【摘 要】
：
基于单目相机的视觉里程计是室内移动定位领域的关键技术。该技术通过追踪视频流图像中的点-线-面特征，建立了相机在现实世界中运动轨迹的数学模型。考虑到室内网格型天花板上存在大量有利于定位的结构化线特征与平面特征，本文设计了一种基于单目顶视相机追踪天花板特征的室内定位系统，并在嵌入式平台上实现。该系统以PL-SVO为基础框架，改进线特征的初始化、坐标优化、匹配以及位姿优化等模块，并增加天花板平面特征优化
论文部分内容阅读
基于单目相机的视觉里程计是室内移动定位领域的关键技术。该技术通过追踪视频流图像中的点-线-面特征，建立了相机在现实世界中运动轨迹的数学模型。考虑到室内网格型天花板上存在大量有利于定位的结构化线特征与平面特征，本文设计了一种基于单目顶视相机追踪天花板特征的室内定位系统，并在嵌入式平台上实现。该系统以PL-SVO为基础框架，改进线特征的初始化、坐标优化、匹配以及位姿优化等模块，并增加天花板平面特征优化模块。
本文的主要工作有：1）采用基于匹配线段的三角化深度估计方法初始化线特征，相比于 PL-SVO 基于匹配点的深度估计，具有更高的初始化坐标精度与更快的收敛速度。2）采取严格的匹配条件筛选线特征，同时增加线段中点匹配与出界处理，提高匹配的成功率。3）分析了三种线特征重投影误差模型，采用投影线-匹配点模型结合特征权重策略提高系统的定位精度。4）为降低非显著端点误匹配对线特征坐标精度的影响，采用高斯牛顿迭代法优化在普吕克坐标系下的线特征空间直线位置，并使用最小二乘法在直线上寻找最佳的端点位置。5）将天花板平面特征作为先验条件初步估计特征的深度，提高特征初始化收敛速度。同时，将平面特征作为强约束，进一步优化平面上特征的世界坐标。
在嵌入式平台上，本文综合改进后的系统在实际网格型天花板场景数据集下的平均每米漂移误差为1.48cm，相比于PL-SVO降低了25.3%；系统的运行速度为78帧/秒，相比于PL-SVO降低了12.6%。与其他主流的视觉里程计相比，本文系统在网格型天花板场景下的定位精度最高，同时在嵌入式平台具备较高的运行速度与较低的内存开销。
其他文献
传统的风速检测方式多为机械式，具有体积大、灵活性较差、可动部件易磨损等缺点，而基于MEMS的热式风速风向传感器可以较好地规避这些问题。目前关于热式风速风向传感器的研究多集中于芯片结构和封装的改善，目的在于量程、灵敏度、响应速度、功耗等指标的优化。本文在诸多前期研究的基础上提出了改善风速传感器性能的方案并针对热式风速传感器的启动时间这一参数开展了较为详尽的研究，以软件仿真、实验测试和数学推导的方式进
柔性应变传感器在移动医疗，人机交互，智能机器人等领域有着广泛的应用前景。由于碳纳米管（Carbon nanotubes，CNTs）高长宽比，良好的导电性能，以及出色的机械性能，成为柔性应变传感器应用最广泛的纳米材料之一。但是基于CNTs的柔性应变传感器普遍灵敏度较低，如何解决高灵敏度和高拉伸应变范围之间矛盾以及低成本制备应变传感器，仍是亟待解决的挑战。 本论文提出在半固化的硅橡胶(Ecoflex
随着无线网络通信链路不断发展，通信链路的信号接收端对模数转换器（Analog to Digital Converter）的性能指标的要求越来越高。流水线型模数转换器（Pipeline ADC）虽具备很高的采样率，但功耗大且与先进工艺不兼容；逐次逼近型模数转换器（Successive Approximation Register ADC）虽然具备低功耗的优势，但其电容匹配精度限制了其分辨率。而流水线
近年来，心血管病的死亡率在所有疾病中处于首位。心血管疾病会导致异常心率信号的出现；因此，对心率信号和心电图进行分析就成为了检测心血管疾病的主要方法。目前，市面上使用的心电图信号采集仪器存在着便携性与实时性不可兼得的问题，而且数据处理采用人工分析，无法解决大数据量下的心电图信号分析问题。本研究考虑使用基于机器学习的心电图（Electrocardiography，简称 ECG）采集分析系统来解决这些问
先进工艺下，工艺误差对芯片良率的影响越来越明显，模拟电路的快速良率分析方法成为研究热点之一。传统良率分析方法难以解决模拟电路良率分析问题：蒙特卡洛方法需要仿真次数过多，影响整体设计开发周期；重要性采样方法在构建采样分布后很难改变或更新采样分布，难以适应模拟电路特性；替代模型方法无法控制模型拟合误差，难以评估分析结果的准确性。因此，面向多性能指标的模拟电路，设计新型良率分析方法具有重要的研究价值。
目前高清视频在娱乐、医疗、视频监控等领域的应用越来越广泛，促进了视频超分辨技术的研究。其中，基于深度学习的视频超分辨算法快速发展，但它们在视觉感知、精度、时序一致性的指标方面各有侧重，且模型参数量大。因此需要进一步研究如何更好地综合上述三方面指标，并提升模型推理速度，为视频超分辨技术在嵌入式终端的应用打好基础。 由此，本文设计了基于生成式对抗网络的视频超分辨算法（ High Optical Fl
近些年来，二维材料由于其原子级别的厚度、表面无悬挂键等特性逐渐成为研究人员的热点，此外，二维材料之间依靠范德瓦尔斯力结合，所以能够将不同种类的材料组合成异质结结构，更加拓宽了其研究方向。不同于其对应的体材料，石墨烯等二维材料展现出了一系列优异的光电性质，因此广泛应用于高性能场效应管、光电传感器等电子器件，但目前此类器件仍具有些许不足，例如栅氧化层的存在阻碍了载流子的扩散运动，导致了较低的迁移率；使
语音唤醒作为一种关键词识别（Keyword Spotting, KWS）技术，通常用作复杂语音交互设备的接口，是一种小型的关键词检索系统。随着物联网技术的发展，语音唤醒电路被广泛地应用在电池受限的移动、可穿戴设备中，并且保持常开（Always on）的状态，因此该类芯片对语音唤醒电路的功耗要求非常严格。 本文设计了一种极低功耗的语音唤醒电路，主要包括特征提取电路、神经网络电路和后处理电路。特征提
随着物联网技术的飞速发展以及嵌入式芯片处理能力的增强，人体行为检测在智能视频监控、家居安全等领域的需求日益增加。目前基于深度学习的行为检测技术虽然取得了突破性进展，但是依然存在着视频特征提取不够高效、多任务优化不充分、模型复杂难以部署到嵌入式平台等问题，需要进一步的发展和完善。 本文着重于高效的视频时空特征提取方法以及准确的多尺度检测方法的研究，并探索在嵌入式设备上的优化方案，提出了基于2D和3
近些年来，基于无监督学习的图像深度估计算法成为计算机视觉领域的热门研究方向，广泛应用在三维重建、语义分割、SLAM等场景。考虑到算法的应用，FPGA作为一种高度并行化的可编程器件，经过针对性的硬件设计，能够兼顾计算性能与功耗，实现算法在硬件平台的加速设计。在此背景下，本文以基于无监督学习的图像深度估计算法为切入点，实现该算法的硬件加速设计。 本文首先选用对硬件友好的Goard算法方案作为基准方案