针对传统视觉SLAM(simultaneous localization and mapping)在动态环境下定位精度较低、稳健性较差、结合深度学习后实时性较差及无法构建稠密地图的问题,本文提出了一种基于ORB-SLAM3的改进算法。首先,采用轻量化SegFormer语义分割网络...针对传统视觉SLAM(simultaneous localization and mapping)在动态环境下定位精度较低、稳健性较差、结合深度学习后实时性较差及无法构建稠密地图的问题,本文提出了一种基于ORB-SLAM3的改进算法。首先,采用轻量化SegFormer语义分割网络,对图像中存在的动态物体进行识别后,添加掩膜图像自适应膨胀方法,根据特征点数自动调整掩膜膨胀范围,更有效地保留静态特征点及去除潜在动态特征点;然后,改进词袋模型,提升算法的加载和匹配速度;最后,添加稠密建图线程,根据掩膜信息和关键帧,构建去除动态特征后的稠密点云地图。试验结果表明,该算法在动态场景下能够有效地剔除动态物体特征点,提高了系统的定位精度和稳健性,平均处理速度为20帧/s,基本满足实时运行的要求。展开更多
针对主动声呐在水下环境对目标方位估计受低信噪比影响的问题,提出了一种基于分数阶傅里叶变换(Fractional Fourier Transform,FrFT)改进迭代自适应法的波达方向(Direction of Arrival,DOA)估计多波束声呐成像方法。首先对水听器收到的...针对主动声呐在水下环境对目标方位估计受低信噪比影响的问题,提出了一种基于分数阶傅里叶变换(Fractional Fourier Transform,FrFT)改进迭代自适应法的波达方向(Direction of Arrival,DOA)估计多波束声呐成像方法。首先对水听器收到的回波信号进行FrFT,通过FrFT预处理将宽带线性调频(Linear Frequency Modulation,LFM)信号变换为分数域的窄带信号,避免了交叉干扰项的影响;然后在FrFT域对LFM信号进行聚焦并对噪声进行抑制;最后在FrFT域内实现迭代自适应法,同时优化了功率谱估计方法以精确进行DOA估计。所提方法在低信噪比且不增加传感器阵元的情况下,相较于传统的DOA估计方法具有更好的估计精度与更小的均方根误差,可以显著提高成像效果。仿真结果表明,距离向的峰值旁瓣比可达到-13.364 dB,积分旁瓣比可达到-9.723 dB,方位向的峰值旁瓣比可达到-13.874 dB,积分旁瓣比可达到-10.034 dB。展开更多
文摘针对传统视觉SLAM(simultaneous localization and mapping)在动态环境下定位精度较低、稳健性较差、结合深度学习后实时性较差及无法构建稠密地图的问题,本文提出了一种基于ORB-SLAM3的改进算法。首先,采用轻量化SegFormer语义分割网络,对图像中存在的动态物体进行识别后,添加掩膜图像自适应膨胀方法,根据特征点数自动调整掩膜膨胀范围,更有效地保留静态特征点及去除潜在动态特征点;然后,改进词袋模型,提升算法的加载和匹配速度;最后,添加稠密建图线程,根据掩膜信息和关键帧,构建去除动态特征后的稠密点云地图。试验结果表明,该算法在动态场景下能够有效地剔除动态物体特征点,提高了系统的定位精度和稳健性,平均处理速度为20帧/s,基本满足实时运行的要求。
