增广扩展卡尔曼滤波的全局拼接方法研究

针对点云拼接中双站数据的拼接必然会产生拼接误差的传递,最终导致整体拼接效果不佳的问题,该文讨论了基于增广扩展卡尔曼滤波的全局拼接,通过构造系统增广模型和系统观测模型,构建转换矩阵来对数据进行全局拼接:应用增广的卡尔曼滤波原理对各站点的位置姿态进行递归地估计,以同名点偏差为依据进行估计和校正,更新位置姿态,实现数据的全局拼接。最后采用上海地铁隧道三维点云数据进行基于增广扩展卡尔曼滤波的全局拼接实验。结果表明,此方法能够提高拼接精度,降低拼接误差。

建筑物点云数据拼接模型及拼接精度分析

激光雷达进行扫描时,将扫描目标的形态信息记录下来形成点云数据。在实际扫描目标建筑时,通常受到视角和工作环境的限制,因此会在不同角度对目标建筑进行多次扫描,并将多视角点云信息进行拼接后,得到目标建筑的完整点云信息,点云数据的拼接质量对三维重建模型的精度有直接影响。在使用车载激光雷达扫描时,由于GPS可以实时获取大地坐标信息,因此,利用此信息可以将不同视角的点云数据整合到全局坐标系中,从而完成较高精度的点云拼接工作。

基于全局特征拼接的行人重识别算法研究

针对目前行人重识别出现网络模型复杂化、识别率低的问题,提出一种基于全局特征拼接的行人重识别算法。首先利用卷积神经网络(CNN)提取全局特征;然后把不同卷积层提取的特征进行拼接,使特征信息互补;最后将拼接后的特征再次进行卷积处理,获得高表征能力的特征。网络训练时,采用聚类损失函数和标签平滑损失函数联合训练,同时引入了随机擦除和减小池化步长的训练技巧。在Market1501、DukeMTMC-reID、CUHK03和MSMT17数据集上进行了实验验证,实验表明所提算法具有良好性能,其中在Market1501上,Rank-1、mAP分别达到了95.9%和94.6%。

显微镜下纤维切片图片自动拼接算法

为了满足纤维检测要求,构建了以互功率谱度量值为目标的配准模型,实现了显微镜下2D图像全局自动拼接算法。该法将统一配准模型中的图像配准过程与全局移位参数的获取过程结合在一起,用待配准图片同时在已配准两幅相邻图片中搜寻最佳拼接位置,有效降低了拼接误差和重复结构区域影响,具有较高的全局对准精度;且此法减少了一般全局拼接算法中非线性模型求解过程,提高了算法执行效率。结果显示,该法得到拼接图能有效保持图像边界纤维截面形态,达到较好的拼接图像效果。