变电站室内无人机巡检可有效降低人工巡检作业强度。由于飞行精度要求高,搭载能力有限,仅依靠无人机搭载摄像头与惯性测量单元(inertial measurement unit, IMU)数据融合确定位姿无法满足精度要求,为此,提出基于变电站室内已有固定摄像...变电站室内无人机巡检可有效降低人工巡检作业强度。由于飞行精度要求高,搭载能力有限,仅依靠无人机搭载摄像头与惯性测量单元(inertial measurement unit, IMU)数据融合确定位姿无法满足精度要求,为此,提出基于变电站室内已有固定摄像头的泛在物联的多视觉-惯导融合框架,针对室内光线情况对无人机摄像头图像进行强化,并与IMU数据结合得到初步的无人机位置数据。进一步通过在无人机上布设二维码(quick response code,QR码),应用改进后的PnP(perspective-n-point)算法优化无人机位姿数据。飞行结束后在无人机机巢对IMU的累计误差进行校验。实验证明:该方法布设与维护的工作量小,相较仅依靠搭载摄像头与IMU数据融合算法,飞行精度有较大提高,可满足变电站内无人机巡检作业的需要。展开更多
提出了融合深度图像先验的全变差(total variation,TV)图像着色模型,在即插即用(plug-and-play,PnP)框架下,结合交替方向乘子法(alternating direction method of multipliers,ADMM),设计出相应的数值求解算法,并给出该算法的收敛性结...提出了融合深度图像先验的全变差(total variation,TV)图像着色模型,在即插即用(plug-and-play,PnP)框架下,结合交替方向乘子法(alternating direction method of multipliers,ADMM),设计出相应的数值求解算法,并给出该算法的收敛性结果。数值实验结果表明,该模型能有效整合耦合TV边缘捕获和卷积神经网络(convolutional neural network,CNN)细节捕捉的功能,对结构图像和纹理等细节丰富的图像,均能实现较大范围的有效着色。展开更多
文摘提出了融合深度图像先验的全变差(total variation,TV)图像着色模型,在即插即用(plug-and-play,PnP)框架下,结合交替方向乘子法(alternating direction method of multipliers,ADMM),设计出相应的数值求解算法,并给出该算法的收敛性结果。数值实验结果表明,该模型能有效整合耦合TV边缘捕获和卷积神经网络(convolutional neural network,CNN)细节捕捉的功能,对结构图像和纹理等细节丰富的图像,均能实现较大范围的有效着色。
