图像深度信息获取是机器视觉领域的活跃研究课题之一。将图像深度估计问题归结为模式识别问题,以单目图像深度为模式类,在多尺度下从图像块中提取绝对和相对深度特征,并选择表征上下文关系的DRF(Discriminative Random Field)方法来表...图像深度信息获取是机器视觉领域的活跃研究课题之一。将图像深度估计问题归结为模式识别问题,以单目图像深度为模式类,在多尺度下从图像块中提取绝对和相对深度特征,并选择表征上下文关系的DRF(Discriminative Random Field)方法来表述某图像块的深度和其邻域深度之间的关系,从而构建起基于DRF-MAP(Maximum a posteriori)的单目图像深度估计模型。通过实验,得到了一类单目图像对应的深度图像,从而证明了单目图像深度估计模型对应的改进算法的有效性。展开更多
传统的快速激光雷达里程计与建图(Fast LiDAR odometry and mapping,F-LOAM)算法虽然对特征点进行了两级去畸变处理,但仅对第1阶段的特征点进行去畸变,第2阶段的去畸变主要用于建图,这导致位姿估计的准确性不高。为了解决这一问题,提出...传统的快速激光雷达里程计与建图(Fast LiDAR odometry and mapping,F-LOAM)算法虽然对特征点进行了两级去畸变处理,但仅对第1阶段的特征点进行去畸变,第2阶段的去畸变主要用于建图,这导致位姿估计的准确性不高。为了解决这一问题,提出了一种改进的三级去畸变机制,结合基于体素化网格的分层降采样机制,以提高算法的实时性。经过改进的F-LOAM算法在KITTI数据集上的测试表现出色。三级去畸变机制和分层降采样策略不仅有效降低了计算负担,还确保了特征点的有效性和全局地图的精度。展开更多
文摘图像深度信息获取是机器视觉领域的活跃研究课题之一。将图像深度估计问题归结为模式识别问题,以单目图像深度为模式类,在多尺度下从图像块中提取绝对和相对深度特征,并选择表征上下文关系的DRF(Discriminative Random Field)方法来表述某图像块的深度和其邻域深度之间的关系,从而构建起基于DRF-MAP(Maximum a posteriori)的单目图像深度估计模型。通过实验,得到了一类单目图像对应的深度图像,从而证明了单目图像深度估计模型对应的改进算法的有效性。
文摘传统的快速激光雷达里程计与建图(Fast LiDAR odometry and mapping,F-LOAM)算法虽然对特征点进行了两级去畸变处理,但仅对第1阶段的特征点进行去畸变,第2阶段的去畸变主要用于建图,这导致位姿估计的准确性不高。为了解决这一问题,提出了一种改进的三级去畸变机制,结合基于体素化网格的分层降采样机制,以提高算法的实时性。经过改进的F-LOAM算法在KITTI数据集上的测试表现出色。三级去畸变机制和分层降采样策略不仅有效降低了计算负担,还确保了特征点的有效性和全局地图的精度。
基金Supported by National Natural Science Foundation of China(1097102911201400+2 种基金11026062)Project of Henan Provincial Department of Education(2011A110015)Talent Youth Teacher Fund of Xinyang Normal University
