为解决在训练物体六自由度位姿估计神经网络时,人工标注真实场景数据集困难的问题,提出一种自动生成大量单目六自由度位姿估计数据集的方法,可提高数据集标注效率和精度。考虑采集图象环境的光照、物体遮挡等条件,以单目RGB相机、物体...为解决在训练物体六自由度位姿估计神经网络时,人工标注真实场景数据集困难的问题,提出一种自动生成大量单目六自由度位姿估计数据集的方法,可提高数据集标注效率和精度。考虑采集图象环境的光照、物体遮挡等条件,以单目RGB相机、物体三维模型作为输入,在运动恢复结构(structure form motion,SfM)算法框架中添加尺度先验信息约束,实现在真实场景快速生成大量用于六自由度位姿估计训练的数据集。以生活用品为例,分别制作无遮挡、有遮挡数据集,与现有六自由度位姿估计数据集作对比,使用神经网络算法验证根据该方法制作出数据集的可行性与有效性。展开更多
受视距远、视差小、目标特征单一和背景复杂等因素的影响,空基无人平台对地目标检测作为智能无人平台领域研究的难点问题,得到了越来越多的关注。利用传统的基于深度学习的目标检测算法容易出现错检和漏检,对此,利用单一观测视角下的同...受视距远、视差小、目标特征单一和背景复杂等因素的影响,空基无人平台对地目标检测作为智能无人平台领域研究的难点问题,得到了越来越多的关注。利用传统的基于深度学习的目标检测算法容易出现错检和漏检,对此,利用单一观测视角下的同类目标成像一致性,定义了空对地区域重叠度(insection of unit,IOU)损失函数,实现了序贯图像同类目标之间的相关性表示;此外,利用空对地场景下目标之间的相关性,建立了基于朴素贝叶斯判据的目标尺度约束辅助检测模型,以提高目标检测的鲁棒性。最后基于公共数据集和自有无人机平台飞行数据,进行了空对地典型目标的检测实验,检测结果证明了上述方法的有效性。展开更多
为有效提高输电线路多金具检测准确率,解决金具小目标与互相遮挡等问题,提出结合尺度约束与空间信息的输电线路多金具检测模型(Scale Constraint and Spatial Information R-CNN,SCSI R-CNN)。首先采用金具标注框的聚类中心作为优化变量...为有效提高输电线路多金具检测准确率,解决金具小目标与互相遮挡等问题,提出结合尺度约束与空间信息的输电线路多金具检测模型(Scale Constraint and Spatial Information R-CNN,SCSI R-CNN)。首先采用金具标注框的聚类中心作为优化变量,以kmeans++算法的聚类结果作为依据改进锚框尺度参数。然后采用候选框的相对几何特征作为潜在空间模块的输入,以多层感知机计算候选目标间的潜在空间关系与空间信息增强特征。通过现场采集的输电线路航拍数据集实验可知,与基线模型Faster R-CNN相比,所述算法可促进模型与任务目标的适配性,能够有效提高金具检测准确率,为后续检测模型落地应用提供改进指导。展开更多
文摘为解决在训练物体六自由度位姿估计神经网络时,人工标注真实场景数据集困难的问题,提出一种自动生成大量单目六自由度位姿估计数据集的方法,可提高数据集标注效率和精度。考虑采集图象环境的光照、物体遮挡等条件,以单目RGB相机、物体三维模型作为输入,在运动恢复结构(structure form motion,SfM)算法框架中添加尺度先验信息约束,实现在真实场景快速生成大量用于六自由度位姿估计训练的数据集。以生活用品为例,分别制作无遮挡、有遮挡数据集,与现有六自由度位姿估计数据集作对比,使用神经网络算法验证根据该方法制作出数据集的可行性与有效性。
文摘受视距远、视差小、目标特征单一和背景复杂等因素的影响,空基无人平台对地目标检测作为智能无人平台领域研究的难点问题,得到了越来越多的关注。利用传统的基于深度学习的目标检测算法容易出现错检和漏检,对此,利用单一观测视角下的同类目标成像一致性,定义了空对地区域重叠度(insection of unit,IOU)损失函数,实现了序贯图像同类目标之间的相关性表示;此外,利用空对地场景下目标之间的相关性,建立了基于朴素贝叶斯判据的目标尺度约束辅助检测模型,以提高目标检测的鲁棒性。最后基于公共数据集和自有无人机平台飞行数据,进行了空对地典型目标的检测实验,检测结果证明了上述方法的有效性。
文摘为有效提高输电线路多金具检测准确率,解决金具小目标与互相遮挡等问题,提出结合尺度约束与空间信息的输电线路多金具检测模型(Scale Constraint and Spatial Information R-CNN,SCSI R-CNN)。首先采用金具标注框的聚类中心作为优化变量,以kmeans++算法的聚类结果作为依据改进锚框尺度参数。然后采用候选框的相对几何特征作为潜在空间模块的输入,以多层感知机计算候选目标间的潜在空间关系与空间信息增强特征。通过现场采集的输电线路航拍数据集实验可知,与基线模型Faster R-CNN相比,所述算法可促进模型与任务目标的适配性,能够有效提高金具检测准确率,为后续检测模型落地应用提供改进指导。
