基于改进ORB-SLAM2的单目视觉算法

【目的】视觉SLAM算法受光照强弱或低纹理等场景的影响,导致产生特征提取鲁棒性差、位姿计算精度低等问题,为解决上述问题展开针对性研究。【方法】研究团队提出基于改进ORB-SLAM2的SuperPoint-SLAM算法模型,将ORBSLAM中的特征匹配模块替换成基于SuperPoint网络的特征匹配,并据此进行特征跟踪、局部建图、关键帧识别、回环检测、位姿估计。将改进后SLAM算法与ORB-SLAM2算法分别在freiburg3＿sitting＿xyz与freiburg3＿walking＿xyz＿validation两个数据集进行训练验证。【结果】SuperPoint-SLAM算法在动态环境中具有比ORB-SLAM2更高的定位精度,在特征点提取数量上提升近50%,轨迹误差减少0.008 m,而且在强弱光照条件下,基于SuperPoint网络的单目SLAM相较ORB-SLAM2有更强的鲁棒性。【结论】研究团队将利用Kinect2.0,基于SuperPoint与ORB-SLAM2,进一步进行稠密地图构建,实现机器人导航。     

基于GprMax的地下冬笋正演模拟研究

【目的】探地雷达运用在冬笋探测上有分辨率高和抗干扰能力强的优势,但解译难度较大。通过正演模拟可以降低雷达图像解译的难度,减少实测成本,为探地雷达在冬笋探测领域的应用提供经验。【方法】研究小组利用GprMax软件对不同形状干扰介质、不同大小及不同埋藏深度的冬笋等模型进行了正演模拟,并进行了模型间的对比。【结果】正演模拟的图像能较好地反映出各不同模型的成像特征,能有效反馈介质模型的物理特性如大小、形状、深度等：1）截面形状不同的物体的双曲线回波形状不同;2）双曲线的上下界面距离反映出物体的大小,冬笋的长度越长,则上下界面的双曲线间隔距离越大;3）顶点位置反映出介质的埋藏深度,埋藏越深的冬笋,双曲线出现时间越晚、开口越大,埋藏越浅的冬笋则相反。【结论】通过分析这些特征,可以有效探测识别出地下冬笋的存在、生长时期（大小）与埋藏深度。该方法具有较高的准确度,有利于实测图像的解译与分析,也证实了探地雷达在冬笋探测领域的可行性。     

风蚀区~(137)Cs与有机质剖面分布及其关系——以新疆准东地区为例

通过对新疆准东地区沙地、裸地、戈壁、耕地和草地进行土样采集,分析了土壤~(137)Cs和有机质的分布特征,估算各土地利用类型的土壤侵蚀量并对其进行验证,同时探讨~(137)Cs与有机质之间的关系。结果发现:非耕地土壤~(137)Cs基本分布在地表15 cm以内,耕地土壤~(137)Cs主要分布在犁耕层;非耕地~(137)Cs均随土壤深度的增加呈下降趋势,耕地呈现均匀分布;草地土壤有机质随土壤深度增加呈减少趋势,戈壁和裸地有机质含量变化不明显,耕地有机质含量呈均匀状态分布;各土地利用类型下~(137)Cs含量总体表现为:草地固定沙地戈壁耕地裸地半固定沙地,而有机质含量呈现为:草地和耕地戈壁固定沙地半固定沙地和裸地。各样点利用~(137)Cs示踪法估算土壤侵蚀速率之间的差异,~(137)Cs示踪技术在风蚀地区测定的土壤风蚀并不可靠。准东土壤~(137)Cs与有机质呈现为弱相关或不相关,在准东风蚀区用~(137)Cs监测土壤有机质动态的效果并不明显。