基于知识图谱的包装产业大数据智能问答系统研究

为了提高包装产业大数据分析和信息化管理能力,提出一种基于知识图谱的包装产业大数据智能问答系统设计方法,结合大数据挖掘技术和知识图谱特征提取技术,实现包装产业大数据智能融合和优化问答检索。构建包装产业大数据分布结构模型,采用关联规则调度方法进行大数据自适应融合调度,实现包装产业大数据的分块区域匹配,提取包装产业大数据的知识图谱集,对提取的包装产业大数据知识图谱采用子空间融合技术进行信息聚类处理,实现包装产业大数据的智能问答和检索设计。采用程序加载控制方法,将算法加载到DSP集成信息处理器中,实现包装产业大数据智能问答系统的集成开发。测试结果表明,该系统能有效实现包装产业大数据智能问答,大数据图谱的特征表达能力较强。

改进3D SLAM算法在移动机器人上的应用

实现移动机器人的同步定位与建图(SLAM)是实现移动机器人真正意义上自主导航的关键。越来越多的研究者开始关注基于机器视觉的SLAM技术,这是因为它具有丰富的信息和低廉的价格。针对传统的室内环境下的3D SLAM存在实时性差、鲁棒性低等问题,提出了一种改进的RGB-D SLAM算法,利用主成分分析法(PCA)对特征描述子进行降维处理,以加快图像匹配的速度。同时针对RGB-D SLAM过程中平移和旋转较慢这一特征,提出了一种将图像区域分块匹配的方法,提高了特征点匹配的效率,降低了误匹配率。同时限制所划分的区域内的特征点数目,使得提取到的图像特征更均匀。为了克服原始RGB-D SLAM的效率不佳问题,采用了RTAB-MAP来实现RGB-D SLAM。在后端,g2o用于机器人的轨迹和全局地图优化。