隨著現(xiàn)在網(wǎng)絡的發(fā)展以及可穿戴設備的普及,使得人們對自身位置信息的需求日益提升,因此基于位置服務的發(fā)展愈發(fā)迅速。目前人類每天約有80%左右的時間在室內(nèi)活動,因此室內(nèi)定位憑借其獨特的優(yōu)勢正逐漸獲得研究人員的廣泛關注。室內(nèi)視覺定位技術更是憑借其內(nèi)置傳感器的獨特優(yōu)勢,適用性遠超其他諸多需要部署開銷的定位系統(tǒng)。此外,以視覺信息進行定位的方式與人類自身通過眼睛確定位置過程近似,更值得進行深入研究。本文將機器學習中的語義分割與定位算法相結(jié)合,首先研究了視覺定位技術與語義信息應用的國內(nèi)外研究現(xiàn)狀,并對機器學習的發(fā)展與視覺定位的結(jié)合進行了分析。其次,本文研究了機器學習分割出的語義成分在視覺定位系統(tǒng)中的應用。此外,本文針對傳統(tǒng)算法系統(tǒng)中的不足針對性地做了以下研究:（1）針對傳統(tǒng)視覺定位系統(tǒng)離線階段建立的數(shù)據(jù)庫中數(shù)據(jù)量較大、圖像檢索耗時過長的問題,提出一種基于語義的離線數(shù)據(jù)庫分類方法,該方法利用機器學習的方式對數(shù)據(jù)庫中圖像進行了語義提取并分類為語義子數(shù)據(jù)庫,能夠有效消除隨著數(shù)據(jù)庫容量增大,在線階段檢索時間延長的線性增長關系;（2）針對在大型數(shù)據(jù)庫中,檢索效率與準確率不高的問題,提出了一種基于語義與內(nèi)容的快速... 

【文章頁數(shù)】：68 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題研究的目的和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 視覺定位技術在國內(nèi)外的研究現(xiàn)狀
        1.2.2 圖像語義分割在國內(nèi)外的研究現(xiàn)狀
    1.3 本文的主要研究內(nèi)容和結(jié)構安排
第2章 室內(nèi)視覺定位相關理論分析
    2.1 攝像機模型搭建
        2.1.1 針孔成像模型
        2.1.2 對極幾何約束
    2.2 SURF局部特征提取算法
        2.2.1 SURF特征點提取
        2.2.2 SURF特征點匹配
    2.3 基于語義的室內(nèi)視覺定位流程
        2.3.1 基于語義的離線數(shù)據(jù)庫建立
        2.3.2 基于語義的在線檢索定位
    2.4 本章小結(jié)
第3章 基于語義的離線數(shù)據(jù)庫分類算法研究
    3.1 語義分割網(wǎng)絡搭建
        3.1.1 語義分割網(wǎng)絡框架
        3.1.2 語義分割子網(wǎng)分析
    3.2 離線數(shù)據(jù)庫分類算法研究
        3.2.1 數(shù)據(jù)庫分類基本流程
        3.2.2 語義數(shù)據(jù)庫構建
    3.3 基于語義的離線數(shù)據(jù)庫分類算法性能分析
        3.3.1 語義分割網(wǎng)絡訓練數(shù)據(jù)庫構建
        3.3.2 語義分割網(wǎng)絡性能分析
        3.3.3 離線數(shù)據(jù)庫分類算法性能分析
    3.4 本章小結(jié)
第4章 基于語義約束的在線檢索定位算法研究
    4.1 SCBIR算法研究
        4.1.1 SCBIR算法基本流程框架
        4.1.2 基于顏色的特征提取方法
        4.1.3 基于結(jié)構的特征提取方法
    4.2 基于語義的特征點選取及視覺定位
        4.2.1 基于語義約束的特征點選取方法
        4.2.2 基于對極約束的視覺定位方法
    4.3 基于語義的檢索定位方法性能分析
        4.3.1 SCBIR方法性能分析
        4.3.2 基于語義約束定位方法性能分析
    4.4 本章小結(jié)
結(jié)論
參考文獻
攻讀碩士學位期間發(fā)表的論文及其它成果
致謝


【參考文獻】：
期刊論文
[1]采用輔助靶標的移動機器人立體視覺定位[J]. 李鵬,張洋洋.  紅外與激光工程. 2019(S1)
[2]基于卷積神經(jīng)網(wǎng)絡的的室內(nèi)機器人視覺定位算法[J]. 牛家旭,孟真.  信息技術與信息化. 2019(03)
[3]基于深度學習圖像語義分割的機器人環(huán)境感知[J]. 徐謙,李穎,王剛.  吉林大學學報(工學版). 2019(01)
[4]深度語義分割的無人機圖像植被識別[J]. 林志瑋,涂偉豪,黃嘉航,丁啟祿,劉金福.  山地學報. 2018(06)
[5]基于U-Net的高分辨率遙感圖像語義分割方法[J]. 蘇健民,楊嵐心,景維鵬.  計算機工程與應用. 2019(07)
[6]結(jié)合圖像語義分割的增強現(xiàn)實型平視顯示系統(tǒng)設計與研究[J]. 安喆,徐熙平,楊進華,喬楊,劉洋.  光學學報. 2018(07)



本文編號：3658771