一种基于PSMNet改进的立体匹配算法

为了解决双目视觉中的立体匹配问题、减少立体匹配网络的参数数量、降低算法的计算复杂度、提高算法的实用性。在PSMNet立体匹配网络的基础上进行改进,提出了一种具备浅层结构与宽阔视野的立体匹配算法--SWNet。浅层结构表示网络层数更少、参数更少、处理速度更快;宽阔视野则表示网络的感受野更宽广,能够获取并保留更多的空间信息。SWNet由特征提取、3D卷积和视差回归3个部分构成。在特征提取部分,引入了深色空间金字塔结构(Atrous Spatial Pyramid Pool,ASPP),用于提取多尺度的空间特征信息,设计了特征融合模块,将不同尺度的特征信息有效地融合起来以构建匹配代价卷;3D卷积神经网络利用堆叠的编码解码结构进一步对匹配代价卷进行规则化处理,获得不同视差条件下特征点之间的对应关系;最后,采用回归的方式得到视差图。SWNet在SceneFlow和KITTI 2015两个公开的数据集上均取得了优异的表现,与参考算法PSMNet相比,参数数量下降了48.9%,且误匹配率仅有2.24%。

基于激光与视觉融合的煤量检测技术研究

随着煤矿智能化的发展,矿井的精确检测和分析逐渐成为衡量煤矿高效安全生产的重要手段。在煤矿井下粉尘、水雾等不利环境因素影响下,常规煤量检测设备例如电子皮带秤、单激光单视觉测距仪器在检测过程中存在着识别精度不高、抗干扰能力差等问题。针对这些问题,提出了一种激光与双目视觉融合技术,研制了一款适用于煤矿井下的基于激光与视觉融合技术的输送带煤量检测装置,通过对摄像机和激光雷达同步检测的图像进行融合,利用PSMNet网络的多尺度融合特征并基于结构进行预测,获得更准确、更密集的深度信息,经现场实验验证该方法对井下煤量体积检测的准确率可以达到90%以上。该技术可以实现煤堆表面点的快速、准确测量并有效提升煤量测量的准确度。

基于卷积神经网络立体匹配的变电站三维信息感知方法分析

阐述针对变电站复杂多变的环境,提出基于卷积神经网络立体匹配的变电站三维信息感知方法,包括构建变电站三维信息实时感知框架,提出基于双重注意力机制的立体匹配模型。

基于视觉引导的审计机器人巡检航迹在线校准系统研究

针对审计机器人巡检航迹在线校准效果较差的问题,首先提出了一种改进PSMNet的视觉引导方法,再利用优化后的DQN算法进行自适应巡航控制,最后将二者结合共同运用于在线校准系统中。结果表明,改进的PSMNet立体匹配算法端点误差降低了12%,最高运行时间仅为0.3 s;传统DQN算法的奖励函数值最高在200附近波动,优化后的DQN算法最高可达1000;两种方法结合后,在审计机器人巡检航迹的在线校准中最大偏移量仅为0.4 mm,误差率和所需时间分别是1.96%和0.37 s,说明改进的DQN算法和PSMNet立体匹配算法均实现了更优的性能表现,并且两者结合后在巡检航迹校准中误差率更低,所需时间较短,达到了更好的校准效果,为校准系统的进一步优化提供了方法参考。