面向时序图像的深度视觉定位算法研究

发布时间：2022-01-08 19:16

　　随着人工智能相关技术的兴起,自动驾驶、增强现实等技术在工业界的飞速发展与应用,视觉定位算法有很重要的研究价值与应用价值。目前比较成熟的视觉定位算法,大多基于传统的立体视觉算法,使用手工设计特征进行求解。然而,这些传统视觉定位算法具有特征点不鲁棒、特征匹配耗时长等问题,这些问题极大地制约了视觉定位算法在现实场景中的落地应用。另一方面,随着深度学习技术的不断发展,其在图像处理任务,如图像分类、目标检测、语义分割等任务中取得了突破性的表现。深度学习技术具有特征比较鲁棒、端到端解决任务等优点。为了提升传统视觉定位算法的精度,使用深度学习技术改进视觉定位算法是一种有效可行的解决方案。因此,本文对基于深度学习的视觉定位算法的研究有非常重要的研究价值。本文针对目前深度学习进行视觉定位算法存在的定位精度差,对位置接近的相邻帧图像实际定位结果相差较大的问题,提出加入时序约束提升定位结果。为进一步挖掘帧间信息辅助定位任务,本文进一步引入光流提升定位精度。对光流信息的使用,本文设计了两种网络结构,一种前端融合网络结构,直接将图像与光流信息融合输入网络回归相机姿态;另一种是后端融合网络结构,使用相同网络结构对... 

【文章来源】：厦门大学福建省 211工程院校 985工程院校 教育部直属院校

【文章页数】：76 页

【学位级别】：硕士

【部分图文】：

图２．?２对极几何约束??

图２．?１针孔相机模型??

图２．３?Ｐ３Ｐ问题示意图??


本文编号：3577127