- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
[IEEE东南会议2018 - 美国佛罗里达州圣彼得堡（2018年4月19日-2018年4月22日）] 2018年东南会议 - RGBD-Sphere即时定位与地图构建系统
摘要： 本文提出了一种名为RGBD-Sphere SLAM的SLAM算法。该研究的关键创新在于构建了一个原型系统，展示了如何将三维几何形状与外观的形式化模型转化为能够检测和识别这些形状的生成式分类模型。物体模型通过PSML（一种专为三维物体建模设计的定制过程式语言）以形状程序的形式进行定义。针对每个PSML形状的分类器，是通过模拟该形状实例在真实传感器数据（如彩色图像和深度图像）中的表现来创建的。 所提出的RGBD-Sphere SLAM算法展示了一个典型示例：PSML程序定义了具有漫反射表面反照率和独特颜色外观的球形三维物体。识别器利用每个物体的PSML几何与外观模型，在实时RGBD传感器数据中检测这些物体实例。随后将检测到的模型参数整合至RGBD SLAM算法中——这正是"RGBD-Sphere SLAM"命名的由来。本文阐述了PSML程序、采用的球体检测与识别算法，并说明了该方法通过将检测到的物体作为地标纳入系统，从而提升RGBD SLAM性能的作用。 这是首个将几何与外观建模外化为编程语言（并据此创建识别器）的原型系统案例，标志着重要突破：它使用户能够"编程"定义问题空间，让计算机将PSML中表达的形式化物体模型，转化为适配特定传感器套件（如彩色图像与深度图像）的定制化分类器。
关键词： 目标识别、RGBD、即时定位与地图构建（SLAM）、三维物体建模、PSML
更新于2025-09-23 15:21:01
-
[计算机科学讲义] 模式识别与计算机视觉 第11256卷（首届中国会议，PRCV 2018，中国广州，2018年11月23-26日，会议录，第一部分）|| 基于多约束超像素匹配与共细胞自动机的RGBD图像共显著检测
摘要： 共显著性检测旨在从包含两幅及以上相关图像的图像组中提取共同的显著区域，这是计算机视觉领域一个新兴的研究课题。与现有聚焦于RGB图像的共显著性方法不同，本文提出了一种针对RGBD图像的新型共显著性检测模型，该模型利用深度信息来增强共显著性的识别能力。首先，我们以现有的单幅显著性图作为初始化，然后利用多种线索计算图像间相似性组合，为每个超像素匹配邻域像素。特别地，我们通过深度卷积神经网络提取每个图像区域的高维特征作为语义线索。最后，我们引入改进的两层共细胞自动机，通过与多场景中邻域像素的交互作用来挖掘深度信息及相似区域的内在关联性。在两个RGBD共显著性数据集上的实验验证了所提框架的有效性。
关键词： 多约束、元胞自动机、语义特征、RGBD、共显著
更新于2025-09-10 09:29:36
-
利用复值神经网络实现面向视障人士的RGBD图像室内物体识别
摘要： 我们提出一种新型多模态技术，用于辅助视障人士识别公共室内环境中的物体。不同于传统单标签策略解决多类物体识别问题的常见方法，本研究开发了允许样本同时携带多个标签的综合方案。我们联合运用外观与深度线索（特别是RGBD图像），通过新型复数值表征来克服传统视觉系统缺陷。受复值神经网络（CVNNs）和多标签学习技术启发，我们提出两种方法将输入RGBD图像关联至一组同时识别的物体类别标签：第一种ML-CVNN方法采用排序策略，利用全复值RBF网络并通过自适应聚类方法扩展其解决多标签问题的能力；第二种L-CVNNs方法采用问题转换策略——不使用单一网络将整个标签集的排序解决方案形式化分类问题，而是为每个标签构建独立CVNN，最终聚合预测标签形成多标签向量?；诹礁鲂虏杉亩啾昵㏑GBD数据集开展的广泛实验证明了所提技术的有效性。
关键词： 多标签学习、复值神经网络、RGBD、物体识别、视障人士
更新于2025-09-10 09:29:36
-
基于学习的应用自适应重要性度量的统一图像融合框架
摘要： 本文提出了一种基于应用自适应重要性度量的新型统一图像融合框架。该框架通过为每种应用中的各类图像获取重要性度量来选取关键区域，其核心在于学习这种能跨输入图像类型自动识别关键区域（无需针对每类应用手动设计算法）的应用自适应重要性度量方法。随后采用泊松图像重建技术生成融合强度值。实验结果表明，该框架在深度感知图像增强、温度保持图像融合及去雾等多种应用中均展现出有效性。
关键词： RGBD、近红外、图像融合、远红外、图像增强
更新于2025-09-10 09:29:36