排序方式: 共有92条查询结果,搜索用时 171 毫秒
91.
多目标跟踪算法是实现无人机自主导航的关键技术,为解决现有方法存在的小目标检测能力弱、计算能耗大、鲁棒性差等问题,提出一种基于注意力机制和特征匹配的多目标空对地跟踪算法,以实现航拍视角下对目标的精准高效跟踪。首先,引入通道可分离卷积,实现目标检测模型的轻量化;其次,构造融合空间注意力机制的小目标检测分支,提高对小微目标的检测精度,最后,优化目标跟踪算法的外观重识别网络,提高多目标跟踪效率。使用Visdrone2019-MOT数据集对所提算法进行验证,实验结果表明,所提算法的MOTA值提高了0.6%,FPS值为21.31帧/s,在模型大小和跟踪精度上实现了较好的平衡。 相似文献
92.
在基于先验地图的激光雷达室内导航方案中,通常采用点云配准的方法进行无人设备位姿初始化。在结构化场景下,传统配准算法特征鲁棒性较差,导致点云配准的误差较大且易陷入局部最优。针对该问题,提出了一种基于多平面空间模型的点云快速配准方法。首先该方法利用特征直方图的思想对空间点云进行快速粗聚类,根据平面一致性将粗聚类后的点集进行合并形成面特征,从而对密闭空间进行平面模型化表示。随后通过空间平面排序实现了面特征的快速关联,并利用线性匹配方法实现了两帧点云的精确配准,从而解算出机体在先验地图中的相对位姿。最后通过Gazebo搭建的仿真环境与室内结构化模拟环境对算法进行了验证。结果表明,在大型结构化场景下,算法具有更好的适应性以及更高的计算效率,能够快速为无人系统提供精准的地图初始位姿。 相似文献