《机器人环境感知》课件-第7章-基于视觉的机器人三维场景_第1页
《机器人环境感知》课件-第7章-基于视觉的机器人三维场景_第2页
《机器人环境感知》课件-第7章-基于视觉的机器人三维场景_第3页
《机器人环境感知》课件-第7章-基于视觉的机器人三维场景_第4页
《机器人环境感知》课件-第7章-基于视觉的机器人三维场景_第5页
已阅读5页,还剩20页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

基于视觉的机器人三维场景重建技术机器人环境感知技术-第七章第一讲

基于视觉的机器人三维场景

重建技术相机:双目多目双目相机三维成像原理第二讲

基于双目视觉的机器人三维语义地图构建方法多尺度多阶段编码特征提取单层卷积神经网络层:编码特征提取网络:多尺度多阶段编码特征提取弹性动态卷积𝐿(∙):提取的左右图像的特征维度(𝐵,𝐶,𝐻,𝑊)变化:多尺度渐进式匹配代价特征融合与深度估计双目立体匹配网络中常用代价构建方法:多尺度渐进式匹配代价特征融合与深度估计渐进式特征融合代价聚合三维堆叠卷积代价聚合模块:多尺度渐进式匹配代价特征融合与深度估计视差回归与深度估计

每个像素在特征维度D的置信度网络模型采用多尺度多视差输出模块,其定义如下:多尺度多视差输出用平滑损失函数函数来训练网络的视差回归预测结果多尺度特征融合机器人三维语义地图构建实验结果与分析实验结果与分析性能评价指标:SceneFlow数据集:平均视差定义:像素误差百分比评价指标定:平均深度误差定义:ZedStereo数据集:像素深度误差百分比评价指标定义:实验结果与分析在SceneFlow数据集上的可视化视差估计结果在ZedStereo数据集上的可视化视差估计结果实验结果与分析移动机器人离线语义地图构建应用第三讲

基于双目视觉的机器人导航场景深度估计方法基于迟滞注意力的编码特征提取基于迟滞注意力机制模型HAM:基于迟滞注意力的编码特征提取迟滞注意力机制模型结构基于迟滞注意力机制模型HAM定义:基于迟滞注意力的编码特征提取基于迟滞注意力机制的特征提取网络基于迟滞注意力机制的特征提取网络模型定义:混合代价构建方法:基于三维分组卷积的监督匹配代价构建基于三维分组卷积的代价构建方法多阶段级联堆叠代价聚合网络结构损失函数:实验结果与分析(a)输入图像(b)视差预测(c)预测错误实验结果与分析(a)输入图像(b)视差预测(c)预测错误双目立体视觉移动机器人导航应用

习题1.什么是尺度不变特征变换(SIFT)算法?其核心思想是什么?2.什么是立体视觉?请解释其在三维重建中的作用。3.什么是多尺度特征提取?请

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论