传统同时定位与地图构建(simultaneous localization and mapping,SLAM)在弱纹理场景中的鲁棒性差,在动态场景中受动态物体干扰。针对这些问题,提出了动态视觉SLAM。首先,在视觉前端使用几何对应网络2(geometric correspondence network...传统同时定位与地图构建(simultaneous localization and mapping,SLAM)在弱纹理场景中的鲁棒性差,在动态场景中受动态物体干扰。针对这些问题,提出了动态视觉SLAM。首先,在视觉前端使用几何对应网络2(geometric correspondence network version 2,GCNv2)提取特征点并生成二值描述子,提高SLAM在弱纹理场景中的鲁棒性;然后,引入目标检测网络对动态物体进行检测,获取当前帧的语义信息,结合多视图几何剔除动态物体,去除动态物体对SLAM的干扰。实验结果表明:在弱纹理场景中,所提方法可以持续提取足够数量的高质量特征点;在存在动态物体干扰的场景中,所提方法的绝对位姿误差和相对位姿误差较小;在静态场景中,所提方法的性能仍然较优。展开更多
某型汽车起重机操纵室在低频处存在明显的噪声峰值,影响操纵室的舒适性和操作者的工作效率。为了解决这一问题,采用噪声传递函数(NTF,Noise Transfer Function)分析、节点贡献量分析等方法确定对结构噪声影响最大的部件,并采用拓扑优化...某型汽车起重机操纵室在低频处存在明显的噪声峰值,影响操纵室的舒适性和操作者的工作效率。为了解决这一问题,采用噪声传递函数(NTF,Noise Transfer Function)分析、节点贡献量分析等方法确定对结构噪声影响最大的部件,并采用拓扑优化对关键部件进行了结构优化设计。针对操纵室的低频噪声问题,建立了操纵室的声固耦合有限元模型,进行了结构的NTF分析,发现NTF的最大峰值出现在139 Hz处;在此基础上,分别采用传递路径贡献量分析和节点贡献量分析确定对室内噪声影响最大的激励源是右前悬置安装点的Z向激励,而造成噪声峰值的关键部件是操纵室底板;对操纵室底板进行了拓扑优化,通过合理布置加强筋增加底板刚度,从而有效抑制低频振动,减少噪声响应。优化后的操纵室NTF曲线在139 Hz处的噪声峰值降低了4.9 dB(A),有效改善了汽车起重机操纵室的低频噪声,显著提升其NVH(Noise、Vibration、Harshness)性能。展开更多
文摘传统同时定位与地图构建(simultaneous localization and mapping,SLAM)在弱纹理场景中的鲁棒性差,在动态场景中受动态物体干扰。针对这些问题,提出了动态视觉SLAM。首先,在视觉前端使用几何对应网络2(geometric correspondence network version 2,GCNv2)提取特征点并生成二值描述子,提高SLAM在弱纹理场景中的鲁棒性;然后,引入目标检测网络对动态物体进行检测,获取当前帧的语义信息,结合多视图几何剔除动态物体,去除动态物体对SLAM的干扰。实验结果表明:在弱纹理场景中,所提方法可以持续提取足够数量的高质量特征点;在存在动态物体干扰的场景中,所提方法的绝对位姿误差和相对位姿误差较小;在静态场景中,所提方法的性能仍然较优。
