技术,机器能够轻松地“听懂”语音,甚至用语音和人类“交谈”。因此,语音识别技术,尤其是连续语音识别技术的研究成为一大热点。本文通过连续语音自动切分、声学模型和语言模型三个模块构建了连续语音识别系统。主要工作如下:（1）研究了连续语音的自动切分方法。分析了语音信号特征,选取合适的时域、
随着信息化时代的来临,计算机视觉系统在视觉导航,视频监控,自动驾驶等领域发挥了巨大作用,然而目前视觉系统的性能与其成像接口收到图像质量息息相关,视觉系统在处理恶劣环境下的拍摄图片效果不佳,特别是在雾天拍摄的图像,由于细节丢失较多和可见度低,影响计算机视觉系统正常工作。因此,对雾天图像进行去雾是有必要的。本文基于卷积神经网络,在图像去雾任务中引入了注意力机制,主要从以下三方面展开研究:1.提出了基于
近年来,随着对深度神经网络的巨大潜力的开发,基于深度神经网络的目标识别模型取得了巨大的成功,一些模型对物体的识别正确率甚至已经超越了人类。然而,这一些模型往往需要大量的已标注的数据来对模型进行全监督训练,标注这些数据会需要耗费大量的人力和物力,并且这样训练得到的模型在面对全新的不曾在训练过程中出现过的类别时会显得并不灵活,所以当需要识别一个全新的类别时,往往需要在训练数据集数据集中加入新的类别后对
广义马尔科夫跳变系统一直是控制系统理论中受到关注的研究领域之一。本文在前人研究的基础上,通过分析与改进,针对带分布时滞（Distributed Delay）的广义马尔科夫跳变系统（Singular Markovian Jump System）,进行进一步的讨论与研究,取得了一定的成果。本文的主要工作内容和所得成果如下:第一,针对一类带有分布时滞的广义马尔科夫跳变系统,研究随机容许性分析问题和状态反
时间序列是生活中很重要的数据对象,在各个领域都广泛存在,包括金融财务数据,气象观测数据,飞行物的运动轨迹数据等都是以时间序列的数据形式存在。而轨迹预测能够实时、准确地预测目标下一步的位置信息,是时间数据处理中一种很重要的应用。来自雷达数据的轨迹预测就是其中之一,由于其样本量小,噪声大,不稳定性和非线性的特点,因此很有挑战性。近些年深度学习的崛起为很多经典问题带来了新的解决思路,如目标识别、文本翻译
随着工业智能化的不断推进,视觉引导的机器人抓取系统在基于流水线的产品装配、分拣、包装、码垛等领域得到广泛应用。此类抓取系统中视觉技术是核心,而三维视觉因其所表达的目标形状、位置、姿态等信息更为详细,得到了越来越多的重视和研究。针对散乱工件的自动抓取问题,本课题对基于三维点云信息的目标位姿识别和抓取技术进行了研究,设计并实现了一套三维视觉引导的机器人抓取系统原型,主要成果如下:（1）点云预处理技术研
资源分配系统是指存在资源分配和资源竞争的动态系统。在生产生活中十分常见,如自动制造系统,智能交通系统,分布式数据库系统等。随着技术的不断进步,资源分配系统的组成也变得越来越复杂,如何降低资源分配系统中的运行成本,提高运行效率,以达到经济效益最大化已成为亟待解决的问题。Petri网以其并发、直观、动态、通用、抽象的结构特性能够清晰简洁的描述系统中的进程并发、冲突,资源共享、互斥等规则,同时能够对系统
21世纪以来,随着世界经济与技术的高速发展,传统燃油汽车的数量与日俱增,给全球带来严重的能源危机和环境污染,为此,国家大力提倡发展新能源汽车技术。在此背景下,本文寻求准确的锂离子电池SOC估算方法,从而为电池的能量管理策略提供准确依据,保证行车安全。除此之外,本文将锂离子电池和超级电容器组成复合电源系统,并制定复合电源系统的能量协同控制策略,从而延长电动汽车动力电池使用寿命和提高电动汽车能量利用率