【摘 要】
：
同步定位与建图（Simultaneous Localization and Mapping,SLAM）是指机器人在未知环境中移动时利用所搭载传感器的观测数据进行场景地图构建,并同时估计机器人在地图中的位置及运动轨迹。随着低成本三维视觉传感器（RGB-D相机）技术的成熟,三维视觉SLAM技术成为机器人领域和计算机三维视觉领域中新的研究方向。本文以实际应用需求为牵引,利用RGB-D相机可同时采集彩色图
论文部分内容阅读
同步定位与建图（Simultaneous Localization and Mapping,SLAM）是指机器人在未知环境中移动时利用所搭载传感器的观测数据进行场景地图构建,并同时估计机器人在地图中的位置及运动轨迹。随着低成本三维视觉传感器（RGB-D相机）技术的成熟,三维视觉SLAM技术成为机器人领域和计算机三维视觉领域中新的研究方向。本文以实际应用需求为牵引,利用RGB-D相机可同时采集彩色图像和深度图像的特性,围绕三维视觉SLAM的实时性、稳定性、抗动态干扰性等关键问题开展相关技术研究,并基于这些研究成果构建了大场景室内地图快速重建系统,具体研究成果如下。（1）针对直接法进行帧间位姿估计易陷入局部极值及特征点法实时性能不高的问题,提出一种融合稀疏直接法和特征点法的RGB-D SLAM,在SLAM前端利用联合深度和光度残差的稀疏直接法构造视觉里程计,在SLAM后端使用特征点法约束优化,在不影响SLAM精度的情况下提高了SLAM实时性能。（2）针对弱纹理场景中图像的特征点及高梯度像素点少导致特征点法和直接法位姿估计性能变差的问题,提出一种基于点面约束的SLAM方法,提取图像中更高层次的平面特征来构造弱纹理场景中位姿估计的稳定约束项,在SLAM后端地图构建中添加了路标平面。此外,利用室内空间结构满足“曼哈顿世界”的假设,提出基于“曼哈顿世界”约束的点面SLAM,进一步提高了SLAM精度。（3）针对动态场景中SLAM前端数据关联错误率高的问题,提出了基于卷积神经网络和多视几何的动态场景SLAM方法,对场景中的动目标进行检测并实现了像素级分割,结合静特征点和地面特征进行位姿估计和地图管理,并对地图中关键帧的动目标区域进行了修复以便于后续地图的重复利用。此外,提出融合空间约束的多动目标KCF跟踪方法,在地图中可实时显示动目标三维位置。（4）针对室内大场景的地图快速重建问题,提出了基于多机器人协同的室内地图快速重建系统,包括三部分:移动机器人终端SLAM系统是在前三个研究内容基础上设计实现的,其功能是生成场景子区域的多特征地图;服务器终端系统对各子区域地图进行配准以获得室内大场景的全局一致地图;机器人和服务器端的地图信息传输通过加入差错控制机制和有序保障机制的UDP协议实现。
其他文献
核学习已被广泛应用于计算机视觉、自然语言处理、遥感影像分析等众多领域。核学习通过隐式映射把原始数据投影到高维空间（甚至是无穷维）,然后通过核技巧将在原始空间线性不可分数据映射为在核空间线性可分。单核学习的主要任务是如何选择一个适用于数据表达的核参数,从而提高核学习的性能。单核学习虽应用广泛,然而它却不能很好的处理具有多源异构特征的数据。多核学习通过融合一组基核巧妙的使用数据的多源异构特征来提高学习
总线式控制系统作为工业控制系统的一种重要类型,在军民装备控制领域中得到了广泛而深入的应用。基于实时以太网通信链路的总线式控制系统已成为当今工控系统发展的主流。而国内关于此类系统性能方面的研究较少,整体水平与国外仍有一定差距。随着高端装备对控制精度,响应速度以及运行安全性等要求的不断提高,迫切需要突破实时以太网分布式架构中的系统任务调度、多节点高精度同步以及总线通信安全等核心关键技术。这些关键技术涉
在进入智能化社会和物联网普及的今天,传统冯·诺依曼体系结构在存储墙问题和功耗问题的制约下已无法满足高性能低功耗计算的需求。为弥补传统冯·诺依曼体系结构的不足,研究人员提出了存储计算融合的新模式,其中包括类神经计算和逻辑计算。忆阻器的出现使存储计算融合的可行性进一步提高,基于忆阻器的存储计算融合被广泛研究。忆阻脉冲神经网络作为基于忆阻器的类神经计算的一种模式,具有类生物性和超低功耗的优势,是目前的研
无源定位跟踪技术利用截获的辐射源发射的信号来确定该辐射源的位置和速度,自身不需要发射电磁信号,具有良好的隐蔽性,能提升探测系统在复杂电子战环境下的生存能力,是近年来探测、侦察技术研究的热点之一。在各种无源定位跟踪体制中,基于测向的无源定位跟踪技术利用辐射源来波到达角实现对辐射源的定位跟踪,在单站及多站组网观测场景中具有广泛应用。但是,在超视距观测和异步观测多目标跟踪场景,传统的测向定位跟踪技术面临
随着我国装备服役年限的增长和实战化运用水平的提高,间歇故障出现的频率越来越高,日益成为影响装备服役安全和任务成功的重要因素。由于间歇故障瞬变、随机、持续时间极短等特性,检测与诊断定位难度极大。论文在基础加强计划重点基础研究项目资助下,针对电子设备的主要间歇故障类型—板内连接型间歇故障,深入分析其间歇故障机理,开展间歇故障的检测与诊断技术研究。论文的主要研究内容包括:（1）板内连接型间歇故障机理针对
近些年来,由于深度神经网络（尤其是卷积神经网络,CNN）的发展,全世界见证了各类计算机视觉任务的成功,例如图像分类、目标检测以及视频分割等等。但是,随着视觉任务的日益发展,所需的模型结构愈来愈复杂,这给训练设备带来了沉重的存储负担。在实际应用中不可能将这些大型高性能模型直接嵌入资源受限的平台中,这将鼓励卷积神经网络模型朝着具有较小的内存和计算成本的方向发展,以便在不影响任务性能的情况下进行快速推断
高超声速滑翔式飞行器结合了飞航导弹和弹道导弹的技术优点,其高升阻比气动外形使它在滑翔飞行段具备大范围机动能力。在不断发展的防御武器威胁下,需要开展高超声速滑翔式飞行器机动突防相关研究。再入滑翔阶段是面临防御武器威胁的主要阶段,也是区别于弹道式武器突防的主要阶段。本文主要从高超声速滑翔式飞行器在再入滑翔段面向突防的轨迹规划、制导方法以及机动突防方法三个方面开展研究。主要研究内容和研究结果如下:1.研
近年来,深度学习算法已经成为机器学习领域应用的主流模型,其中,卷积神经网络和循环神经网络在图像、视频、声音、文本等各种数据对象的智能分类、检测、识别应用中效果尤其突出,已经成为最主要的两类深度神经网络模型。随着精确感知和高精度识别任务需求的不断增长,大量智能应用在采用这两类深度网络模型时均使用层数更深的结构,需要高算力专用硬件的支持,这两大类深度学习网络的加速技术一直是研究的热点问题。同时,针对不
通信技术和传感器技术的发展让智能移动终端拥有越来越强大的计算、感知、存储和通信能力,随着这些智能移动终端设备的爆炸式普及,移动群智感知（Mobile Crowdsensing,MCS）作为一种新兴的感知模式应运而生,它将众包思想与移动感知相结合,通过大量智能移动终端的不断移动和广泛参与完成大规模复杂感知。与传统的传感器网络相比,MCS具有部署成本更低、系统构建更加快捷、维护更容易、更具有可扩展性、
装备技术体系是武器装备体系在技术视角下的延伸,是装备技术整体规划的重要理论基础。装备技术体系的理论研究必须以钱学森的系统科学思想为指导,对装备技术体系的战略探讨、生成方法、结构建模、体系评估以及发展预测等方面进行研究。现有研究的主要问题包括:第一,虽然以德尔菲为代表的专家法取得了广泛的应用,但存在论证周期长、成本高、覆盖不全等缺陷;第二,虽然多视图体系结构框架设计了完备的视图产品和元模型,却没有给