导读:本文包含了点线特征论文开题报告文献综述、选题提纲参考文献及外文文献翻译,主要关键词:特征,点线,机器人,地图,视觉,空间结构,线段。
点线特征论文文献综述
林利蒙,王梅[1](2019)在《改进点线特征的双目视觉SLAM算法》一文中研究指出针对点线特征SLAM算法在图像局部密集区域提取大量相似线特征、同一直线上的线段过度分割等弊端,提出一种改进点线特征的双目视觉SLAM算法(ISSLAM);在预处理阶段,利用梯度密度滤波器剔除图像中特征密集区域,降低了线特征的误匹配率加速了特征提取过程;然后,在LSD算法的基础上,利用线段合并机制,将同一直线上由于过度分割而产生的断线重新合并,提高了特征提取的精度;在闭环检测阶段,通过融入线特征的扩展词袋模型,增加了图像相似度计算时的判别依据,提高了闭环检测的精度;ISSLAM算法通过增加筛选与合并机制以及扩展的词袋模型,优化特征提取,提高特征匹配的效率及精度,提高算法性能;最后,以EuRoc公共数据集为实验对象,证明了算法的有效性。(本文来源于《计算机测量与控制》期刊2019年09期)
颜如新,林新建[2](2019)在《直观“点线轨迹特征”,发展数学核心素养》一文中研究指出在过去的教学活动中,教师可能更关心如何教,但基于数学核心素养的教学,更多地需要关心学生如何学,需要知道学生的认知水平和认知过程.无论进行怎样的教学,如果要用一句话描述数学教育的根本,那就是培养学生的"数学直观".因为数学的结论是"看"出来的,不是"证"出来的,依赖的是"数学直观".下面就"点线轨迹特征"的直观途径在发展数学核心素养上的意义和作用作一探析,以飨读者.(本文来源于《福建中学数学》期刊2019年09期)
周紫烨,卫鹏[3](2019)在《点线面在环境设计中的应用特征》一文中研究指出点、线、面在一般传统绘画中,只是一个小的构成元素,但在环境设计中,作为一种设计表现元素,有各自的作用及对环境设计的重要性。因此,本文通过点、线、面阐述在环境设计中现有的基本特征与应用范围等,强调出自身的重要性,以及表现效果等处理方式等。(本文来源于《鸭绿江(下半月)》期刊2019年09期)
王洁[4](2019)在《点线特征融合的移动机器人视觉惯导里程计研究》一文中研究指出随着移动机器人的广泛应用,其精确定位技术作为该领域的核心技术之一逐步成为了研究热点。依赖单一传感器的定位,无法满足复杂环境下精确定位的需要,因此多传感器信息融合的定位方法成为当今移动机器人位姿估计的主要方法,目前应用较多的是将视觉信息和惯导信息进行融合实现位姿精确估计。在视觉-惯导里程计研究中,图像几何信息通常采用特征点匹配得到,但在低纹理场景中提取的有效特征点较少,容易导致定位不准。在人造环境中,存有大量的线特征,可以弥补点特征信息的不足,因此在视觉惯导信息融合的基础上结合点线特征来提高定位精度,具有十分重要的应用价值。本文研究的方法是将视觉和惯导信息以紧耦合的滤波方式进行融合,通过点线特征结合估计图像的几何信息,从而实现信息融合条件下的精确位姿估计,本文主要从以下几个方面展开研究。首先,阐述了惯性测量单元IMU的组成和相关原理,以及位姿描述的几种方法。介绍了针孔相机投影模型、相机标定中所用的四种坐标系之间的关系,并且进行了相机标定实验、相机-惯导标定实验,获得了相机内外参数以及两者之间的相对位姿,为后续研究奠定了基础。然后,详细介绍了线特征的提取、描述和在空间中的参数化表示,构建了空间直线的观测模型,用于对惯导的先验信息进行修正。之后,对点线特征结合的视觉惯导定位算法进行了详细推导。最后,用EOURC数据集进行实验,估计出相机运动位姿,输出了估计轨迹与真实轨迹的对比图,并进行误差分析,表明了点线特征结合的视觉惯导信息融合定位算法有效的提高了定位精度。(本文来源于《石家庄铁道大学》期刊2019-06-01)
杨晶东,郭远首[5](2019)在《基于联合点线特征的医疗服务机器人同时定位与地图构建算法研究》一文中研究指出目的为提高医疗服务机器人同时定位与地图构建(SLAM)算法全局定位精度和实时性,提出基于点线特征SLAM(PL-SLAM)算法,并与ORB(oriented FAST and rotated BRIEF)-SLAM2算法进行比较。方法 PL-SLAM算法在特征提取过程中在点特征的基础上增加线段特征,根据融合后的点线特征,在复杂医疗环境内进行地图创建与全局定位。利用公开数据集EuRoc和KITTI对比PL-SLAM算法与ORB-SLAM2算法,测试医疗服务机器人的自主导航综合性能。结果与ORB-SLAM2算法相比,PL-SLAM算法在弱纹理环境下能够提取较多的点线特征,定位精度和实时性均有较大提升。其中旋转误差较ORB-SLAM2算法减小42.2%,运算速度提高55.9%。结论 PL-SLAM算法能够有效提高医疗服务机器人全局定位精度和实时性。(本文来源于《第二军医大学学报》期刊2019年05期)
赵嘉珩,罗霄,钟心亮,韩宝铃,黄羽童[6](2019)在《一种融合点线特征的视觉里程计架构设计与定位实现》一文中研究指出基于视觉的同时定位与地图构建(SLAM)技术是实现移动机器人自主导航的关键.当机器人处在陌生环境中时,通常会利用周围目标的点特征来估计导航相机的位姿,并利用光束法平差来估计相机位姿和特征空间位置.但如果环境中的特征信息不丰富,则无法准确估计相机轨迹,且欧式坐标与反深度信息下的光束法平差部分条件下不收敛.为此,提出了一种在缺少特征点的环境下通过收集深度相机信息,同时利用点特征与线特征融合的视觉里程计,构建了融合视差角光束法平差与基于线特征的光束法平差的策略,从而使重投影误差达到最小化.最后与其他基于特征的SLAM系统进行比较,实验结果表明,在缺少特征点的真实环境中,系统位姿估计的性能与准确度得到提升.(本文来源于《北京理工大学学报》期刊2019年05期)
张强,莫鹏辉[7](2019)在《基于点线面的关天经济区经济空间结构特征分析》一文中研究指出经济空间结构优化是实现区域经济发展的重要支撑。本文通过定性与定量结合的研究方法对关天经济区经济空间结构的"点、线、面"分布特征进行实证研究。结果表明:核心城市西安逐渐发展为带动整个关天经济区经济发展的最大经济增长极,各市区产业集群逐渐形成了多极多核化的区域增长极;关天经济区产业集群依托城市和陇海铁路线在地理空间上呈点轴分布;以西安大都市圈为核心的产业增长极对陕北、陕南等经济腹地具有较强的经济辐射带动能力。(本文来源于《当代经济》期刊2019年05期)
杨承忠[8](2019)在《基于点线特征检测的单目视觉SLAM算法研究》一文中研究指出同步定位与建图(Simultaneous Localization and Mapping,SLAM)近年来已成为热门话题,研究者们也采用不同的传感器作为图像采集设备,如单目或双目相机、RGB-D相机、惯性传感器或激光雷达等。其中仅采用一个摄像头作为唯一外部传感器的被称为单目视觉SLAM。由于摄像头体积小、功耗低更适合于嵌入式设备,这也使得视觉SLAM技术越来越受关注。在本文中,对视觉SLAM查阅大量文献进行研究分析后,针对目前传统采用特征点法单目视觉SLAM在弱纹理场景或存在运动模糊时,无法准确估计相机位姿甚至失效情况,提出了一种结合点线特征信息的半直接法单目视觉SLAM。本文采用结合直接法与特征法的半直接法,并行运行直接法模块和特征法模块。在直接法模块中利用直接法对弱纹理环境的鲁棒性,快速且稳健地跟踪相机运动并构建局部半稠密地图,并将获得信息提供给特征法模块。在特征法模块中根据直接法模块提供的先验信息初始化地图,在传统采用特征点的基础上加入线段特征信息,结合点线特征联合优化相机位姿,并在后端优化中利用点线特征构建视觉词典树用于回环检测,减小系统的轨迹漂移,提高定位精度,构建全局一致的特征地图。在工作中,首先介绍了单目视觉SLAM中用到的相机模型和空间点线的几何表示等数学知识。然后分别对点线特征检测与匹配算法做了详细介绍,并结合点线特征联合优化相机位姿,给出了优化的代价函数和求解过程,展示了点线检测效果图。接着给出系统框架,详细介绍了本文结合直接法模块和特征法模块的处理方法,并在特征法模块中给出了点线特征词典树的完整构建过程。最后在公开数据集上进行测试,验证本系统的性能。与目前主流的开源项目进行对比,从图像配准误差、绝对轨迹误差和绝对姿态误差叁个方面数据进行比较,实验结果表明,本文方法在弱纹理场景和存在运动模糊时都具有较好的的鲁棒性和准确率。(本文来源于《辽宁大学》期刊2019-05-01)
孟庆瑜[9](2019)在《基于点线特征的单目视觉-惯性里程计算法研究》一文中研究指出同时定位与地图创建(Simultaneous Localization and Mapping,SLAM)技术的迅猛发展为机器人实现自主导航和场景重构功能提供了良好的支持,成为了机器人导航领域中的热点研究内容。然而视觉SLAM难以在快速运动和动态场景等工况下稳定高效地工作,并且难以提取低纹理图像中的特征信息,考虑到惯性测量元件(Inertial Measurement Unit,IMU)在性能上与相机互补以及环境中存在的线特征,本文以基于点线特征的视觉-惯性里程计(Visual Inertial Odometry,VIO)为研究对象,开展视觉惯性双模态信息融合研究。本文的主要内容包括:首先,针对点线特征构建过程中精度与效率间的矛盾问题,开展了图像特征提取与匹配的研究,使用ORB(Oriented FAST and Rotated BRIEF)角点和LSD(Line Segment Detector)线段提取点线特征并分别计算它们的描述子,确保数据关联的正确率。分析了重投影误差产生的机理并推导其关于相机位姿和特征位置的雅可比矩阵解析形式,使用非线性优化方法估计全局最优状态量。其次,针对VIO启动时高度依赖系统初值的问题,提出了一种基于恒速模型的VIO初始化方案,使用相机解算的帧间位姿变换分离出陀螺仪偏置,进而通过预积分观测模型分别估计加速度计偏置、重力矢量、单目相机尺度因子和速度,简化耗时严重的特征提取匹配过程,实验结果表明该初始化方法可在不失精度的前提下提高系统初始化速度,保证VIO顺利启动。再次,针对优化过程中的维数爆炸和误差积累的问题,提出了一种紧耦合框架下的状态变量构建方法和基于滑动窗口的优化模型,状态变量中包括位姿、速度、IMU偏置和点线特征在叁维空间中的位置,滑动窗口模型只处理定量的输入数据从而保证系统的解算效率,依据当前输入图像类型的不同设计了两种优化策略,将已收敛的状态量边缘化到叁维空间中,提高信息利用率。最后,针对VIO系统的信息冗余问题并考虑场景重构的效果,设计了一种高效的关键帧筛选机制并使用RANSAC方法处理外点,减少错误观测值对VIO整体精度的影响。提出了一种结合点线特征的稀疏构图方式,相较于稀疏点地图可以更好地还原场景结构和纹理信息。仿真结果表明上述方法在导航定位精度上优于当前的主流算法,变电站环境下的实测表明本文设计的VIO系统有良好的实用性。(本文来源于《东北电力大学》期刊2019-05-01)
刘炳锐[10](2019)在《基于点线特征的双目视觉同时定位与地图构建算法研究》一文中研究指出作为人工智能新兴产业之一,智能机器人的技术研究和创新应用备受重视。一个智能机器人应当具备感知和理解复杂动态场景的能力,以及面对复杂环境时自主运动的能力。同时定位与地图构建算法(Simultaneous Localization and Mapping,SLAM)是实现机器人自主移动的关键技术。SLAM技术可以估计机器人的运动,同时建立未知环境模型。SLAM技术目前还应用于其它多个领域,如:增强现实、无人驾驶、无人机。如果SLAM系统的输入信息只有来自相机的视觉信息,那么这种SLAM方案为视觉SLAM。在一些人造场景中,纹理缺失和光照变化等情况的出现会影响视觉SLAM系统的稳定性。此外,SLAM算法应具备认知、理解环境中高层次信息的能力,并提高地图的再利用性。栅格地图是广泛应用于机器人导航的地图类型。对栅格地图的自由区域进行分割,可以获取语义信息,并用于机器人全局定位。为了加强视觉SLAM系统对特殊场景的处理能力和提取栅格地图中的语义信息,本论文开展基于点线特征的双目视觉同时定位与地图构建算法和基于图的栅格地图分割算法的研究。论文主要内容如下:(1)提出了点线特征耦合的线段匹配方法。以基于网格的运动统计方法剔除点特征错误匹配,可以获得数量更多的正确匹配。针对线段特征不具备全局约束的缺点,本论文利用点特征匹配估计多层单应矩阵,从而建立线段特征的几何约束。根据图像中特征之间的几何关系,建立并求解稀疏优化模型,最终实现点线特征耦合的线段匹配。本论文提出的方法不仅建立了线段特征间的几何约束,还建立了点、线特征间的几何约束。在含有不同场景的数据集测试下,验证了点线特征耦合的线段匹配方法的准确度和实时性。(2)实现了基于点线特征的双目视觉同时定位与地图构建算法。为了加强视觉SLAM系统对特殊场景的处理能力,本论文考虑了点、线段特征在图像上的分布,加强了两种特征间的联系,并对PL-SLAM系统中的特征匹配相关环节进行改进。在双目匹配过程中,利用双目相机模型建立了线段特征间的几何约束,实现线段特征匹配。在相邻帧特征匹配过程中,采用相机匀速运动模型预测当前时刻相机的位姿,判断空间点、线在当前帧图像中的投影位置并建立几何约束,从而实现线段特征匹配。在新关键帧插入时,通过跟踪线程估计的位姿将局部地图中的路标与新关键帧的特征进行关联,实现局部地图特征匹配。测试结果表明,本文实现的双目视觉SLAM系统可以在低纹理场景和光照变化场景下稳定运行。(3)提出了基于图的栅格地图分割方法。栅格地图的自由区域表示了机器人可以通过的区域。为了从栅格地图中提取语义信息,利用迭代自组织数据分析算法对自由区域的空闲栅格进行聚类。用一个无向图表示分割结果,通过广度优先搜索的方式进行区域合并。优化分割区域后,获得栅格地图分割结果。分割区域反映了机器人所有当前可能出现的区域。实验结果表明,本文方法比其它方法更接近真实分割。此外,本文提出的地图分割方法为机器人全局定位提供了一种解决方案。(本文来源于《电子科技大学》期刊2019-04-01)
点线特征论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
在过去的教学活动中,教师可能更关心如何教,但基于数学核心素养的教学,更多地需要关心学生如何学,需要知道学生的认知水平和认知过程.无论进行怎样的教学,如果要用一句话描述数学教育的根本,那就是培养学生的"数学直观".因为数学的结论是"看"出来的,不是"证"出来的,依赖的是"数学直观".下面就"点线轨迹特征"的直观途径在发展数学核心素养上的意义和作用作一探析,以飨读者.
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
点线特征论文参考文献
[1].林利蒙,王梅.改进点线特征的双目视觉SLAM算法[J].计算机测量与控制.2019
[2].颜如新,林新建.直观“点线轨迹特征”,发展数学核心素养[J].福建中学数学.2019
[3].周紫烨,卫鹏.点线面在环境设计中的应用特征[J].鸭绿江(下半月).2019
[4].王洁.点线特征融合的移动机器人视觉惯导里程计研究[D].石家庄铁道大学.2019
[5].杨晶东,郭远首.基于联合点线特征的医疗服务机器人同时定位与地图构建算法研究[J].第二军医大学学报.2019
[6].赵嘉珩,罗霄,钟心亮,韩宝铃,黄羽童.一种融合点线特征的视觉里程计架构设计与定位实现[J].北京理工大学学报.2019
[7].张强,莫鹏辉.基于点线面的关天经济区经济空间结构特征分析[J].当代经济.2019
[8].杨承忠.基于点线特征检测的单目视觉SLAM算法研究[D].辽宁大学.2019
[9].孟庆瑜.基于点线特征的单目视觉-惯性里程计算法研究[D].东北电力大学.2019
[10].刘炳锐.基于点线特征的双目视觉同时定位与地图构建算法研究[D].电子科技大学.2019