基于加权预积分和快速初始化的惯性辅助单目前端模型

针对单目视觉惯性定位系统在复杂环境和相机高动态条件下的实时性和高精度的需求,提出了一种基于加权预积分和快速初始化的惯性辅助单目前端模型Improved_VIO。首先同步视觉和惯性测量数据,建立高精度的IMU加权预积分模型,为联合初始化和视觉跟踪模型提供帧间运动约束;然后构建视觉惯性融合状态向量,建立联合初始化模型,实现视觉惯性松耦合的快速联合初始化;最后在IMU加权预积分和快速初始化方法的基础上,建立一套惯性辅助的视觉跟踪模型,从而有效提高系统定位精度。在EuRoC数据集上的试验结果表明,与传统视觉惯性定位前端模型相比,本文的前端模型提升了单目视觉惯性定位的精度与实时性,初始化时间缩短至10 s内,定位精度提高了约30%。

增加Doppler观测值实现实时动态PPP快速重新初始化

针对实时动态PPP中常常会遇到卫星信号中断或大部分卫星发生周跳而导致重新初始化的问题,可以将GNSS信号短时间中断看作是全部卫星发生周跳,通过研究Doppler观测值在快速重新初始化中的观测模型,进而提出联合伪距、相位、Doppler观测值及电离层延迟变化约束信息的数学模型,对于发生周跳的卫星,通过将周跳参数固定为整数以实现动态PPP快速重新初始化。根据实际算例,从多个角度进行统计分析表明引入Doppler观测值能够提高周跳修复的成功率,从而加快PPP快速重新初始化的过程。

多水平集演化的高分辨率遥感影像分割

提出多水平集演化的非监督高分辨率影像分割模型,避免传统多水平集方法中的区域重叠问题。提出新的水平集函数重初始化技术加快曲线演化,该模型缓解面向像元分割中的"椒盐效应"及面向对象分割中尺度选择不佳造成的过/欠分割现象。

感兴趣区域高效提取算法(英文)

感兴趣区域在临床医学图像分析中占有重要地位.提出了一种基于单调推进曲线进化的感兴趣区域提取新方法.首先,通过极小化ROI(region of interest)能量函数,推导出区域速度函数项,并与基于边界的速度函数融合,提出融合ROI信息的单调推进Snake模型.ROI信息能够增强曲线深入到对比度低且细窄的区域中的传播能力.其次,提出了多初始化快速推进算法,选择性地种植种子曲线有助于局部区域的生长从而进一步改善分割结果.此外,为提高计算效率,在多尺度空间进行数值求解,其中利用快速解传递方法实现粗一级尺度到细一级尺度解的传递,可以加速收敛.利用医学图像分割实验对该方法进行评估,结果表明:该方法能够快速、精确地提取低对比度和细窄的ROI区域.与现有方法相比,该方法的高效性同时体现在分割结果和计算代价上.

复杂场景下视觉先验信息的地图恢复SLAM

目的目前已有的单目视觉SLAM(simultaneous localization and mapping)系统每次开始运行时都将初始帧而不是绝对位置设置为参考帧,不能在一个固定的坐标系中获得位姿,导致无法重用已有的建图信息,而且在复杂场景中相机容易跟踪失败,需要当前帧与已有的关键帧非常相似时才能重定位并继续建图。针对这个问题,提出一种具有重新初始化、地图重用与地图恢复能力的视觉SLAM系统。方法首先,加载先验地图,通过ORB(oriented brief)特征匹配SLAM系统当前帧与先验地图关键帧,并结合重定位方法完成SLAM系统的初始化。接着,为了避免丢失地图,建立一种应对SLAM系统跟踪失败的地图保存机制,保存跟踪成功地图,并提出一种自适应快速重新初始化算法,引入灭点检测,自动选择最佳重新初始化策略,保证SLAM系统继续跟踪与建图,建立的地图称为恢复地图。最后,对于跟踪成功地图与恢复地图,采用改进的回环方法获得它们之间的转换关系,并提出一种地图恢复法,减少跟踪成功地图与恢复地图尺度不一带来的误差,确保得到的全局一致地图更加准确。结果在经过加噪处理的KITTI数据集上进行地图恢复融合的测试,实验结果表明,在KITTI00、KITTI02、KITTI05数据集下,本文提出的SLAM系统比ORB-SLAM2系统分别可以多获得39.25%、47.75%、32.46%的地图信息。在EuRo C数据集上的运行结果表明,本文提出的单目视觉SLAM系统不仅在建图精度方面与ORB-SLAM2效果相当,还在跟踪稳定性方面有显著提升。结论本文提出的SLAM系统可以在跟踪失败的情况下有效恢复地图;此外,还可以高效重用SLAM系统已有的建图结果,固定SLAM地图坐标系,提升SLAM系统运行稳定性。