近些年来,移动机器人受到了社会各界的广泛关注,其中SLAM(simultaneous localization and mapping)技术是移动机器人领域的研究热点.针对基于图优化框架下的激光SLAM算法对激光雷达运动畸变处理不够完善的情况,提出一种处理激光雷达数...近些年来,移动机器人受到了社会各界的广泛关注,其中SLAM(simultaneous localization and mapping)技术是移动机器人领域的研究热点.针对基于图优化框架下的激光SLAM算法对激光雷达运动畸变处理不够完善的情况,提出一种处理激光雷达数据的改进方案,调整点云数据中每一帧的时间戳与使用连续两帧之间的时间戳差值代替雷达驱动发出的固定的时间差值,解决了雷达数据反序、扫描时频率不稳定等问题.将基于粒子滤波的激光SLAM算法与基于图优化的激光SLAM算法、改进后的图优化激光SLAM算法进行对比实验,观察所建地图的精度与效果.经过多次实验表明改进的图优化激光SLAM算法显著提升了建图效果.展开更多
针对现有的深度学习气象时空降尺度方法较少、数据融合方式较为单一、气象图像纹理细节信息重建效果不佳等问题,提出了一种基于多特征融合的时空降尺度模型(Spatio-Temporal Downscaling Model Based on of Multi-Feature Fusion,STMFF...针对现有的深度学习气象时空降尺度方法较少、数据融合方式较为单一、气象图像纹理细节信息重建效果不佳等问题,提出了一种基于多特征融合的时空降尺度模型(Spatio-Temporal Downscaling Model Based on of Multi-Feature Fusion,STMFF)。设计一个动态数据融合模块(Data Fusion Module,DFM)对动态辅助数据进行融合,对特征时间插值模块进行改进,实现更加有效的静态数据融合;使用局部时间特征比较(Local Time Feature Comparison,LFC)模块来提高视频帧插值后每帧的图像质量,并采用基于多尺度特征提取的残差Swin Transformer模块(Residual Swin Transformer Module Based on Multi-Scale Feature Extraction,MF-RSTB)获得每帧图像的多尺度特征。基于法国雷达降水公开数据集的验证表明,STMFF最优结果较对比算法的MSE最大降低74.42%,最小降低4.28%,且在每帧图像的主观视觉效果上也更具优势。展开更多
文摘近些年来,移动机器人受到了社会各界的广泛关注,其中SLAM(simultaneous localization and mapping)技术是移动机器人领域的研究热点.针对基于图优化框架下的激光SLAM算法对激光雷达运动畸变处理不够完善的情况,提出一种处理激光雷达数据的改进方案,调整点云数据中每一帧的时间戳与使用连续两帧之间的时间戳差值代替雷达驱动发出的固定的时间差值,解决了雷达数据反序、扫描时频率不稳定等问题.将基于粒子滤波的激光SLAM算法与基于图优化的激光SLAM算法、改进后的图优化激光SLAM算法进行对比实验,观察所建地图的精度与效果.经过多次实验表明改进的图优化激光SLAM算法显著提升了建图效果.
文摘针对现有的深度学习气象时空降尺度方法较少、数据融合方式较为单一、气象图像纹理细节信息重建效果不佳等问题,提出了一种基于多特征融合的时空降尺度模型(Spatio-Temporal Downscaling Model Based on of Multi-Feature Fusion,STMFF)。设计一个动态数据融合模块(Data Fusion Module,DFM)对动态辅助数据进行融合,对特征时间插值模块进行改进,实现更加有效的静态数据融合;使用局部时间特征比较(Local Time Feature Comparison,LFC)模块来提高视频帧插值后每帧的图像质量,并采用基于多尺度特征提取的残差Swin Transformer模块(Residual Swin Transformer Module Based on Multi-Scale Feature Extraction,MF-RSTB)获得每帧图像的多尺度特征。基于法国雷达降水公开数据集的验证表明,STMFF最优结果较对比算法的MSE最大降低74.42%,最小降低4.28%,且在每帧图像的主观视觉效果上也更具优势。
