基于注意力机制和深度先验的注视点检测网络

人类注视行为作为一种非语言线索,对揭示人类意图起着重要作用,注视点检测在机器视觉领域已引起广泛关注。然而,现有方法多聚焦于图像的纹理信息提取,忽视了立体深度信息对注视点估计的重要性,难以应对纹理复杂场景。对此,提出了一种新的基于注意力机制和深度先验的注视点检测网络,包括面部视线方向预测与场景显著性检测两个阶段。在视线方向预测阶段,建立通道-空间注意力机制模块以重校准纹理特征,并设计头部位置编码分支,实现纹理和头部位置感知增强的高表征特征,以准确预测视线方向。进一步,提出将表征三维场景中立体或距离信息的深度作为先验引入到显著性检测阶段的策略,同时通过通道-空间注意力机制增强多尺度纹理特征,充分发挥深度几何信息和图像纹理信息的优势,提高注视点检测的准确性。实验结果表明,在两个权威数据集GazeFollow和DLGaze上与其他先进方法相比,该模型表现出显著的优越性。

脑梗死和短暂性脑缺血患者肠道菌群、血清载脂蛋白E水平变化及其相关性

目的观察脑梗死和短暂性脑缺血患者肠道菌群变化,分析其与血清载脂蛋白E(apolipoprotein E,ApoE)的相关性。方法留取脑梗死(30例,脑梗死组)和短暂性脑缺血(30例,短暂性脑缺血组)患者发病24 h内的粪便标本、血清标本,以健康志愿者(30例,健康组)的粪便标本、血清标本作对照。采用16s测序技术观察受检者粪便标本肠道菌群丰度变化并分析其特征。ELISA检测血清ApoE。对肠道菌群相对丰度与血清ApoE水平进行相关性分析。结果与健康组相比,脑梗死组肠道菌群中的拟杆菌门、疣微菌门、放线菌门、蓝藻门、互养菌门和浮霉菌门相对丰度显著降低(P<0.05),短暂性脑缺血组肠道菌群中的软壁菌门和放线菌门相对丰度显著升高(P<0.05),疣微菌门、蓝藻门、互养菌门和浮霉菌门相对丰度显著降低(P<0.05);与短暂性脑缺血组相比,脑梗死肠道菌群中的厚壁菌门相对丰度显著升高(P<0.05),拟杆菌门、疣微菌门、软壁菌门、放线菌门、蓝藻门和浮霉菌门相对丰度显著降低(P<0.05)。健康组和脑梗死组肠道菌群群落结构具有显著异质性(胁迫系数stress<0.05,P<0.05);脑梗死组肠道菌群微生物多样性显著低于健康组和短暂性脑缺血组(P<0.05)。脑梗死组血清ApoE水平显著高于短暂性脑缺血组和健康组(P均<0.05),分别为(36.2±6.3)、(33.2±5.4)、(32.8±5.7)mg/L。肠道菌群中的拟杆菌门相对丰度与血清ApoE水平呈负相关(r=-0.606 8,P<0.05)。结论脑梗死和短暂性脑缺血患者存在肠道菌群紊乱现象,肠道拟杆菌门相对丰度与ApoE水平有关,肠道菌群紊乱可能是脑缺血疾病的潜在致病因素。

基于语义先验和深度约束的室内动态场景RGB-D SLAM算法

针对大多数同时定位与地图构建(simultaneous localization and mapping,SLAM)系统在动态场景下位姿估计不准确的问题,本文提出了一个基于语义先验的加权极线和深度约束的运动一致性检测算法,以此构建一个室内动态场景下的视觉SLAM系统.该系统首先对输入图像进行语义分割,获取潜在运动特征点集合;其次对图像非潜在运动区域进行特征点提取,获取帧间变换的初值,利用加权的极线约束和深度约束完成对潜在外点(如运动特征点)的二次判断,并将外点移除从而更新静态特征点集合.最后利用静态特征点集实现对相机位姿的精确求解,并作为位姿优化的初值送入后端.本文在TUM(慕尼黑工业大学)数据集上的9个动态场景序列以及波恩复杂动态环境数据集的3个图像序列上进行了多次对比测试,其绝对轨迹误差(ATE)的均方根误差(RMSE)与现有先进的动态SLAM系统DS-SLAM相比降低了10.53%~93.75%,对于平移和旋转相对位姿误差(RPE),RMSE指标最高实现73.44%和68.73%的下降.结果表明,改进的方法能够显著降低动态环境下的位姿估计误差.

视觉传感器和惯性传感器的时间标定方法

视觉惯性信息融合的同时定位和建图(SLAM)技术是机器人导航领域的热点问题。多模态数据同步是数据融合算法的前提,其关键在于获取不同传感器采集时刻的准确时间戳。视觉传感器的时间戳可通过硬件方法准确获得,而惯性传感器的时间戳通常粗略地用输出时间代替,这必将导致视觉惯性融合算法精度的降低。针对该问题提出了一种视觉惯性传感器的时间同步标定方法。首先设计了一种基于平面单摆的标定装置,视觉传感器与惯性传感器在平面单摆运动中独立捕获数据,并基于同一时钟添加时间标记;其次,提出了基于最小二乘法估计摆锤重心角位移函数和角速度函数的方法;最后,通过比较两个函数的相位差获得惯性传感器的输出延时和时间戳。实验结果表明所提方法的重复标定均方差为0.018 ms,这证明所提方法的有效性。