期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
动态场景下基于YOLOv5的快速单目视觉SLAM算法
被引量：
1
1
作者
王运梦
崔龙
+1 位作者
刘钊铭
张峰
《仪表技术与传感器》
CSCD
北大核心
2023年第4期122-126,共5页
针对动态场景下的动态物体容易产生移动和变形,从而直接影响单目视觉SLAM定位和建图的效率等问题,提出了一种使用深度学习对图像进行动态特征点剔除的单目视觉SLAM算法。基于ORB-SLAm3算法的整体框架,在动态物体检测线程中使用YOLOv5构...
针对动态场景下的动态物体容易产生移动和变形,从而直接影响单目视觉SLAM定位和建图的效率等问题,提出了一种使用深度学习对图像进行动态特征点剔除的单目视觉SLAM算法。基于ORB-SLAm3算法的整体框架,在动态物体检测线程中使用YOLOv5构建的卷积神经网络作为目标识别算法,在跟踪线程中对动态物体特征点进行剔除,有效减少了错误特征提取造成的运行时间浪费和位姿估计误差。经实验验证,所提算法在TUM动态场景单目数据集中能够保持准确定位且效率较高,其定位精度比ORB-SLAm3和ORB-SLAM2更好,效率分别提高了20.65%和19.14%。
展开更多
关键词
ORB-
slam
3
YOLOv5
动态场景
物体检测
单目视觉
slam
下载PDF
职称材料
基于图像语义分割的动态场景下的单目SLAM算法
被引量：
5
2
作者
盛超
潘树国
+2 位作者
赵涛
曽攀
黄砺枭
《测绘通报》
CSCD
北大核心
2020年第1期40-44,共5页
在恢复场景信息和相机运动时,传统的SLAM算法是基于静态环境假设的。场景中的动态物体会降低算法的稳健性和最终的定位精度。本文提出将基于深度学习的图像语义分割技术与传统的视觉SLAM算法结合,以减少动态物体对定位结果的干扰。首先...
在恢复场景信息和相机运动时,传统的SLAM算法是基于静态环境假设的。场景中的动态物体会降低算法的稳健性和最终的定位精度。本文提出将基于深度学习的图像语义分割技术与传统的视觉SLAM算法结合,以减少动态物体对定位结果的干扰。首先,构建有监督的卷积神经网络对输入图像中的动态物体进行分割,获得语义图像;然后,从原始图像中提取特征点,并根据语义图像剔除动态物体特征点,保留静态物体特征点;最后,利用静态物体特征点采用基于特征点的单目视觉SLAM算法对相机运动进行跟踪。在Apollo Scape自动驾驶数据集上的试验表明,与传统方法相比,本文算法在动态场景中定位精度提升约17%。
展开更多
关键词
单目视觉
slam
动态物体
卷积神经网络
语义分割
深度学习
下载PDF
职称材料
题名
动态场景下基于YOLOv5的快速单目视觉SLAM算法
被引量：
1
1
作者
王运梦
崔龙
刘钊铭
张峰
机构
中国科学院沈阳自动化研究所
中国科学院机器人与智能制造创新研究院
中国科学院大学
出处
《仪表技术与传感器》
CSCD
北大核心
2023年第4期122-126,共5页
基金
国家自然科学基金项目(U2013208,92067205)。
文摘
针对动态场景下的动态物体容易产生移动和变形,从而直接影响单目视觉SLAM定位和建图的效率等问题,提出了一种使用深度学习对图像进行动态特征点剔除的单目视觉SLAM算法。基于ORB-SLAm3算法的整体框架,在动态物体检测线程中使用YOLOv5构建的卷积神经网络作为目标识别算法,在跟踪线程中对动态物体特征点进行剔除,有效减少了错误特征提取造成的运行时间浪费和位姿估计误差。经实验验证,所提算法在TUM动态场景单目数据集中能够保持准确定位且效率较高,其定位精度比ORB-SLAm3和ORB-SLAM2更好,效率分别提高了20.65%和19.14%。
关键词
ORB-
slam
3
YOLOv5
动态场景
物体检测
单目视觉
slam
Keywords
ORB-
slam
3
YOLOv5
dynamic
scene
object
detection
monocular
visual
slam
分类号
TP24 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
基于图像语义分割的动态场景下的单目SLAM算法
被引量：
5
2
作者
盛超
潘树国
赵涛
曽攀
黄砺枭
机构
东南大学仪器科学与工程学院
出处
《测绘通报》
CSCD
北大核心
2020年第1期40-44,共5页
基金
江苏省测绘地理信息科研项目(JSCHKY201808)
国家重点研发计划(2016YFB0502101)
国家自然科学基金(41574026,41774027).
文摘
在恢复场景信息和相机运动时,传统的SLAM算法是基于静态环境假设的。场景中的动态物体会降低算法的稳健性和最终的定位精度。本文提出将基于深度学习的图像语义分割技术与传统的视觉SLAM算法结合,以减少动态物体对定位结果的干扰。首先,构建有监督的卷积神经网络对输入图像中的动态物体进行分割,获得语义图像;然后,从原始图像中提取特征点,并根据语义图像剔除动态物体特征点,保留静态物体特征点;最后,利用静态物体特征点采用基于特征点的单目视觉SLAM算法对相机运动进行跟踪。在Apollo Scape自动驾驶数据集上的试验表明,与传统方法相比,本文算法在动态场景中定位精度提升约17%。
关键词
单目视觉
slam
动态物体
卷积神经网络
语义分割
深度学习
Keywords
monocular
visual
slam
dynamic
objects
CNN
semantic
segmentation
deep
learning
method
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
动态场景下基于YOLOv5的快速单目视觉SLAM算法
王运梦
崔龙
刘钊铭
张峰
《仪表技术与传感器》
CSCD
北大核心
2023
1
下载PDF
职称材料
2
基于图像语义分割的动态场景下的单目SLAM算法
盛超
潘树国
赵涛
曽攀
黄砺枭
《测绘通报》
CSCD
北大核心
2020
5
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
