从视觉数据和惯性测量单元(Inertial Measurement Unit, IMU)数据各自的特点出发,利用计算机视觉三维重建技术从视觉数据中恢复视觉传感器的六维位姿信息,分析计算惯性测量数据和视觉位姿数据的时空关系,实现融合视惯传感数据的场景重...从视觉数据和惯性测量单元(Inertial Measurement Unit, IMU)数据各自的特点出发,利用计算机视觉三维重建技术从视觉数据中恢复视觉传感器的六维位姿信息,分析计算惯性测量数据和视觉位姿数据的时空关系,实现融合视惯传感数据的场景重建及尺度估计,进而获取待测对象的绝对物理尺寸数据。上述方法在实验数据上取得了相对误差约为3%的非接触式物体尺寸估计结果,由于该方法无需在待测场景中嵌入额外标定物或辅助定位装置,具有较好的灵活性和适用范围。展开更多
为了有效地分析传感器网络应用中产生数据异常的原因并形成追溯链,该文提出一种基于感知压缩和列存储理论的传感数据世系压缩传输、存储与查询(Compressed propagating storing and querying of sensor data lineage,CPSQSDL)方法。论...为了有效地分析传感器网络应用中产生数据异常的原因并形成追溯链,该文提出一种基于感知压缩和列存储理论的传感数据世系压缩传输、存储与查询(Compressed propagating storing and querying of sensor data lineage,CPSQSDL)方法。论文分析被感知事件的传感数据世系之间蕴含有时间、空间相关关系,设计了一种适合传感数据世系压缩感知的随机投影观测矩阵,保证CPSQSDL方法具有近似k-term的最优恢复误差。论文对压缩世系进行了形式化定义,给出了近似世系查询算法,形式化证明了压缩世系的恢复误差边界,并在真实数据集上通过实验验证了此方法的有效性。展开更多
文摘从视觉数据和惯性测量单元(Inertial Measurement Unit, IMU)数据各自的特点出发,利用计算机视觉三维重建技术从视觉数据中恢复视觉传感器的六维位姿信息,分析计算惯性测量数据和视觉位姿数据的时空关系,实现融合视惯传感数据的场景重建及尺度估计,进而获取待测对象的绝对物理尺寸数据。上述方法在实验数据上取得了相对误差约为3%的非接触式物体尺寸估计结果,由于该方法无需在待测场景中嵌入额外标定物或辅助定位装置,具有较好的灵活性和适用范围。
文摘为了有效地分析传感器网络应用中产生数据异常的原因并形成追溯链,该文提出一种基于感知压缩和列存储理论的传感数据世系压缩传输、存储与查询(Compressed propagating storing and querying of sensor data lineage,CPSQSDL)方法。论文分析被感知事件的传感数据世系之间蕴含有时间、空间相关关系,设计了一种适合传感数据世系压缩感知的随机投影观测矩阵,保证CPSQSDL方法具有近似k-term的最优恢复误差。论文对压缩世系进行了形式化定义,给出了近似世系查询算法,形式化证明了压缩世系的恢复误差边界,并在真实数据集上通过实验验证了此方法的有效性。
