分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2022-06-06 合作期刊: 《计算机应用研究》
摘要： 位姿图优化(pose graph optimization，PGO)是计算机视觉领域中广泛应用的高维非凸优化算法，很难直接求解，主要依赖于迭代技术，对初始值的质量要求较高，在实践中很难得到保证。针对位姿图优化问题进行了研究，提出了基于特征分解的位姿图简单封闭解算法，该算法首先对PGO问题的最大似然估计进行半定松弛，然后将其转换为特征分解问题，并利用数据的稀疏性设计了改进的模型降阶方法进行求解，进一步提高了算法的计算速度。算法具有可伸缩性、计算成本低和精度高等优点。最后，在模拟和真实的位姿图数据集上进行实验评估，结果表明在不影响精度的情况下，该算法可以快速地进行位姿图优化。
分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2022-05-10 合作期刊: 《计算机应用研究》
摘要： 为进一步提高视觉SLAM中的光流匹配精度和速度，提出一种融合惯性测量单元(Inertial Measurement Unit，IMU)去除运动模糊的改进光流匹配算法。该算法首先利用IMU运动信息计算的点扩散函数去除运动模糊，提高特征点匹配率；其次在LK(Lucas-Kanade)光流的基础上，引入梯度误差，并使用图像梯度L1范数作为正则项模拟稀疏噪声，构建代价函数；然后利用IMU预测特征点位置作为该算法初始值，并加入BB(Barzilar-Borwein)步长改进原有的高斯牛顿算法，提高计算速度。实验表明，通过两帧之间比较，该算法的效率和精度均优于LK光流法；然后将该算法集成到VINS-Mono框架，在数据集EuRoC上，结果显示该算法提高了原有框架的定位精度和鲁棒性。
分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2019-04-01 合作期刊: 《计算机应用研究》
摘要： 提出了一种多物体环境下基于改进YOLOv2的无标定3D机械臂自主抓取方法。首先为了降低深度学习算法YOLOv2检测多物体边界框重合率和3D距离计算误差，提出了一种YOLOv2改进的算法。利用此算法对图像中的目标物体进行检测识别，得到目标物体在RGB图像中的位置信息; 然后根据深度图像信息使用K-means++聚类算法快速计算目标物体到摄像机的距离，估计目标物体大小和姿态，同时检测机械手的位置信息，计算机械手到目标物体的距离; 最后根据目标物体的大小、姿态和到机械手的距离，使用PID算法控制机械手抓取物体。提出的改进YOLOv2算法获得了更精准的物体边界框，边框交集更小，提高了目标物体距离检测和大小、姿态估计的准确率。为了避免了繁杂的标定，提出无标定抓取方法，代替了基于雅克比矩阵的无标定估计方法，通用性好。实验验证了提出的系统框架能对图像中物体进行较为准确的自动分类和定位，利用Universal Robot 3机械臂能够对任意摆放的物体进行较为准确的抓取。
点击量
点击量
下载量
评论
