【摘 要】
：
同时定位与地图创建(Simultaneous Localization and Mapping,SLAM)作为自主移动机器人的基本功能,近年来已成为机器人领域的研究热点。然而现有视觉SLAM算法大多将外部场景作为静态假设,忽略了环境中运动物体对SLAM系统精度的影响,影响SLAM系统在实际环境中的应用。鉴于此,提出一种适用于动态场景的鲁棒视觉SLAM算法,以ORB-SLAM2框架RGB-D模式为基
【机 构】
：
西安理工大学机械与精密仪器工程学院
【基金项目】
：
国家自然科学基金(51475365),陕西省自然科学基础研究计划项目(2017JM5088),陕西省教育厅重点实验室科研计划项目(13JS070)。
论文部分内容阅读
同时定位与地图创建(Simultaneous Localization and Mapping,SLAM)作为自主移动机器人的基本功能,近年来已成为机器人领域的研究热点。然而现有视觉SLAM算法大多将外部场景作为静态假设,忽略了环境中运动物体对SLAM系统精度的影响,影响SLAM系统在实际环境中的应用。鉴于此,提出一种适用于动态场景的鲁棒视觉SLAM算法,以ORB-SLAM2框架RGB-D模式为基础,在前端添加一种基于几何约束的动态检测方法。首先对场景中的动态特征点利用一种几何约束方法进行粗滤除,然
其他文献
针对股票数据共线性和非线性的特点,提出了一种基于卷积神经网络(Convolutional Neural Network,CNN)和门控循环单元(Gated Recurrent Unit,GRU)神经网络的混合预测模型,并对沪深300指数、上证综指和深证成指进行了预测。该模型首先采用CNN提取特征向量,对原始数据进行降维,然后利用GRU神经网络学习特征动态变化规律进行股指预测。仿真结果表明,与GRU神经网络、长短时记忆(Long-Short-Term Memory,LSTM)神经网络和CNN相比,该模型能够
目的:对计划免疫儿童接种采用细致健康宣教,对家长满意度的影响和儿童接种依从性的影响进行探讨.方法:研究样本为我中心的计划免疫儿童200例,样本选取时间为2020年1月到2011
乳腺癌细胞转移是影响病患预后的重要因素,检查前哨淋巴结病理切片可诊断转移情况。传统病理学医生检查过程冗余费时且极易漏检微转移病灶。目前已有利用卷积神经网络研究乳腺癌前哨淋巴结转移的成果,但准确率不高且对微转移情况检测效果不佳。针对以上问题,基于乳腺癌前哨淋巴结病理图像数据集(PCam),设计提出了SENet多路卷积神经网络模型。模型使用堆叠多路卷积单元和SENet模块,采用跳跃跨层连接、标准卷积与
目的:探究经阴道彩色多普勒超声诊断异位妊娠的临床价值.方法:选取我院2019年1月-12月收治的异位妊娠患者共80例,分别经腹部超声及经阴道超声进行诊断,对比两种检查的典型影
目的:探讨冠心病PCI患者出院准备度现状及影响因素.方法:选取2020年1月至2020年12月的80例冠心病PCI患者作为研究对象.采用一般资料调查表、出院准备度量表(RHDS)、出院指导
通过分析心音信号对心脏早期的病理状态进行确诊具有重要的意义。提出了一种基于深度卷积神经网络的心音分类方法。将心音信号转化成具有时频特性的梅尔频谱系数(Mel Frequency Spectral Coefficient,MFSC)特征图,将其作为深度卷积神经网络模型的输入;利用深度卷积神经网络对MFSC特征图进行训练,引入中心损失函数建立最优的深度学习模型;测试阶段,先将心音信号转换成多张二维MFSC特征图,然后利用训练好的深度学习模型对其分类,最后利用多数表决原则判断心音信号的类别。针对人工标注的训练样
目的总结儿童狼疮性肾炎（LN）的临床特征并分析其治疗效果及远期预后，探讨LN患儿进展至终末期肾脏病（ESRD）的危险因素。方法回顾性分析2003年1月至2019年12月于中山大学附属第一医院治疗并随访的343例LN患儿的一般情况、临床表现、实验室检查、治疗、随访（截至12月31日）和预后情况等临床资料。根据肾活检病理的不同分型比较其完全缓解率；根据诱导治疗6个月后缓解情况分为完全缓解组和部分缓解组
针对目前室内场景语义分割网络无法很好融合图像的RGB信息和深度信息的问题，提出一种改进的室内场景语义分割网络。为使网络能够有选择性地融合图像的深度特征和RGB特征，引入注意力机制的思想，设计了特征融合模块。该模块能够根据深度特征图和RGB特征图的特点，学习性地调整网络参数，更有效地对深度特征和RGB特征进行深度融合；同时使用多尺度联合训练，加速网络收敛，提高分割准确率。通过在SUNRGB-D和NY
随着室内导航定位技术的兴起,无人机(Unmanned Aerial Vehicle,UAV)技术在室内环境中的应用得到前所未有的发展,对无人机航迹规划能力提出了更高的要求。由于室内环境空间较为复杂,且现有的强化学习算法收敛速度慢,提出一种基于强化学习的集成方法。通过给定的起点和终点位置的坐标连线,判断出主要障碍物及围绕主要障碍物的节点,减少无用节点的搜索;在Q值初始化过程中通过数学关系构造出方向趋
为了满足对安防图像数据安全准确高效的处理需求,在低延迟、高可靠性的边缘计算环境中设计了一种实时性目标检测框架,按层次分为终端网络层、边缘服务器层与云层。在终端网络层采用BING(Binarized Normed Gradients)算法区分图像的目标区域与背景区域,对不同区域采取选择性压缩以减少数据传输量。在边缘服务器层,针对安防图像中小目标易漏检的问题提出了基于SSD(Single Shot M