排序方式: 共有4条查询结果,搜索用时 7 毫秒
1
1.
2.
针对传统ORB-SLAM2算法精度较低、图片帧跟踪容易丢失的问题,以及没有构建稠密点云地图与OctoMap的问题,原本构建的稀疏点云地图不能直接应用于机器人的三维路径规划。在传统ORB-SLAM2算法基础上,对关键帧的选取进行了改进。首先,在传统的ORB-SLAM2算法的基础上,在相邻图像帧间添加相对运动量的综合变换因数,并添加帧间特征点跟踪来提高关键帧选取的准确性;然后,使用已选取关键帧进行稠密点云地图与OctoMap的构建;最后,在TUM数据集上进行验证,并基于真实环境进行物理测试。实验结果表明,改进的关键帧选取方法在保证关键帧选取的准确性和快速性的前提下,可以增加ORB-SLAM2算法定位精度,有效的缓解了图片帧跟踪易丢失问题,并且构建的八叉树地图可直接用于机器人的三维路径规划。 相似文献
3.
4.
红外人脸图像表识别过程中易受到光照不均匀、角度多变、亮度差异大等问题的影响,导致红外人脸图像表情识别效率较差,为解决上述问题,提出基于LBP特征匹配算法的红外人脸图像表情识别方法。首先通过局部优化保留摄影法对红外人脸图像实行降维处理,获取优化后的图像,然后采用多角度分水岭法分割图像,保留图像的细节信息。并采用LBP算子提取预处理后的图像纹理特征,将提取的纹理特征输入支持向量机中,计算出特征的类内比重,完成红外人脸图像表情的识别。实验结果表明,所提方法的平均识别准确率为92%,识别100张人脸图像表情耗时129 s识别效率高、识别效果好、稳定性强。 相似文献
1