-
题名基于无监督深度学习的单目视觉里程计
- 1
-
-
作者
白宇
钟锐
王奥博
方浩
刘建涛
-
机构
中国建筑一局(集团)有限公司
中建市政工程有限公司
北京理工大学自动化学院
河北林创电子科技有限公司
-
出处
《科学技术与工程》
北大核心
2024年第22期9456-9463,共8页
-
基金
国家重点研发计划(2022YFA1004703)
国家自然科学基金(62133002)。
-
文摘
近年来,视觉实时定位与建图技术(visual simultaneous localization and mapping,VSLAM)技术取得了快速发展。然而,大多数传统的VSLAM系统存在鲁棒性较差的问题而基于深度学习的VSLAM存在精度较低等问题。为了提高VSLAM系统的性能,提出了一种基于无监督深度学习的单目VSLAM。该方法首先设计深度估计网络完成对图像的深度估计。然后,设计位姿估计网络进行相机的位姿估计。最后,使用合理的损失函数保证网络在迭代过程中的有效收敛。在KITTI数据集上验证了该系统的性能。实验结果表明,与SfMLearner相比,绝对轨迹误差(absolute trajectory error,ATE)降低大约50%。与传统的VSLAM系统相比,绝对位姿误差(absolute pose error,APE)的平移部分误差也明显下降且鲁棒性得到提升。
-
关键词
同步定位与建图
深度估计网络
位姿估计网络
无监督学习
-
Keywords
SLAM robotics
depth estimation network
pose estimation network
unsupervised learning
-
分类号
TP242.6
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于深度估计和特征融合的尺度自适应目标跟踪算法
被引量：4
- 2
-
-
作者
牟琦
张寒
何志强
李占利
-
机构
西安科技大学计算机科学与技术学院
西安科技大学机械工程学院
-
出处
《图学学报》
CSCD
北大核心
2021年第4期563-571,共9页
-
基金
国家重点研发计划项目(2019YFB1405000)
陕西省自然科学基础研究计划项目(2019JM-162,2019JM-348)。
-
文摘
针对核相关滤波目标跟踪算法(KCF)使用单特征来描述所跟踪的目标,在复杂环境下,目标尺度发生较大变化时,无法准确跟踪目标的问题,提出基于深度估计和特征融合的尺度自适应目标跟踪算法。首先利用深度神经网络估计视频序列中目标的深度,建立并训练深度-尺度估计模型;在跟踪过程中,融合目标方向梯度直方图(HOG)特征和CN(Color Name)特征训练相关滤波器,利用深度估计网络得到目标深度值,并利用深度-尺度估计模型得到目标的尺度值,从而在目标尺度发生变化时,能够调整目标框大小,实现尺度自适应的目标跟踪算法。实验结果表明,与经典的KCF算法相比,可获得更高的精度,与尺度自适应的判别型尺度空间跟踪(DSST)算法相比,在尺度变化较大时,跟踪速度更快;在环境复杂、目标被遮挡时,鲁棒性更好。
-
关键词
目标跟踪
相关滤波
特征融合
深度估计网络
深度-尺度估计模型
尺度自适应
-
Keywords
target tracking
correlation filter
feature fusion
depth estimation network
depth-scale estimation model
scale adaptation
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名一种景观照片注意力土地利用语义获取方法
- 3
-
-
作者
徐世武
李亭谕
白晓飞
吴瀚
-
机构
中国地质大学(武汉)地理与信息工程学院
中国国土勘测规划院
苏州市测绘院有限责任公司
-
出处
《测绘科学》
CSCD
北大核心
2021年第12期210-218,共9页
-
文摘
针对国土调查实地举证中,照片数量巨大、内容丰富、语义复杂,依靠人工按照土地利用分类标准解译费时费力且主观性过强的问题,该文提出一种基于注意力的照片土地利用场景语义深度学习解析方法,自动提取照片注意力区(主场景)的土地利用语义和分布信息。实验表明,该方法能够实现自然场景照片土地利用语义包的快速提取,成功应用于江夏区国土调查工作,为全国国土调查智能化提供了技术支撑。
-
关键词
显著式注意力
显著性语义解析
深度估计网络
语义分割
深度学习
-
Keywords
salient attention
salient semantic parsing
depth estimation network
semantic segmentation
deep learning
-
分类号
P208
[天文地球—地图制图学与地理信息工程]
-
