排序方式: 共有113条查询结果,搜索用时 15 毫秒
1.
基于自监督学习的温室移动机器人位姿跟踪 总被引:1,自引:1,他引:0
为实现温室环境下机器人行进过程中的位置及姿态跟踪,该研究提出一种基于时序一致性约束的自监督位姿变换估计模型。模型用软遮罩,处理视频帧间静止造成的位姿预测值收缩现象,进一步用归一化遮罩,解决非刚体场景和目标遮挡问题。设计了一种星型扩张卷积,并基于该卷积,为模型构建自编码器。在采集自种植作物为番茄的日光温室视频数据上开展训练和测试试验。结果表明,与不采用遮罩处理的模型相比,采用软遮罩的模型,位置和姿态估计相对误差分别减少5.06个百分点和11.05个百分点,采用归一化遮罩的模型,这2项误差则分别减少4.15个百分点和3.86个百分点,2种遮罩均可显著提高模型精度;星型扩张卷积对降低模型误差是有效的,在网络参数不变的前提下,该卷积使姿态估计相对误差减少7.54个百分点;时序一致性约束使姿态估计均方根误差下降36.48%,每百帧累积姿态角误差降低54.75%,该约束可用于提高模型精度及稳定性;该研究的位置及姿态估计相对误差分别为8.29%和5.71%,与Monodepth2相比,减少了8.61%和6.83%。该研究可为温室移动机器人导航系统设计提供参考。 相似文献
2.
为提高番茄器官目标识别的准确率,提出一种基于RGB和灰度图像输入的双卷积链Fast R-CNN番茄器官识别网络。该方法通过番茄器官图像数据集训练基于VGGNet基本结构的特征提取网络,并用其参数初始化Fast R-CNN,通过再训练,用以识别植株图像中的番茄花、果、茎器官。首先分析了网络深度和宽度、图像输入类型、激活单元对特征提取及网络分类性能的影响。详细阐述了基于Fast R-CNN的番茄器官识别网络的设计及训练方法,基于试验观察,提出了基于双卷积链的Fast R-CNN,融合自动提取的RGB和灰度图像特征,由全连接层对Selective Search算法生成的候选区域进行分类识别。结果表明:针对番茄器官图像数据集,5个卷积层的网络即可具有较高的特征提取和分类性能,增加或降低卷积层数都会使网络性能下降;与ReLU激活单元相比,PReLU和ELU能够显著提高番茄特征提取网络的性能,而提高效果和具体的网络结构有关;基于Fast R-CNN的识别方法能够对番茄的花、果、茎器官进行识别,且能够识别不同成熟度的果和不同形态的花;单卷积链Fast R-CNN网络对花、果、茎的识别平均精度(AP)最高分别为64.79%、66.76%和42.58%,双卷积链Fast R-CNN识别网络对三种器官的识别AP最高分别为70.33%、63.99%和44.95%,相较于单链网络,双卷积链Fast R-CNN的mAP提高2.56%,说明该方法对提高番茄器官识别性能是有效的。 相似文献
4.
5.
6.
植保无人机旋翼风场模型与雾滴运动机理研究进展 总被引:3,自引:3,他引:0
近几年,植保无人机施药技术在中国获得广泛应用,并逐渐发展为国内主要植保技术之一。但由于对植保无人机施药技术基础理论研究不够深入,相关机理尚不明晰,且植保无人机作业平台的稳定性依然有待提高,导致国内植保无人机施药效果不够理想。深入研究植保无人机施药技术的基础理论,理论结合试验结果共同指导植保无人机田间施药是提高其施药效果的经典方法。该研究综述了植保无人机旋翼风场分布特性、雾滴与无人机旋翼风场交互机理、雾滴沉降与飘移机理、雾滴与叶片表面的交互机理及雾滴分散和蒸发特性等植保无人机施药技术基础理论及其模型构建情况的国内外研究现状,并结合其基础理论与模型构建的国内外研究现状,给出植保无人机施药技术的未来发展建议,以期为植保无人机施药技术的发展提供参考。 相似文献
7.
正沈阳农业大学承担的子课题"基于低空遥感的东北水稻营养诊断与变量追肥管理模型",搭建完成了无人机农田信息遥感平台、试验设计等基础研究工作与硬件平台,并开展了东北粳稻无人机低空遥感试验,提取氮素敏感特征波段,建立了基于高光谱特征的东北粳稻氮素含量反演模型。在东北粳稻分蘖期、拔节期、抽穗期3个关键生育期,以生育期内提取的植被指数作 相似文献
8.
9.
10.