一种移动机器人SLAM中的多假设数据关联方法

针对移动机器人同时定位与建图(SLAM)中的局部数据关联问题,提出一种基于粒子滤波的多假设数据关联方法.该方法将数据关联问题转换成离散优化问题,利用多个粒子来维持多种数据关联假设,通过计算关联代价来获得粒子权重,用基本剪枝技术在粒子重采样过程中滤除错误的数据关联假设.研究结果表明:该方法弥补了经典的数据关联方法中关联假设一旦确定就不能修改的不足;与ICNN和JCBB数据关联方法相比,该方法能获得更正确的数据关联结果和更高的定位精度.     

基于BoW模型的RGB-D SLAM算法的运动轨迹估计

针对目前RGB-D SLAM算法特征匹配耗时高、在大规模场景中闭环检测效率低的问题,提出了基于词袋(Bag of Word,BoW)模型的RGB-D SLAM改进算法。通过BoW模型缩小每个特征的匹配范围,解决了暴力特征匹配算法的耗时问题;利用BoW模型对关键帧序列进行相似度度量,得到闭环候选帧并通过多层次筛选最终确定闭环帧从而实现闭环优化,解决了传统的闭环检测算法不能适用于大规模场景的问题。与传统的RGB-D SLAM算法的实验测试及对比分析结果表明:改进的RGB-D SLAM算法能使得相机轨迹估计实时性更好,定位更准确。     

动态环境下基于深度学习的视觉SLAM研究

由于传统的同步定位与建图(simultaneous localization and mapping, SLAM)中有很强的静态刚性假设，故系统定位精度和鲁棒性容易受到环境中动态对象的干扰。针对这种现象，提出一种在室内动态环境下基于深度学习的视觉SLAM算法。基于ORB-SLAM2进行改进，在SLAM前端加入多视角几何，并与YOLOv5s目标检测算法进行融合，最后对处理后的静态特征点进行帧间匹配。实验使用TUM数据集进行测试，结果显示：SLAM算法结合多视角几何、目标检测后，系统的绝对位姿估计精度在高动态环境中相较于ORB-SLAM2有明显提高。与其他SLAM算法的定位精度相比，改进算法仍有不同程度的改善。     

高斯混合概率假设密度SLAM算法

研究了同步定位与地图创建(SLAM)中的数据关联问题。针对环境特征数未知时,数据关联的误关联率增加,导致SLAM的定位精度偏低的问题,提出了高斯混合概率假设密度SLAM算法。首先采用UFastSLAM解决SLAM中的粒子退化和耗尽问题,其次针对地图特征数未知的情况,将UFastSLAM算法中的数据关联问题转换成有限集统计理论跟踪算法的高斯混合问题,利用高斯混合概率假设密度(Gaussian Mixture Probability Hypothesis Density,GMPHD)算法解决UFastSLAM中数据关联问题。仿真实验结果表明本文提出的GMPHD-UFastSLAM算法在地图特征个数未知的情况下,数据关联准确率和定位精度都得到了提高。     

基于二分图最优完备匹配的目标关联算法

针对群目标编队飞行过程中的关联问题,提出基于二分图最优完备匹配的目标关联算法.该算法利用网格邻聚构造了目标关联二分图,并给出了二分图中边的权值定义;以二分图最优完备匹配作为约束条件建立了关联模型,通过求解最优解实现了目标的正确关联.用蒙特卡罗仿真结果对所提算法在各种不同的系统偏差、目标飞行间距环境中的关联性进行了比较验证,结果表明:所提算法能够取得良好的关联效果,可以有效地抵抗传感器系统偏差的影响,同时也大大降低了密集群目标关联的不确定性,其计算复杂度能够满足实际应用需求,从而证明了该算法的有效性和鲁棒性.     

基于GEMS算法的潜变量高斯图模型结构学习

考虑了潜变量高斯图模型下的结构学习(模型选择)问题,即存在潜变量时可观测变量间相互关系的估计问题.简要介绍了高斯图模型及潜变量高斯图模型下的LVglasso方法,给出了GEMS(广义期望模型选择)算法结合LVglasso下潜变量图模型选择的算法步骤.通过模拟,发现GEMS结合LVglasso方法在模型选择速度上比EM(期望最大化)算法有明显优势,并分析了拟南芥植物基因数据,估计了各基因间的条件相关性.     

基于HSV图像匹配的改进型RatSLAM算法研究

由于室内环境的复杂性和多变性,导致单独采用Rat SLAM算法进行定位存在视觉里程计可靠性低、环境适应性较弱及RGB图像在图像识别邻域应用效果较差等问题。针对这些问题,提出了一种替代原始Rat SLAM模型中的绝对差总和(SAD)匹配的新型图像匹配方法,先利用HSV图像特征进行图像全局特征的粗匹配,再利用SURF与ORB融合算法进一步进行局部特征的精确匹配,辅助Rat SLAM模型更好地完成模板匹配,进而实现对位姿细胞网络活性的更准确修正,最终得到优良的路径经历图。仿真实验表明:改进后的Rat SLAM仿生算法较改进前定位精度明显提高、匹配的成功率显著增强、鲁棒性更好。     

一种基于Laplace谱的形状匹配算法

提出一种基于谱图理论的形状匹配算法.首先在表示形状的离散点集上构造待匹配形状的Laplace矩阵,根据此矩阵的特征向量确定初始匹配关系,然后利用Viterbi算法将形状自身的结构特性(邻接性和弯曲能)融入求解过程,获得形状间的匹配关系.比较实验表明该文算法具有更高的匹配精度和鲁棒性.     

基于改进关键帧选择的RGB-D SLAM算法

关键帧选择是提高视觉SLAM(simultaneous localization and mapping)算法精度及实时性的重要因素.关键帧常以图像的帧间相对运动距离为选择依据.该方法虽简单有效,但实时性、鲁棒性较差且容易产生大量冗余关键帧.针对上述问题,提出一种改进的关键帧选择算法.该算法整合了帧间相对运动距离、帧间特征点跟踪以及最小视觉变化来选择关键帧并删除冗余关键帧.基于该算法,结合具有较好方向和光照不变性的ORB(oriented FAST and rotated BRIEF)特征,实现了RGB-D SLAM算法.在RGB-D数据集上的实验表明,改进的关键帧选择算法能够更精准、及时地选择关键帧,并在减少RGB-D SLAM中冗余关键帧的同时提高算法的实时性、建图和定位精度.     

融合多源图信息的图神经网络会话推荐算法

现有的基于图神经网络的会话推荐算法通过将会话序列构筑为图形结构捕捉项目转换关系,能够有效提高推荐性能.然而多数图神经网络及其改进模型在建模会话时仅考虑会话序列中项目的单次转换关系,忽略了会话中包含的大量有效信息,同时缺乏对项目间隐藏关联性的分析.因此提出融合多源图信息的图神经网络会话推荐算法.将用户重复行为信息,项目内容关联信息纳入到会话图建模过程当中,有效提取项目更深层次的复杂转换关系,并通过线性转换进行聚合.此外采用外部注意力机制辅助获取会话序列项目隐藏关联信息,使得生成的会话向量在推荐过程中更加精确.在真实数据集Yoochoose和Diginetica上进行实验,实验结果表明该模型优于基准模型,特别地,相较于SR-GNN模型在MRR@20指标上提高了12.50%,能更好地预测用户的下一次点击项目.     

基于转向限制的改进双向启发式最短路径算法

针对考虑转向限制的单源点单汇点最短路径问题,根据动态对偶图思想,建立道路交通网络对偶图,提出了基于存储对偶图节点的双邻接表存储地图数据;改进传统的A*算法,提出了基于可搜索无限邻域的双向启发式算法。该算法选用基于OSP的地图作为实验数据进行路径规划,并运用于基于SLAM算法的车型机器人上进行实验。结果表明该算法可在栅格地图上找到符合实际交通规则的更优可行路径,效率也可满足路径规划要求。     

基于禁忌搜索的混沌蚁群算法在SLAM数据关联中的应用

为解决SLAM的数据关联问题,提出了基于禁忌搜索的混沌蚁群算法,利用蚁群算法的正反馈和并行搜索能力构建初始解并进行优化.在全局信息素更新时加入混沌扰动,以跳出局部极值,利用禁忌搜索算法的特性,扩大解的搜索空间,得到全局最优解.在无人机SLAM仿真环境下进行试验,仿真结果表明该方法极大地提高了数据关联率,该算法是有效可行的.     

Simultaneous Localization and Mapping Technology Based on Project Tango

Aiming at the problem of system error and noise in simultaneous localization and mapping(SLAM) technology, we propose a calibration model based on Project Tango device and a loop closure detection algorithm based on visual vocabulary with memory management. The graph optimization is also combined to achieve a running application. First, the color image and depth information of the environment are collected to establish the calibration model of system error and noise. Second, with constraint condition provided by loop closure detection algorithm, speed up robust feature is calculated and matched. Finally, the motion pose model is solved, and the optimal scene model is determined by graph optimization method. This method is compared with Open Constructor for reconstruction on several experimental scenarios. The results show the number of model's points and faces are larger than Open Constructor's, and the scanning time is less than Open Constructor's. The experimental results show the feasibility and efficiency of the proposed algorithm.     

基于关联图的改进关联规则在推荐系统中的应用

提出了推荐模型中的关联规则挖掘方法的改进,给出了自定义的页面权值的定义,并改进了基于关联图的关联规则挖掘算法,将页面权值应用于关联规则的挖掘中。此算法是利用Web日志中经过预处理后得到的数据进行规则挖掘,将处理后的数据应用正态分布函数来得到页面权值。用页面权值重新计算支持度,最后将得到的支持度应用于改进的规则挖掘算法中,形成一种基于权值的关联图的关联规则算法。     

单目视觉SLAM车载摄像机快速位姿估计及景物重构

针对单目视觉同时定位与地图构建(simultaneous localization and mapping, SLAM)应用,提出一种快速车载摄像机位姿估计及景物结构3D重构算法。在无具体标定物的情况下,利用移动机器人二自由度运动导致摄像机采集视图中对应极点的特殊性质,标定出真实摄像机与虚拟摄像机间的相对姿态,并利用主动视觉方法进一步标定出移动机器人坐标系与虚拟摄像机坐标系间的相对位移;构造无穷单应变换,将真实视图中通过SIFT算法得到的假设欧氏匹配点集转换为对应虚拟摄像机的虚拟假设欧氏匹配点集,并利用基于RANSAC的归一化三点算法快速地对本质矩阵进行估计和分解;利用已观测到的路标三维信息,递归地剔除本质矩阵分解出的平移量的尺度不确定性,并利用线性三角形法重构出景物结构。实验结果表明:该算法在保证运算精度的同时,具有更快的运算速度。     

基于连通图动态分裂的聚类算法

当前大部分的聚类算法都难以处理任意形状和大小、存在孤立点和噪音以及密度多变的簇,为此,文中提出了一种基于连通图动态分裂的聚类算法.首先构造数据集的l-连通图,然后采用动态分裂策略对l-连通图进行分割,把数据集分成多个互不相连的连通图子集,每个连通图子集为一类.实验结果表明,所提出的算法能够有效地解决任意形状和大小、存在孤立点和噪音以及密度多变的簇的聚类问题,具有广泛的适用性.     

基于Delaunay三角化的形状表示与相似性衡量

在计算机视觉中,形状的表示和相似性衡量是重要且复杂的问题,提出了一种改进的SUSAN(最小一致性区域)拐点检测算法并用于形状表示,同时基于Delaunay三角化给出了一个用于形状相似性衡量的有效算法。首先,对形状的拐点进行Delaunay三角形构造,然后从Delaunay三角网中获得Delaunay图矩阵,最后使用矩阵的谱对拐点进行匹配。在含有1 400幅图像的MPEG-7 CE-Shape-1数据库中的检索实验进一步验证了算法的有效性。     

基于多源融合式SLAM的机器人三维环境建模

为有效处理移动机器人三维环境地图创建过程的不确定误差,提高所建地图的准确性、完整性和一致性,本文提出了一种基于传感器信息融合和Rao-Blackwellised粒子滤波(RBPF)的移动机器人三维同时定位与地图创建 (SLAM)方法. 在建立传感器不确定性概率模型的基础上,通过贝叶斯滤波实现传感器数据的去噪,将激光与视觉传感器获取的环境信息在一定的规则下融合,在SLAM框架下实现具有纹理映射的三维环境地图创建. 实验结果表明所用方法的有效性. 多源融合式自主SLAM提供了更为丰富、完备、准确的环境模型.      

基于直方图的形状描述及骨架图匹配算法

考虑物体形状的多变性,给出了一种基于二维直方图的物体形状描述及骨架图匹配算法.该算法利用骨架长度和骨架上点的圆盘半径作为特征量来描述形状.首先基于二维直方图给出一种形状及骨架端点的特征描述方法,其次结合改进的最优子序列匹配算法实现骨架图的匹配.算法中的形状及骨架端点的特征描述在一些常见非刚性变换下具有不变性.实验结果表明,该算法能够实现一些非刚性变换下的物体形状的骨架图匹配和较高精度的形状检索,且复杂度较低.     

基于二分关联图的大数据隐私保护方法

针对目前大数据缺乏群组隐私保护的问题,提出一种基于二分关联图的大数据群组隐私保护方法,在不同群组隐私层级的二分关联图中保护数据隐私。所提算法通过关联图分层(association graph layering, AGL)和层级群组差分隐私(hierarchical group differential privacy, HGDP),实现发布大数据的群组隐私保护。关联图分层将给定关联图的节点和边分组,通过划分二分关联图的节点最小化每个层级的敏感度,可以向不同权限的用户公开不同层级的子图;在层级群组差分隐私过程中,对不同层级选择灵敏度并计算方差,重复聚合噪声减少方差,通过高斯机制进行子图噪声注入,实现分层关联图的扰动,以保证每个层级的群组隐私。实验结果表明,所提方法可以用来保护群组数据的综合敏感信息,并且比其他方法具有更好的隐私保护效果和更高的数据可用性。