现有大多数视觉同步定位与地图构建(Simultaneous Localization and Mapping, SLAM)方法大部分基于静态环境假设,导致其在动态环境中的定位精度显著下降。为解决这一问题,本文提出一种结合目标检测和光流方法的对象级动态SLAM方法。该...现有大多数视觉同步定位与地图构建(Simultaneous Localization and Mapping, SLAM)方法大部分基于静态环境假设,导致其在动态环境中的定位精度显著下降。为解决这一问题,本文提出一种结合目标检测和光流方法的对象级动态SLAM方法。该方法使用目标检测获取对象信息,结合光流和对象重投影技术来识别对象的动静属性,并剔除动态对象上的特征点。随后,寻找检测对象和地图中对象的最佳匹配关系。然后,在关键帧中优化静态对象,同时提出一种动态二次曲面优化策略,用于在对象地图中优化动态二次曲面模型,并追踪动态对象的运动轨迹。最后,重建稠密静态背景。在Bonn和TUM数据集上的实验表明,本文方法的绝对位姿精度提升约44.3%,相对位姿精度提升约19.0%。实验结果表明,本文方法在动态场景中能够实现更精确、更稳健的定位。为进一步验证系统的在线性能,本文还在真实动态场景中对该系统进行了测试,并达到了预期的结果。展开更多
针对水下图像标注数据稀缺导致增强算法泛化性不足的问题,本文提出一种基于均值教师(Mean-Teacher)模型的半监督水下图像增强框架。设计融合光照和梯度先验的多尺度网络(Illumination and Gradient Prior network,IGP-Net)作为均值教师...针对水下图像标注数据稀缺导致增强算法泛化性不足的问题,本文提出一种基于均值教师(Mean-Teacher)模型的半监督水下图像增强框架。设计融合光照和梯度先验的多尺度网络(Illumination and Gradient Prior network,IGP-Net)作为均值教师模型的主干网络。IGP-Net包括以下3个模块:多尺度照明感知模块MSLP,用来提取退化图像的多尺度特征,并融合光照和梯度先验,提升水下图像对比度;多通道细节增强模块MCE,对初步增强图像进行通道维拆分和颜色补偿,改善水下图像颜色失真现象;并行注意力模块PC,利用像素注意力和通道注意力进一步关注照明信息和颜色信息之间的关联性,实现色彩均衡。在公开数据集上的定量比较和定性分析表明,本文所提方法在多个关键指标上优于现有先进算法。此外,在水下目标检测任务中的实验,也表明了经本文算法增强后的图像能够有效提升水下目标检测的性能。展开更多
文摘现有大多数视觉同步定位与地图构建(Simultaneous Localization and Mapping, SLAM)方法大部分基于静态环境假设,导致其在动态环境中的定位精度显著下降。为解决这一问题,本文提出一种结合目标检测和光流方法的对象级动态SLAM方法。该方法使用目标检测获取对象信息,结合光流和对象重投影技术来识别对象的动静属性,并剔除动态对象上的特征点。随后,寻找检测对象和地图中对象的最佳匹配关系。然后,在关键帧中优化静态对象,同时提出一种动态二次曲面优化策略,用于在对象地图中优化动态二次曲面模型,并追踪动态对象的运动轨迹。最后,重建稠密静态背景。在Bonn和TUM数据集上的实验表明,本文方法的绝对位姿精度提升约44.3%,相对位姿精度提升约19.0%。实验结果表明,本文方法在动态场景中能够实现更精确、更稳健的定位。为进一步验证系统的在线性能,本文还在真实动态场景中对该系统进行了测试,并达到了预期的结果。
文摘针对水下图像标注数据稀缺导致增强算法泛化性不足的问题,本文提出一种基于均值教师(Mean-Teacher)模型的半监督水下图像增强框架。设计融合光照和梯度先验的多尺度网络(Illumination and Gradient Prior network,IGP-Net)作为均值教师模型的主干网络。IGP-Net包括以下3个模块:多尺度照明感知模块MSLP,用来提取退化图像的多尺度特征,并融合光照和梯度先验,提升水下图像对比度;多通道细节增强模块MCE,对初步增强图像进行通道维拆分和颜色补偿,改善水下图像颜色失真现象;并行注意力模块PC,利用像素注意力和通道注意力进一步关注照明信息和颜色信息之间的关联性,实现色彩均衡。在公开数据集上的定量比较和定性分析表明,本文所提方法在多个关键指标上优于现有先进算法。此外,在水下目标检测任务中的实验,也表明了经本文算法增强后的图像能够有效提升水下目标检测的性能。
