LLE(Locally Linear Embedding)算法是一种较好的流形学习算法,但它只能以批处理的方式进行.只要有新的样本加入,就必须重作该算法的全部内容,而原处理结果被全部丢弃.本文提出了一种基于正交迭代的增量LLE算法,能有效地利用前面的处理...LLE(Locally Linear Embedding)算法是一种较好的流形学习算法,但它只能以批处理的方式进行.只要有新的样本加入,就必须重作该算法的全部内容,而原处理结果被全部丢弃.本文提出了一种基于正交迭代的增量LLE算法,能有效地利用前面的处理结果,实现增量处理.实验表明该算法是有效的.展开更多
多摄像机系统(multiple camera systems,MCS)在机器视觉领域成为研究热点.针对MCS的位姿估计问题提出了一种新的综合重构与正交迭代算法,并引入广义摄像机模型来描述MCS以方便算法推导.为充分利用MCS提供的冗余测量信息,将观测到的参考...多摄像机系统(multiple camera systems,MCS)在机器视觉领域成为研究热点.针对MCS的位姿估计问题提出了一种新的综合重构与正交迭代算法,并引入广义摄像机模型来描述MCS以方便算法推导.为充分利用MCS提供的冗余测量信息,将观测到的参考点进行分类,并构建了加权目标函数,综合了最优绝对定向解和正交迭代(orthogonal iteration,OI)算法的优点.三维重构信息的引入不仅克服了OI算法的位姿模糊,而且提高了位姿估计的收敛速度和鲁棒性.采用了自适应权值方法降低重构误差对最终估计的影响.仿真结果验证了提出算法的有效性和优越性.展开更多
文摘LLE(Locally Linear Embedding)算法是一种较好的流形学习算法,但它只能以批处理的方式进行.只要有新的样本加入,就必须重作该算法的全部内容,而原处理结果被全部丢弃.本文提出了一种基于正交迭代的增量LLE算法,能有效地利用前面的处理结果,实现增量处理.实验表明该算法是有效的.
文摘多摄像机系统(multiple camera systems,MCS)在机器视觉领域成为研究热点.针对MCS的位姿估计问题提出了一种新的综合重构与正交迭代算法,并引入广义摄像机模型来描述MCS以方便算法推导.为充分利用MCS提供的冗余测量信息,将观测到的参考点进行分类,并构建了加权目标函数,综合了最优绝对定向解和正交迭代(orthogonal iteration,OI)算法的优点.三维重构信息的引入不仅克服了OI算法的位姿模糊,而且提高了位姿估计的收敛速度和鲁棒性.采用了自适应权值方法降低重构误差对最终估计的影响.仿真结果验证了提出算法的有效性和优越性.