![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
环境感知
文章平均质量分 88
一点人工一点智能
小工具集散地,知识随笔的分享小站,公众号一点人工一点智能
展开
-
《机器学习特征提取》
这是一本面向专业人士和研究生的实用指南,适用于那些正开始从事信息提取职业生涯的人。它以易于理解的方式解释了空间特征提取,并包括了关于如何收集空间特征的高度值、如何在地图上下文中开发3D模型等真实案例研究。原创 2024-06-04 15:05:45 · 1133 阅读 · 0 评论 -
NV-LIO:一种基于法向量的激光雷达-惯性系统(LIO)
NV-LIO利用从激光雷达扫描中提取的法向量进行云配准、退化检测和闭环检测,以确保在狭窄的室内环境中具有鲁棒的SLAM性能。所提出的方法通过公开数据集和我们的数据集进行了评估,涵盖了各种类型的建筑。原创 2024-05-28 12:51:37 · 873 阅读 · 0 评论 -
【荐闻】空中目标检测综述
总结了空中目标检测的发展现状和面临的挑战,提出了未来的研究方向,包括针对空中图像特性的特定数据增强方法、更高效的尺度特征融合、从多模态数据中学习、鸟瞰视角感知、视觉推理和可信赖的检测模型等。原创 2024-05-27 18:59:54 · 569 阅读 · 0 评论 -
【荐闻】动态NeRF(Dynamic NeRF)综述
传统三维重建技术逐渐倾向于应用研究,而NeRF作为新颖的隐式三维重建领域,以其高分辨率的合成能力和对少量图像的适应性脱颖而出。动态NeRF相比静态NeRF能表达更丰富的信息,有更广泛的应用前景,因此,未来NeRF研究将更多关注动态NeRF,其在NeRF领域的重要性将日益增加。原创 2024-05-24 10:20:51 · 784 阅读 · 0 评论 -
AHPPEBot:基于表型和姿态估计的自主番茄采摘机器人
在本文中,我们设计了一个名为AHPPEBot的先进机器人,专门用于自动采摘番茄。为了确保机器人采摘的自主性和精确性,我们整合了两个关键技术:基于对象检测的快速表型学方法和用于番茄托架的姿态估计技术。这些整合提高了机器人识别番茄托架、决策和规划采摘路径的能力。原创 2024-05-22 13:09:01 · 1238 阅读 · 0 评论 -
基于YOLOv8的无人机图像目标检测算法
在无人机(UAV)目标检测任务中,存在因检测目标尺度小、检测图像背景复杂等原因导致的漏检、误检问题。针对上述问题,提出改进YOLOv8s的无人机图像目标检测算法。首先,针对无人机拍摄目标普遍为小目标的应用场景,减少算法骨干网络(Backbone)层数,增大待检测特征图尺寸,使得网络模型更专注于微小目标;其次,针对数据集普遍存在一定数量低质量示例影响训练效果的问题,引入Wise-IoU损失函数,增强数据集训练效果;转载 2024-05-21 15:21:38 · 546 阅读 · 1 评论 -
基于网络的无人海洋船舶控制
本书全面分析了网络控制系统的稳定性、稳定化和故障检测,重点关注无人海洋船舶领域。它研究了网络控制在航向控制、故障检测滤波器和控制器设计、动态定位以及合作目标跟踪等领域的挑战。原创 2024-05-13 20:07:29 · 338 阅读 · 0 评论 -
计算机视觉:三维重建技术
本书探讨了用于通过图像确定实体物体的几何属性的理论和计算技术。它涵盖了基本概念,并提供了更高级研究所需的数学背景。本书分为清晰简明的章节,涵盖了广泛的主题,包括图像形成、相机模型、特征检测和三维重建。原创 2024-05-10 09:54:09 · 520 阅读 · 2 评论 -
基于Detectron2的计算机视觉实践
您将了解Detectron2架构的理论和可视化,并学习Detectron2中每个模块的工作原理。随着学习的深入,您将通过使用Detectron2在两个实际项目中开展实践,涵盖了目标检测和实例分割任务的数据准备、模型训练、微调和部署。即使您是计算机视觉领域的专家,并且对Detectron2的特性感兴趣,或者您想学习一些尖端的深度学习设计模式,本书也会对您有所帮助。通过阅读本深度学习书籍,您将获得扎实的理论知识和实用的动手能力,帮助您使用Detectron2解决高级计算机视觉任务。原创 2024-05-06 14:38:42 · 1002 阅读 · 1 评论 -
SLAIM:一个实时的RGB-D NeRF-SLAM系统
SLAIM:一个实时的RGB-D NeRF-SLAM系统与现有的NeRF-SLAM系统相比,我们的方法在跟踪性能上始终表现出更强的竞争力。我们的方法采用体积密度表示,并引入了一种新的KL正则化器在射线终止分布上,将场景几何限制为空隙空间和不透明表面。原创 2024-05-06 12:56:28 · 980 阅读 · 0 评论 -
117篇 | 3D Gaussian Splatting论文
本论文集划分为4个部分:综述&基础(14篇)、NeRF在AIGC(54篇)、NeRF在SLAM(自动驾驶)(25篇)、NeRF之场景建模(25篇)原创 2024-05-03 22:09:50 · 600 阅读 · 0 评论 -
移动机器人系统与技术:自动驾驶、移动机器人、旋翼无人机
这本书全面介绍了机器人车辆的技术。它介绍了道路上自动驾驶汽车所需的概念。此外,读者可以在六足机器人的构造、编程和控制方面获得宝贵的知识。这本书还介绍了几种不同类型旋翼无人机的控制器和空气动力学。它包括各种旋翼推进飞行器在不同空气动力学环境下的模拟和飞行。原创 2024-05-03 13:05:50 · 764 阅读 · 0 评论 -
基于深度学习的3D目标检测与跟踪
目标检测和跟踪对于自动驾驶来说是至关重要和基础的任务,旨在从场景中识别和定位出那些预定义类别的对象。在所有形式的自动驾驶数据中,3D点云学习引起了越来越多的关注。目前,有许多用于3D目标检测的深度学习方法。然而,鉴于点云数据的独特特性,点云的目标检测和跟踪任务仍需要深入研究。原创 2024-04-30 16:10:01 · 1421 阅读 · 0 评论 -
大规模SLAM技术
本书专为希望增加移动建图系统知识的工程师和研究人员编写。因此,导出的信息流被划分为与某些移动地图数据和相关观测方程相对应的子问题。尽管所提出的方法并没有覆盖文献中所有SLAM的方方面面,但它是基于实用和现实应用背景下的经验总结。因此,它可以为熟悉SLAM并希望对该主题有更广泛了解的人提供有利地支持。原创 2024-04-30 15:14:34 · 168 阅读 · 0 评论 -
VIFNet:端到端的可见光-红外光图像去雾网络
本文通过可见光与红外光的融合,提出了一种新的图像去雾方法。实验结果表明,该方法在去除雾霾的同时,能够有效地保留图像细节和边缘信息。原创 2024-04-29 13:16:13 · 1113 阅读 · 0 评论 -
融合视角下的RGBT单目标跟踪综述
智能融合视角下的RGBT单目标跟踪综述RGBT视觉跟踪技术通过结合可见光与红外模态,有效应对低光环境、遮挡和伪装等复杂场景,显著提升跟踪性能,在多个领域展现出广阔的应用前景。原创 2024-04-29 11:53:36 · 1450 阅读 · 0 评论 -
基于NeRF的三维实景重建技术探索
NeRF通过深度学习的方法,将三维空间表示为一组可学习且连续的辐射场。在已知视角下,对场景进行一系列的捕获(包括拍摄到的图像以及每张图像对应的内外参),不需要中间三维重建的过程,仅根据位姿内参和图像,合成新视角下的图像。不同于传统的三维重建方法把场景表示为点云、网格、体素等显式的表达,NeRF独辟蹊径,将场景建模成一个连续的5D辐射场隐式存储在神经网络中,只需输入稀疏的多角度的2D图像,就可以通过训练得到一个神经辐射场模型,根据这个模型可以渲染出任意视角下的清晰照片。原创 2024-04-29 11:46:34 · 1071 阅读 · 0 评论 -
深度学习模型:面向实际操作专业人员的实用方法
本书采取不同的方法,聚焦于实际操作,同时将理论概念保持在必要的最低限度。书中首先介绍深度学习的基本信息,逐步深入主题,解释并阐释现有算法的局限性。原创 2024-04-28 18:17:59 · 879 阅读 · 0 评论 -
16册 | 移动机器人(自动驾驶)系列
此文档整理推荐了16本移动机器人(自动驾驶)相关的书籍,内容包括:ROS、机器人基础开发、分布式机器人控制、集群机器人控制、嵌入式机器人、多传感器融合等等。原创 2024-04-28 10:24:10 · 1689 阅读 · 0 评论 -
基于车载点云数据的城市道路特征目标提取与三维重构
城市道路作为交通基础设施的重要组成部分,其数字化建模是智慧交通、自动驾驶以及基础设施变形监测等领域发展的必要前提[1]。尽管发达国家的道路建设已达到相对饱和的状态,但针对既有道路的快速、准确的数字化模型重建仍是研究的重点。在这方面,三维激光扫描技术通过激光雷达系统采集待测区域的点云数据,进而成为实现高精度重建的重要手段[2]。然而,现有的研究中,大多数的方法存在一些局限性,如人工参与度高、处理效率低、仅针对特定类型的原创 2024-04-27 22:14:25 · 956 阅读 · 0 评论 -
图像分类导论:从模型设计到端到端
图像分类是计算机视觉任务中至关重要的组成部分,且具有很多应用。图像分类的传统方法包括在特征空间中进行特征提取和分类。目前最先进的方法采用深度神经网络进行端到端学习,其中特征提取和分类已集成到模型中。理解传统图像分类很重要,因为其许多设计概念与神经网络的组件直接对应。了解这些知识有助于揭示这些网络的行为,这些行为乍一看可能很复杂。本书从介绍用于模型驱动的特征提取和分类的方法开始,包括用于从图像中提取高级语义的基本计算机视觉技术。然后简要概述了使用生成和判别分类器的概率分类。原创 2024-04-27 11:18:57 · 932 阅读 · 2 评论 -
基于全局与局部感知网络的超高清图像去雾方法
带有雾霾的图像具有低对比度和模糊的特性,这会严重影响下游图像处理模型的表现,例如行人检测、图像分割等。对此,大量的单幅图像去雾方法被开发出来,它们的目的在于把输入的带有雾霾的图像转换成一张清晰图像。然而,伴随着移动设备和边缘设备对分辨率为4k图像处理方法的需求的不断增长,现存的图像去雾的方法很少能高效地处理一张带雾的超高清图像[1]。原创 2024-04-25 11:23:46 · 820 阅读 · 0 评论 -
深度学习下的视觉SLAM综述
本综述涵盖了深度学习技术应用到SLAM领域的最新研究成果,重点介绍和总结了深度学习在前端跟踪、后端优化、语义建图和不确定性估计中的研究成果,展望了深度学习下视觉SLAM的发展趋势,为后继者了解与应用深度学习技术、研究移动机器人自主定位和建图问题的可行性方案提供助力。原创 2024-04-23 18:06:23 · 1396 阅读 · 0 评论 -
RoadBEV:鸟瞰视图下的路面重建
近年来,无人地面车辆(UGV)的快速发展对车载感知系统提出了更高的要求。对驾驶环境和条件的实时理解对于准确的运动规划和控制至关重要[1,2,3]。对车辆而言,道路是与物理世界唯一接触的介质。路面条件决定了许多车辆特性和驾驶性能[4]。路面不平坦,如凸起和坑洞(如图1(a)所示),会严重影响乘用车的乘坐体验。实时的路面条件感知,特别是几何高度感知,极大地有助于提高乘坐舒适度[5,6]。图1 我们的动机。(a)我们BEV中的重建方法在单目和立体配置下优于图像视角的方法。原创 2024-04-22 17:47:27 · 1541 阅读 · 0 评论 -
InstantMesh:利用稀疏视图大规模重建模型从单张图像高效生成3D网格
本文提出了InstantMesh,一个开源的即时图像到3D框架,使用基于transformer的稀疏视图大规模重建模型从多视图扩散模型生成的图像中创建高质量的3D物体。原创 2024-04-18 16:25:47 · 993 阅读 · 0 评论 -
MCFS:任意形状环境中的多机器人路径规划
我们介绍了Multi-Robot Connected Fermat Spiral(MCFS),这是一个新颖的算法框架,用于多机器人覆盖路径规划(MCPP),首次将来自计算机图形界的连通费马螺旋线(Connected Fermat Spiral,CFS)适应到多机器人协调中。原创 2024-03-27 20:24:44 · 673 阅读 · 0 评论 -
消毒机器人路径规划:改进的RRT*算法
本研究致力于提高消毒机器人的路径规划效率,通过改进RRT*算法,提出了APF-GFARRT*算法,该算法集成了APF、模糊控制和受限采样域的概念。该算法的优势主要体现在以下几个方面。原创 2024-03-26 14:33:06 · 1687 阅读 · 0 评论 -
融合点云与图像的环境目标检测研究进展
本文根据环境目标检测中基于图像和点云的相关技术,对基于深度学习的环境目标检测进行了阐述。首先介绍了3D目标检测的常用数据集和数据格式,其次按照不同的数据输入形式和模型内部的数据表示形式对3D目标检测算法进行划分。尽管环境目标检测在自动驾驶及数字仿真技术领域有着很大的潜力,但目前仍然存在着一些问题和挑战。转载 2024-03-22 15:39:09 · 231 阅读 · 0 评论 -
HPSO-ACO算法:仓库巡检机器人路径优化方法
HPSO-ACO算法可以依靠HPSO的混合机制,使ACO算法更容易跳出局部最优,加快了算法的整体求解速度,提高了算法的优化能力。借鉴遗传算法中混合(hybridization)的概念,在每次迭代中,根据混合的概率,将指定数量的粒子放入混合池中,并将池中的粒子相互交叉混合,生成相同数量的子粒子,这些子粒子取代了父粒子,如图2所示。实验结果表明,在相同条件下,与HPSO算法和ACO算法相比,所提出的方法具有更快的收敛速度、更少的迭代次数和更短的最优路径,为巡检机器人的路径优化提供了理论参考。原创 2024-03-20 23:49:31 · 767 阅读 · 0 评论 -
重大装备制造多机器人任务分配与运动规划技术研究综述
本文针对任务分配过程对线性规划方法、基于市场的方法、启发式算法及深度强化学习算法进行了分析,同时针对运动规划对基于搜索的规划方法、基于势场的规划方法、基于采样的规划方法及人工智能规划方法进行了描述。在此基础上对算法产生的计算时间问题、可行解问题、维度问题及通信的鲁棒性问题进行了总结。转载 2024-01-08 21:25:05 · 217 阅读 · 0 评论 -
书籍推荐- 《移动机器人系统与技术》
随着半导体和软件技术的成功,智能传感器、算法和计算机模块的集成有助于提高自动驾驶汽车的可靠性。这本书介绍了汽车的新特点,并研究了涉及自动驾驶汽车的因素。它预测了自动化汽车现代技术的最新发展,让读者了解自动驾驶汽车的工程特征、功能、模拟、嵌入式系统、连接、传感、控制、处理和通信。我们未来的道路交通设想了一种语音控制的零排放驱动引擎,它可以自动执行多项任务,而不会忽略在不断变化的时代中的安全可靠性。伴随着多年来的许多研究,空中机器人和陆地无人车技术的发展有了显著的进步。作者:Tian Seng Ng。转载 2024-01-07 05:49:56 · 102 阅读 · 0 评论 -
从SLAM到态势感知:挑战与调查
从理解当前感知开始,考虑可能的语义关系,使用给定时间瞬间的感知观察来构建短期理解,称为直接情境理解,或包含过去获得的知识,即积累的情境理解的长期模型。可以创建多个抽象关系来连接情境结构模型中的概念,例如几何关系(例如物体的形状)、语义关系(例如物体的类型和功能)、拓扑关系(例如空间中的顺序)、本体关系(例如常识概念的层次结构)、动态关系(例如物体之间的运动)或随机关系(例如包括不确定性信息)。值得注意的是,由于当前算法的发展限制了其应用范围,使其仅适用于特定环境,因此态势感知的关键方面仍不够成熟。原创 2023-06-05 12:01:07 · 202 阅读 · 1 评论 -
SLAM+路径规划:巡检机器人算法设计
针对工厂检查的应用需求,本文研究了机器人地图制作、定位和路径规划方法。由于相机和激光传感器在不同环境中的适用性存在差异,同时也受到它们固有特性的限制,因此本文提出了基于多线激光雷达和视觉感知的SLAM应用系统,以满足不同场景的需求。原创 2023-05-30 21:09:06 · 2661 阅读 · 0 评论 -
基于深度学习的视觉多目标跟踪研究综述
近年来的MOT算法主要采取根据目标的特征相似性将视频序列中的检测目标关联为完整轨迹的跟踪策略。根据模型为完成目标检测、特征提取和数据关联3个子任务所采取的跟踪范式,可以将近年来的MOT算法分为分离检测与特征提取的方法(Separate Detectionand Embedding,SDE)、联合检测与特征提取的方法(Joint Detection and Embedding,JDE)以及联合检测和跟踪的方法(Joint Detectionand Tracking,JDT)。原创 2023-05-07 16:21:04 · 1086 阅读 · 0 评论 -
2015-2022 基于学习的相机标定方法
在大多数条件下这些参数(内参、外参、畸变参数)必须通过实验与计算才能得到,这个求解参数的过程就称之为相机标定(或摄像机标定)。无论是在图像测量或者机器视觉应用中,相机参数的标定都是非常关键的环节,其标定结果的精度及算法的稳定性直接影响相机工作产生结果的准确性。在图像测量过程以及机器视觉应用中,为确定空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系,必须建立相机成像的几何模型,这些几何模型参数就是相机参数。原创 2023-05-05 15:58:03 · 115 阅读 · 0 评论 -
结合局部与全局特征的点云语义分割卷积网络
本文提出了一种直接应用于非结构化三维点云的新型机载激光点云语义分割网络。该网络分别考虑了局部结构特征和全局上下文信息,并通过一组对比实验验证了其有效性。本文方法能根据点云的局部结构动态学习卷积权重,同时考虑点云的不平衡密度分布和所有点之间的空间关系。原创 2023-04-26 16:33:14 · 1132 阅读 · 0 评论 -
多视图点云配准算法综述
针对三维多视图点云配准问题,本研究首先对近二十余年的方法进行了系统分类,然后依据分类对方法进行归纳总结,随后介绍了该领域的主流数据库与评价指标,最后对本研究工作进行总结原创 2023-02-17 16:14:54 · 2741 阅读 · 0 评论 -
基于YOLO物体检测的无人机队列实时控制
本文,我们研究了仅通过相机信息对无人机进行队列控制。为此,我们采用基于深度学习模型YOLO的实时物体检测。YOLO目标探测器持续估计前方无人机的相对位置,通过该位置,每架无人机都由PD(比例导数)反馈控制器控制,以进行队列操作。原创 2022-12-30 21:50:48 · 745 阅读 · 0 评论 -
LPCG:用激光点云指导单目的3D物体检测
因此,作者团队提出了一个框架(LCPG),在未标记的LiDAR点云上生成伪3D box标签,以扩大单目3D检测器的训练集。有趣的是,对于基于LiDAR的3D检测器,使用不同的训练设置,作者团队根据经验发现,由生成的伪标签训练的单目3D检测器显示出接近的性能。由于精确的3D位置测量,基于LiDAR的3D探测器预测的伪标签相当准确,可以直接用于单目3D检测器的训练。受上述结论的启发,并考虑到激光雷达3D测量的精确性,作者团队提出了一种简单有效的框架,称为激光雷达点云引导下的单目3D物体检测(LPCG)。原创 2022-12-16 17:40:58 · 457 阅读 · 0 评论