隨著人工智能相關(guān)技術(shù)的興起,自動駕駛、增強(qiáng)現(xiàn)實(shí)等技術(shù)在工業(yè)界的飛速發(fā)展與應(yīng)用,視覺定位算法有很重要的研究價(jià)值與應(yīng)用價(jià)值。目前比較成熟的視覺定位算法,大多基于傳統(tǒng)的立體視覺算法,使用手工設(shè)計(jì)特征進(jìn)行求解。然而,這些傳統(tǒng)視覺定位算法具有特征點(diǎn)不魯棒、特征匹配耗時(shí)長等問題,這些問題極大地制約了視覺定位算法在現(xiàn)實(shí)場景中的落地應(yīng)用。另一方面,隨著深度學(xué)習(xí)技術(shù)的不斷發(fā)展,其在圖像處理任務(wù),如圖像分類、目標(biāo)檢測、語義分割等任務(wù)中取得了突破性的表現(xiàn)。深度學(xué)習(xí)技術(shù)具有特征比較魯棒、端到端解決任務(wù)等優(yōu)點(diǎn)。為了提升傳統(tǒng)視覺定位算法的精度,使用深度學(xué)習(xí)技術(shù)改進(jìn)視覺定位算法是一種有效可行的解決方案。因此,本文對基于深度學(xué)習(xí)的視覺定位算法的研究有非常重要的研究價(jià)值。本文針對目前深度學(xué)習(xí)進(jìn)行視覺定位算法存在的定位精度差,對位置接近的相鄰幀圖像實(shí)際定位結(jié)果相差較大的問題,提出加入時(shí)序約束提升定位結(jié)果。為進(jìn)一步挖掘幀間信息輔助定位任務(wù),本文進(jìn)一步引入光流提升定位精度。對光流信息的使用,本文設(shè)計(jì)了兩種網(wǎng)絡(luò)結(jié)構(gòu),一種前端融合網(wǎng)絡(luò)結(jié)構(gòu),直接將圖像與光流信息融合輸入網(wǎng)絡(luò)回歸相機(jī)姿態(tài);另一種是后端融合網(wǎng)絡(luò)結(jié)構(gòu),使用相同網(wǎng)絡(luò)結(jié)構(gòu)對... 

【文章來源】：廈門大學(xué)福建省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：76 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２．?２對極幾何約束??

圖２．?１針孔相機(jī)模型??

圖２．３?Ｐ３Ｐ問題示意圖??


本文編號：3577127