三维高斯溅射作为辐射场建模的前沿技术为煤矿井下数字化进程开辟了新路径,已成为煤矿机器人自主导航系统与数字孪生体系构建的关键支撑。然而,现有煤矿机器人SLAM(Simultaneous Localization and Mapping)方法在面对动态光照、深度感...三维高斯溅射作为辐射场建模的前沿技术为煤矿井下数字化进程开辟了新路径,已成为煤矿机器人自主导航系统与数字孪生体系构建的关键支撑。然而,现有煤矿机器人SLAM(Simultaneous Localization and Mapping)方法在面对动态光照、深度感知缺失与复杂几何结构等因素时面临着挑战。鉴于此,提出一种多维度视觉感知增强的高精度三维高斯溅射(3D Gaussian Splatting,3DGS)SLAM方法。首先,提出基于HIS(Hue-Intensity-Saturation)空间的多阶段图像增强校正算法,融合MSRCR(Multi-Scale Retinex with Color Restoration)、SWF(Side Window Filtering)和归一化伽马校正技术,通过非线性光照补偿与局部对比度优化实现RGB图像细节增强。构建彩色图-深度图特征引导的深度补全网络以填充深度数据空洞并抑制噪声干扰,提升原始数据质量。然后,设计混合欧几里德距离与重叠度结合的双阶段关键帧选择机制,通过空间差异性约束与视角覆盖冗余度控制,在保障场景表征完整性的前提下筛选最小必要关键帧集,实现精确高效关键帧选取。最后,设计透明度与时空加权观测频次双重约束的高斯管理策略,剔除低透明度区域的无效高斯椭球并对长期稳定观测的高斯椭球进行置信度强化,结合回环检测与位姿图优化实现全局一致的高质量建图。为验证所提方法有效性,依托自主设计集成的移动机器人平台,在采掘巷道等典型煤矿场景中进行了大量对比试验,结果表明:该方法在煤矿井下复杂场景中实现厘米级轨迹跟踪精度,其平均跟踪误差较当前最优基准方法降低12.4%;三维建图峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)达22.4 dB并保持较高实时性,显著优于主流算法,为构建数字孪生矿山提供了可靠技术支撑。展开更多
针对现有目标检测器在处理无人机航拍图像上存在的小目标检测精度不高的问题,提出一种具有目标感知特征增强的改进YOLOv4(yolo only look once)航拍检测算法。通过深度级联的方式构建瓶颈连接注意力模块,将其嵌入至YOLOv4主干网络,强化...针对现有目标检测器在处理无人机航拍图像上存在的小目标检测精度不高的问题,提出一种具有目标感知特征增强的改进YOLOv4(yolo only look once)航拍检测算法。通过深度级联的方式构建瓶颈连接注意力模块,将其嵌入至YOLOv4主干网络,强化对基础特征的提取;为充分有效地利用目标上下文,对原始网络中特征金字塔输出的多尺度特征进行聚合与校准细化;对于小目标定位不够精确的问题,通过闭环反馈与融合策略重新设计检测头部,增强小目标位置信息的特征响应。该方法在VisDrone航拍数据集上的实验结果表明,检测精度相比YOLOv4提高了4.24%,其中小目标的精度提升了约2%。展开更多
文摘三维高斯溅射作为辐射场建模的前沿技术为煤矿井下数字化进程开辟了新路径,已成为煤矿机器人自主导航系统与数字孪生体系构建的关键支撑。然而,现有煤矿机器人SLAM(Simultaneous Localization and Mapping)方法在面对动态光照、深度感知缺失与复杂几何结构等因素时面临着挑战。鉴于此,提出一种多维度视觉感知增强的高精度三维高斯溅射(3D Gaussian Splatting,3DGS)SLAM方法。首先,提出基于HIS(Hue-Intensity-Saturation)空间的多阶段图像增强校正算法,融合MSRCR(Multi-Scale Retinex with Color Restoration)、SWF(Side Window Filtering)和归一化伽马校正技术,通过非线性光照补偿与局部对比度优化实现RGB图像细节增强。构建彩色图-深度图特征引导的深度补全网络以填充深度数据空洞并抑制噪声干扰,提升原始数据质量。然后,设计混合欧几里德距离与重叠度结合的双阶段关键帧选择机制,通过空间差异性约束与视角覆盖冗余度控制,在保障场景表征完整性的前提下筛选最小必要关键帧集,实现精确高效关键帧选取。最后,设计透明度与时空加权观测频次双重约束的高斯管理策略,剔除低透明度区域的无效高斯椭球并对长期稳定观测的高斯椭球进行置信度强化,结合回环检测与位姿图优化实现全局一致的高质量建图。为验证所提方法有效性,依托自主设计集成的移动机器人平台,在采掘巷道等典型煤矿场景中进行了大量对比试验,结果表明:该方法在煤矿井下复杂场景中实现厘米级轨迹跟踪精度,其平均跟踪误差较当前最优基准方法降低12.4%;三维建图峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)达22.4 dB并保持较高实时性,显著优于主流算法,为构建数字孪生矿山提供了可靠技术支撑。
文摘针对现有目标检测器在处理无人机航拍图像上存在的小目标检测精度不高的问题,提出一种具有目标感知特征增强的改进YOLOv4(yolo only look once)航拍检测算法。通过深度级联的方式构建瓶颈连接注意力模块,将其嵌入至YOLOv4主干网络,强化对基础特征的提取;为充分有效地利用目标上下文,对原始网络中特征金字塔输出的多尺度特征进行聚合与校准细化;对于小目标定位不够精确的问题,通过闭环反馈与融合策略重新设计检测头部,增强小目标位置信息的特征响应。该方法在VisDrone航拍数据集上的实验结果表明,检测精度相比YOLOv4提高了4.24%,其中小目标的精度提升了约2%。
