同时定位与地图构建(simultaneous localization and mapping,SLAM)技术在无人化装备上有着广泛的应用,可实现室内或室外自主的定位建图任务。该文首先对视觉和激光SLAM基本框架进行介绍,详细阐述前端里程计、后端优化、回环检测以及地...同时定位与地图构建(simultaneous localization and mapping,SLAM)技术在无人化装备上有着广泛的应用,可实现室内或室外自主的定位建图任务。该文首先对视觉和激光SLAM基本框架进行介绍,详细阐述前端里程计、后端优化、回环检测以及地图构建这四个模块的作用以及所采用的算法;在这之后梳理归纳视觉/激光SLAM发展历程中的经典算法并分析其优缺点以及在此之后优秀的改进方案;此外,列举当前SLAM技术在生活中的典型应用场景,展示在自动驾驶、无人化装备等领域的重要作用;最后讨论SLAM系统当前的发展趋势和研究进展,以及在未来应用中需要考虑的挑战和问题,包括多类型传感器融合、与深度学习技术的融合以及跨学科合作的关键作用。通过对SLAM技术的全面分析和讨论,为进一步推动SLAM技术的发展和应用提供深刻的理论指导和实践参考。展开更多
针对水域场景夜间能见度极低,难以实现人员目标检测与定位的问题,结合红外热成像技术与深度学习目标检测算法,研究了一种黑暗环境下水域人员目标检测方法。经过多场景实地采集,自主构建了一套热成像水域场景下的人员目标数据集IR-YZ。...针对水域场景夜间能见度极低,难以实现人员目标检测与定位的问题,结合红外热成像技术与深度学习目标检测算法,研究了一种黑暗环境下水域人员目标检测方法。经过多场景实地采集,自主构建了一套热成像水域场景下的人员目标数据集IR-YZ。在对比经典目标检测方法在IR-YZ数据集上的性能的基础上,针对热成像特点与水域环境特点,提出了一种增强型轻量级水上目标检测网络IWPT-YOLO(infrared water person target-YOLO)。实验结果表明,IWPT-YOLO算法具有精确、快速、简洁等优势,其模型大小为93 MB,平均精度mAP达到了85.34%,检测速度达到了20.975 FPS,比经典算法YOLOv3网络与SSD网络在模型大小、平均精度与检测速度上均有提高,验证了IWPT-YOLO算法对水域场景下的热成像人员目标具有更好的检测性能,更明显的优势。展开更多
文摘同时定位与地图构建(simultaneous localization and mapping,SLAM)技术在无人化装备上有着广泛的应用,可实现室内或室外自主的定位建图任务。该文首先对视觉和激光SLAM基本框架进行介绍,详细阐述前端里程计、后端优化、回环检测以及地图构建这四个模块的作用以及所采用的算法;在这之后梳理归纳视觉/激光SLAM发展历程中的经典算法并分析其优缺点以及在此之后优秀的改进方案;此外,列举当前SLAM技术在生活中的典型应用场景,展示在自动驾驶、无人化装备等领域的重要作用;最后讨论SLAM系统当前的发展趋势和研究进展,以及在未来应用中需要考虑的挑战和问题,包括多类型传感器融合、与深度学习技术的融合以及跨学科合作的关键作用。通过对SLAM技术的全面分析和讨论,为进一步推动SLAM技术的发展和应用提供深刻的理论指导和实践参考。
文摘针对水域场景夜间能见度极低,难以实现人员目标检测与定位的问题,结合红外热成像技术与深度学习目标检测算法,研究了一种黑暗环境下水域人员目标检测方法。经过多场景实地采集,自主构建了一套热成像水域场景下的人员目标数据集IR-YZ。在对比经典目标检测方法在IR-YZ数据集上的性能的基础上,针对热成像特点与水域环境特点,提出了一种增强型轻量级水上目标检测网络IWPT-YOLO(infrared water person target-YOLO)。实验结果表明,IWPT-YOLO算法具有精确、快速、简洁等优势,其模型大小为93 MB,平均精度mAP达到了85.34%,检测速度达到了20.975 FPS,比经典算法YOLOv3网络与SSD网络在模型大小、平均精度与检测速度上均有提高,验证了IWPT-YOLO算法对水域场景下的热成像人员目标具有更好的检测性能,更明显的优势。
