2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩55頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)

文檔簡介

1、本文從不確定度的角度評價視覺里程計的性能,以及如何利用不確定度知識提高里程計的精度,都是值得研究的課題。本文立足立體視覺里程計,針對其中的一些核心算法,進行了嚴(yán)密的不確定度分析和論證,并結(jié)合不確定度的相關(guān)信息,提出對里程計的改進算法,提高里程計的精度。主要內(nèi)容為:
   1.本文首先介紹了立體視覺的基本原理和本文要研究的立體視覺里程計算法流程,包括特征點的提取,特征匹配和跟蹤,最小二乘運動估計和RANSAC去除誤配點等。

2、   2.本文研究了圖像特征點的不確定度。文章總結(jié)了尺度不變的特征提取算法的一般框架,并基于該框架給出了特征點提取的方差傳遞公式,然后以SIFT為例進行了仿真實驗的驗證,并和現(xiàn)有方法進行了對比。
   3.運動估計是視覺里程計的一個關(guān)鍵問題。圖像特征點的不確定度首先通過三角化公式傳遞給三維點,得到三維點定位的不確定度,文章分別用基于導(dǎo)數(shù)的線性方差傳遞方法和無味變換的非線性方法對這個問題進行了求解,推導(dǎo)中運用到了矩陣攝動理論求解

3、特征向量導(dǎo)數(shù)的知識。單一的運動參數(shù)傳遞不足以解決里程計不確定度的問題,因此文章接下去又考慮了關(guān)于一類RANSAC算法估計參數(shù)的不確定度。本文基于Bayesian理論提出一種新的算法用來估計這類數(shù)據(jù)量龐大的不可微系統(tǒng)的不確定度傳遞,在實驗驗證中取得了良好效果。再根據(jù)逐步運動的累積,推導(dǎo)出了里程計定位的不確定度公式,并在實際實驗中證明了算法的有效性。
   4.結(jié)合特征點不確定度的研究,文章提出了一種結(jié)合圖像特征點不確定度的最大似然

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論