期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
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
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
上一页 1 下一页 到第
使用帮助 返回顶部