基于语义的视觉定位算法研究

发布时间：2022-07-11 19:49

　　随着现在网络的发展以及可穿戴设备的普及,使得人们对自身位置信息的需求日益提升,因此基于位置服务的发展愈发迅速。目前人类每天约有80%左右的时间在室内活动,因此室内定位凭借其独特的优势正逐渐获得研究人员的广泛关注。室内视觉定位技术更是凭借其内置传感器的独特优势,适用性远超其他诸多需要部署开销的定位系统。此外,以视觉信息进行定位的方式与人类自身通过眼睛确定位置过程近似,更值得进行深入研究。本文将机器学习中的语义分割与定位算法相结合,首先研究了视觉定位技术与语义信息应用的国内外研究现状,并对机器学习的发展与视觉定位的结合进行了分析。其次,本文研究了机器学习分割出的语义成分在视觉定位系统中的应用。此外,本文针对传统算法系统中的不足针对性地做了以下研究:（1）针对传统视觉定位系统离线阶段建立的数据库中数据量较大、图像检索耗时过长的问题,提出一种基于语义的离线数据库分类方法,该方法利用机器学习的方式对数据库中图像进行了语义提取并分类为语义子数据库,能够有效消除随着数据库容量增大,在线阶段检索时间延长的线性增长关系;（2）针对在大型数据库中,检索效率与准确率不高的问题,提出了一种基于语义与内容的快速... 

【文章页数】：68 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题研究的目的和意义
    1.2 国内外研究现状
        1.2.1 视觉定位技术在国内外的研究现状
        1.2.2 图像语义分割在国内外的研究现状
    1.3 本文的主要研究内容和结构安排
第2章 室内视觉定位相关理论分析
    2.1 摄像机模型搭建
        2.1.1 针孔成像模型
        2.1.2 对极几何约束
    2.2 SURF局部特征提取算法
        2.2.1 SURF特征点提取
        2.2.2 SURF特征点匹配
    2.3 基于语义的室内视觉定位流程
        2.3.1 基于语义的离线数据库建立
        2.3.2 基于语义的在线检索定位
    2.4 本章小结
第3章 基于语义的离线数据库分类算法研究
    3.1 语义分割网络搭建
        3.1.1 语义分割网络框架
        3.1.2 语义分割子网分析
    3.2 离线数据库分类算法研究
        3.2.1 数据库分类基本流程
        3.2.2 语义数据库构建
    3.3 基于语义的离线数据库分类算法性能分析
        3.3.1 语义分割网络训练数据库构建
        3.3.2 语义分割网络性能分析
        3.3.3 离线数据库分类算法性能分析
    3.4 本章小结
第4章 基于语义约束的在线检索定位算法研究
    4.1 SCBIR算法研究
        4.1.1 SCBIR算法基本流程框架
        4.1.2 基于颜色的特征提取方法
        4.1.3 基于结构的特征提取方法
    4.2 基于语义的特征点选取及视觉定位
        4.2.1 基于语义约束的特征点选取方法
        4.2.2 基于对极约束的视觉定位方法
    4.3 基于语义的检索定位方法性能分析
        4.3.1 SCBIR方法性能分析
        4.3.2 基于语义约束定位方法性能分析
    4.4 本章小结
结论
参考文献
攻读硕士学位期间发表的论文及其它成果
致谢


【参考文献】：
期刊论文
[1]采用辅助靶标的移动机器人立体视觉定位[J]. 李鹏,张洋洋.  红外与激光工程. 2019(S1)
[2]基于卷积神经网络的的室内机器人视觉定位算法[J]. 牛家旭,孟真.  信息技术与信息化. 2019(03)
[3]基于深度学习图像语义分割的机器人环境感知[J]. 徐谦,李颖,王刚.  吉林大学学报(工学版). 2019(01)
[4]深度语义分割的无人机图像植被识别[J]. 林志玮,涂伟豪,黄嘉航,丁启禄,刘金福.  山地学报. 2018(06)
[5]基于U-Net的高分辨率遥感图像语义分割方法[J]. 苏健民,杨岚心,景维鹏.  计算机工程与应用. 2019(07)
[6]结合图像语义分割的增强现实型平视显示系统设计与研究[J]. 安喆,徐熙平,杨进华,乔杨,刘洋.  光学学报. 2018(07)



本文编号：3658771