利用二维图像来进行场景的深度估计是计算机视觉领域的经典问题之一,也是实现三维重建、场景感知的重要环节。近年来基于深度学习的单目图像深度估计发展迅速,各种新算法层出不穷。介绍了深度学习在这一领域的应用历程与研究进展,采用监督与无监督两类方式分别系统地分析了有代表性的算法与框架,综述了深度学习在单目图像深度估计领域的研究进展与变化趋势,总结了当前研究的缺陷与不足,展望了未来研究的热点。
2022-02-21 16:59:09
14.94MB
1
视觉可以帮助人类粗略的感知外界环境中的事物与自身之间的距离，从
而进行适当的避让，但对于机器人来说，因其自身软硬件的条件约束，是很
难像人类一样高效的利用视觉进行导航的，而视觉导航（尤其是单目视觉）
相对于传统的利用传感器进行导航的方式，其在低成本、实时性以及高精确
度等方面表现出来的优势增加了它的研究价值
2022-01-11 17:47:33
1.39MB
1
采用本体（Ontology）为向量空间模型提供更为丰富、详细的概念空间，在本体的支持下，文档中的术语不再被孤立地看成关键词，而是彼此间有了一定的语义联系。以已获得丰富而详细的本体为前提，考虑当本体空间很大时，解决向量空间的高维数给计算带来复杂性与难度这一问题，提出基于HCA（Hierarchical Clustering Algorithm）的向量空间压缩算法。
2022-01-11 17:46:02
1.1MB
1
针对现有矿井机车障碍物检测和测距方法存在测距精度低、测量范围小及成本高等问题,提出了一种基于单目视觉的矿井机车障碍物检测与测距方法。该方法首先对CCD摄像机采集的图像进行预处理,然后根据障碍物的特点进行特征提取得到准确的障碍物区域,最后利用基于摄像机内部参数和几何关系的单目视觉测距方法得到机车与前方障碍物之间的距离。测试结果表明,该方法能有效检测机车前方障碍物,且测距精度在有效误差范围内。
2021-12-11 15:35:08
621KB
1
提出了一种基于颜色空间理论和形态学结合的方法。首先对图像进行颜色空间转换，按要求提取出需要的特征颜色区域，再对颜色特征区域进行检测，对边缘进行灰度统计，按一定的比例进行筛选，并利用前方车辆位置变化的特点，对下一次车牌可能出现的区域进行粗定位，利于下一次更快速的定位。应用该算法对100幅车牌图像进行定位，定位准确率达90%，速度均在0.1 s内。
2021-11-21 15:50:03
195KB
1
提出一种基于单目视觉的横穿障碍物检测方法。首先,基于道路平面假设,根据特征点的位置约束以及逆透视投影变换下的性质,提取地面特征点对。其次,采用迭代加权最小二乘法估计自车平移和旋转运动参数。然后,利用估计的运动参数对图像光流进行旋转补偿,并基于道路C-速度空间生成障碍物的候选标记点。最后,对候选标记点进行分组聚类和验证,确定横穿障碍物区域。不同交通场景下的实验结果表明,上述方法能够适用于各种自车运动,有效检测横穿障碍物。
2021-11-21 15:30:35
889KB
1
1-Point RANSAC for EKF Filtering, Application to real time structure from motion and visual odometry
2021-11-20 14:44:51
33.1MB
1