期刊导航
期刊开放获取
vip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
结合乐高滤波器和SSD的低光照图像融合检测方法
被引量:
3
1
作者
李琳
刘学亮
+1 位作者
赵烨
纪平
《计算机科学》
CSCD
北大核心
2021年第7期213-218,共6页
针对低光照图像背景环境复杂导致目标检测易产生误检、漏检现象,提出了一种基于SSD目标检测的改进低光照图像精度和速度的方法。该方法先对低光照图像进行增强处理,然后将处理后的低光照图像和增强图像分别输入到融入乐高滤波器的SSD网...
针对低光照图像背景环境复杂导致目标检测易产生误检、漏检现象,提出了一种基于SSD目标检测的改进低光照图像精度和速度的方法。该方法先对低光照图像进行增强处理,然后将处理后的低光照图像和增强图像分别输入到融入乐高滤波器的SSD网络结构中进行训练检测,通过得到的两种检测模型对处理后的数据集进行检测,最后融合检测结果候选框中的不重复框,筛选候选框中的重复框,标记出正确位置的目标,从而提升对低光照图像检测的精度。在网络结构不同位置融入乐高滤波器,模型参数量分别减少8.9%和29.5%,浮点运算次数下降6.8%和34.9%,检测框融合处理后检测精度得到了3%~7%的提升。该方法更符合实际应用,有效提升了低光照图像的检测速度和精度,扩大了目标检测的应用范围。
展开更多
关键词
目标检测
低光照图像
SSD算法
乐高滤波器
融合
在线阅读
下载PDF
职称材料
基于多传感器融合回环检测MLD-LOAM的移动机器人定位方法研究
2
作者
许丽佳
胡泽邦
+5 位作者
周龙
周师杰
唐座亮
王玉超
许宝成
冯青春
《农业机械学报》
2026年第5期115-126,158,共13页
针对室外非结构化环境地形复杂和环境高相似度导致机器人建图定位精度衰减的问题,提出一种多传感器融合回环检测的SLAM算法,即MLD-LOAM(Multi-sensor loop detection LiDAR-IMU LOAM)。该算法基于LEGO-LOAM算法架构,在地面点云过滤阶段...
针对室外非结构化环境地形复杂和环境高相似度导致机器人建图定位精度衰减的问题,提出一种多传感器融合回环检测的SLAM算法,即MLD-LOAM(Multi-sensor loop detection LiDAR-IMU LOAM)。该算法基于LEGO-LOAM算法架构,在地面点云过滤阶段,基于激光点距离分布进行快速过滤后引入IMU数据,通过实时解算地面法向量对地面点云二次过滤;在回环检测阶段,根据激光点云特征稀疏程度设计激光雷达置信度函数来融合IMU与激光雷达数据,构建融合里程计后,基于八叉树改进的NDT配准进行回环检测,提高定位精度和效率。本文在KITTI数据集和室外非结构化实际场景中进行了试验,结果表明与LEGO-LOAM相比,MLD-LOAM在KITTI数据集和实际场景中的定位精度分别提高了11%、30%;与LIO-SAM和FAST-LIO相比,MLD-LOAM在实际场景中的定位精度优于FAST-LIO,比LIO-SAM精度低2.8%,但内存消耗速度仅为LIO-SAM的50%和FAST-LIO的32.4%,这为需要较低内存占用的室外机器人长期建图定位任务,提供了一种可行的解决方案。
展开更多
关键词
移动机器人
定位
改进
lego
-LOAM
LiDAR-IMU数据融合
点云过滤
回环检测
在线阅读
下载PDF
职称材料
题名
结合乐高滤波器和SSD的低光照图像融合检测方法
被引量:
3
1
作者
李琳
刘学亮
赵烨
纪平
机构
合肥工业大学计算机与信息学院
合肥学院电子信息与电气工程系
出处
《计算机科学》
CSCD
北大核心
2021年第7期213-218,共6页
基金
科技部重点研发计划(2018AAA0102002)
国家自然科学基金(61976076,61632007,61932009,61806066)
安徽省高校自然科学研究项目(KJ2018A0545)。
文摘
针对低光照图像背景环境复杂导致目标检测易产生误检、漏检现象,提出了一种基于SSD目标检测的改进低光照图像精度和速度的方法。该方法先对低光照图像进行增强处理,然后将处理后的低光照图像和增强图像分别输入到融入乐高滤波器的SSD网络结构中进行训练检测,通过得到的两种检测模型对处理后的数据集进行检测,最后融合检测结果候选框中的不重复框,筛选候选框中的重复框,标记出正确位置的目标,从而提升对低光照图像检测的精度。在网络结构不同位置融入乐高滤波器,模型参数量分别减少8.9%和29.5%,浮点运算次数下降6.8%和34.9%,检测框融合处理后检测精度得到了3%~7%的提升。该方法更符合实际应用,有效提升了低光照图像的检测速度和精度,扩大了目标检测的应用范围。
关键词
目标检测
低光照图像
SSD算法
乐高滤波器
融合
Keywords
Object detection
Low light image
Single Shot MultiBox Detector algorithm
lego filter
Fusio
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于多传感器融合回环检测MLD-LOAM的移动机器人定位方法研究
2
作者
许丽佳
胡泽邦
周龙
周师杰
唐座亮
王玉超
许宝成
冯青春
机构
成都航空职业技术大学机器人学院
出处
《农业机械学报》
2026年第5期115-126,158,共13页
基金
国家自然科学基金项目(32572215)。
文摘
针对室外非结构化环境地形复杂和环境高相似度导致机器人建图定位精度衰减的问题,提出一种多传感器融合回环检测的SLAM算法,即MLD-LOAM(Multi-sensor loop detection LiDAR-IMU LOAM)。该算法基于LEGO-LOAM算法架构,在地面点云过滤阶段,基于激光点距离分布进行快速过滤后引入IMU数据,通过实时解算地面法向量对地面点云二次过滤;在回环检测阶段,根据激光点云特征稀疏程度设计激光雷达置信度函数来融合IMU与激光雷达数据,构建融合里程计后,基于八叉树改进的NDT配准进行回环检测,提高定位精度和效率。本文在KITTI数据集和室外非结构化实际场景中进行了试验,结果表明与LEGO-LOAM相比,MLD-LOAM在KITTI数据集和实际场景中的定位精度分别提高了11%、30%;与LIO-SAM和FAST-LIO相比,MLD-LOAM在实际场景中的定位精度优于FAST-LIO,比LIO-SAM精度低2.8%,但内存消耗速度仅为LIO-SAM的50%和FAST-LIO的32.4%,这为需要较低内存占用的室外机器人长期建图定位任务,提供了一种可行的解决方案。
关键词
移动机器人
定位
改进
lego
-LOAM
LiDAR-IMU数据融合
点云过滤
回环检测
Keywords
mobile robot
localization
improved
lego
-LOAM
LiDAR-IMU data fusion
point cloud
filter
ing
loop closure detections
分类号
S24 [农业科学]
TP249 [农业科学—农业电气化与自动化]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
结合乐高滤波器和SSD的低光照图像融合检测方法
李琳
刘学亮
赵烨
纪平
《计算机科学》
CSCD
北大核心
2021
3
在线阅读
下载PDF
职称材料
2
基于多传感器融合回环检测MLD-LOAM的移动机器人定位方法研究
许丽佳
胡泽邦
周龙
周师杰
唐座亮
王玉超
许宝成
冯青春
《农业机械学报》
2026
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部