关键词： 深度学习   细粒度图像识别   弱监督学习   多显著性区域   物体定位  

摘要： 目前基于深度学习的图像识别技术相较传统的图像识别技术在准确性方面取得了很大提高。但是通用的图像识别技术通常只能识别差异性较大的图片,对相似物体的辨识度不足。因此本文以“找到描述物体特征的多个细节部位”为重点,借助图像的分类标签,从物体定位和注意力机制两个方向提出了基于弱监督学习的细粒度图像识别新技术。本文的主要研究内容如下:首先,从物体定位的角度出发,利用弱监督定位算法发现物体的细节特征,提出基于弱监督物体定位的细粒度图像识别技术。由于最显著区域往往过于关注物体的细节部位而缺少对物体整体结构的感知,而次显著区域的信息是最显著区域的补充,因此两个信息的结合能够较为完整的表达出物体的整体信息。本文采用CAM(Class activation mapping)的方法依次定位出物体的最显著区域与次显著区域,并整合两个区域以完成定位的任务。实验证明,该方法在ILSVRC 2012Validation上取得了很好的效果。最后,本文利用图像定位发现的多个细节特征完成细粒度图像识别,在CUB-200-2011数据集上也取得了较好的效果。其次,为了提高识别的效率,本文从注意力机制出发,提出基于多显著性区域的端到端网络。首先根据通道加权与空间加权两个注意力机制,构建了突出和抑制两个显著性模块。然后级联多个显著性模块实现递进的网络结构,让神经网络发掘多个不同的显著性区域,最后结合多个显著性特征完成图像分类。实验结果表明基于多显著性区域的细粒度图像识别模型,能够发现多个细节特征,达到较高的识别准确率与识别效率。

关键词： UWB   室内定位   RSSI锚点筛选   惯性导航   卡尔曼滤波  

摘要： 智能设备的发展和广泛应用,使得室内定位技术的研究成为相关研究人员关注的热点。相对于室外定位系统,干扰大、场景复杂、精度要求高等特点使得室内定位技术面临挑战。其中,超宽带（Ultra-wideband,简称UWB）定位作为一种精度高、抗干扰强且成本低的定位方案被广泛地研究与应用。然而当前大多数研究仅仅针对静态目标,而对于移动物体的定位进而轨迹跟踪,采用UWB定位技术还不多见。本文提出了基于接收信号强度（Received Signal Strength Indication,简称RSSI）锚点筛选的UWB定位方案,结合移动物体的惯性导航定位,研究了适用于移动物体的动态连续跟踪与定位的基于卡尔曼滤波的动态融合定位算法。仿真结果表明,相对于普通的UWB定位方案,基于RSSI锚点筛选UWB的定位方案采用多维度数据,对易受环境干扰的不良节点予以剔除,提高了定位的可靠性和精确度,该方案在复杂环境下表现更优。同时由于融合了待测物体的动态特性,基于卡尔曼滤波的动态融合定位算法在动态仿真实验中能够有效提高定位精度并有良好的鲁棒性。为进一步验证本文算法的有效性,借助移动智能车搭建了基于TOA\TDOA算法的UWB定位系统,构建了动态定位测试平台,并基于该硬件平台,进行了室内真实场景下的定位实验。实验结果表明,在单点静态定位中相对于普通的UWB定位,基于RSSI锚点筛选的UWB定位方案能够得到更稳定的定位精度。而在动态定位场景中,基于卡尔曼滤波的动态融合定位算法可以有效结合UWB定位和惯性导航定位的优点,在干扰较大的环境中,仍然可以获得精度较高的定位效果。

关键词： 机器人   语义分割   物体识别   位姿估计  

摘要： 机器人抓取是工业机器人在日常的生产作业中最基本的任务,在目前的工业机器人发展中,大部分的作业场景还处在离线示教,固定路径的预定性任务。这种任务只能是结构化以及单一化的场景,但是随着工作任务的不断升级,工业上对于动态生产场景的需求越来越大,智能化的机器人抓取显得尤为重要。本课题以智能抓取任务为需求,将任务中目标物标识别定位作为关键问题,利用深度传感器为机器人构造3D抓取环境,以深度学习为工具来提高机器人的场景识别能力,旨在满足复杂场景下机器人智能抓取的需求。本文从机器人视觉系统出发,介绍了不同作业场景下,不同的视觉系统布置方法,并针对本课题的具体任务选用了眼在手外的视觉系统搭建方式,并且进行了视觉系统中相机的标定以及相机与机器人位置关系的标定。为提高机器人在复杂场景中对物体的辨识与定位能力,提出一种基于图像语义分割技术的物体位姿估计方法。主要包含物体识别和位姿估计两方面内容。在选择物体识别的方法时,本文借助深度学习中的全卷积神经网络,搭建了像素级别的分类,即语义分割。首先将RGBD传感器拍摄的RGB图像放入语义分割网络中,完成对图像的分割与物体的分类,然后将分割出来的目标物体与深度图配准,得到目标物体点云图,将点云图与模型库中的模型运用ICP(Iterative Closest Point)算法完成对物体的位姿估计。本课题所研究的视觉系统搭建方法、手眼标定算法、图像语义分割以及物体位姿估计等内容基本上涵盖了机器人抓取任务中视觉部分的所有关键性问题,不仅可以帮助机器人更加高效的完成智能抓取任务,而且对每一个小的领域也有一定的参考价值。

关键词： 视觉依据   视觉语义关联   模块化网络   特征融合   上下文相关语言表示  

摘要： 深度学习给物体的识别和检测带去了重大进展,但它们的本质只是将视觉信息和有限的语言符号进行关联。本文将它们的目标向更广义的智能推进一步,通过视觉信息和任意语言描述的关联,使得智能体能像人类一样理解对物体的指示说明,从而能在视觉感知图像中,唯一定位出符合语言指令的目标区域,这个任务叫做视觉依据。本任务的输入为图像和文本,输出为目标物体的占据区域,属于视觉和语言的交叉领域。由于认知功能的复杂性,本文采用基于深度神经网络的模型,通过对大量数据样本的学习,使得模型的预测输出能够逐渐逼近真实观测。网络模型主要由三个部分组成,其中,视觉网络从图像输入中学习到视觉特征,语言网络从文本输入中学习到语言特征,关联网络计算两种特征的相关性,从而在图像中定位出和描述最匹配的物体区域。基于上述框架,本文具体分析了基于前向卷积网络的视觉特征应用到本任务时的语义缺失问题和分辨率低下问题,并对应设计了一种自顶向下的特征融合方案,融合得到的视觉特征更全面准确地表达了视觉信息,促进了和语言信息的关联;另一方面,本文通过注意力机制建模了文本中词语的背景信息,从而消除了语言在形式上的歧义,得到了随上下文自适应变化的语言特征,促进了和视觉信息的关联。实验结果表明了以上两种特征表示的有效性。关联网络的设计是本文算法的最重要的贡献,为了说明它的必要性,本文首先分析了整体关联法的不足,尤其是其对背景信息的低效使用,并说明了现有模块化关联算法在应对语言形式变化时的局限性,然后提出了一种自适应模块关联法,关联网络由内部模块、近邻模块、全局模块三个并行部分组成,分别从物体自身属性、物体和近邻物体关系、物体和全局的关系三方面对语言和视觉信息进行关联,并且模块的权重能随着语言形式的变化而自适应调整,不再需要限制语言的结构形式,该分解方法降低了语义的复杂度,同时提高了对背景图像的利用能力,从而提升了整体的关联准确度,实验结果表明了其优越性。

关键词： 计算机视觉   Mask R-CNN   特征金字塔   外貌自适应支持窗口   外形自适应支持窗口  

摘要： 近年来,随着人工智能的兴起,自动驾驶技术越来越受到人们的关注,其中计算机视觉是关键技术之一。自动驾驶场景中汽车对周围障碍物的检测有着极高的要求,为了让自动驾驶系统能够识别物体类别、判断物体形状、测量物体距离,本文提出了一种基于Mask R-CNN和双目视觉的物体识别和定位方法,使用双目图像对物体进行准确的定位,再使用双目图像中的任意一张图像进行物体种类的识别,这两种方法可以在GPU下并行计算,达到了很高的精度与准实时性的要求。目前物体识别系统通常使用特征金字塔（如FPN）来学习多尺度表示以获得更好的结果,然而,当前的特征金字塔设计仍然无法有效地整合不同尺度的语义信息。本文对当前的特征金字塔提出了一种新的配置架构（NFPN）,以高度非线性和高效的方式将低级表示与高级语义特征相结合,采用全局扫描来强调完整图像的全局信息,然后进行区域重新配置以在感兴趣区域内对局部补丁进行建模,该网络能够跨越不同的空间位置和规模,能较好地识别不同大小的物体类别。在AP和APbb中的实验结果分别为38.2和39.1。一种领先的立体匹配算法（如VariableCross法）采用固定颜色阈值及刚性十字架来构造支持窗口。然而,这种构造法在处理不同形貌的图像时有困难。针对这一问题,本文提出了一种采用双自适应支持窗口的新的立体匹配算法（DAS法）。该方法用与图像区域的外貌和外形自适应的支持窗口来进行代价聚合,并结合颜色绝对差与普查变换的代价初始化、多向扫描线优化以及视差精细化,从而实现了一个精确的立体匹配系统。结果表明,后者的平均视差错误比前者的低28.15%。

关键词： 弱监督物体定位   图像处理   背景裁剪   深度强化学习  

摘要： 弱监督物体定位是视觉定位中的一类特殊问题，这类任务往往只提供图片的类别标签作为监督信息，区别于强监督定位，后者同时提供图片标签和物体边界框作为监督信息。因此，在监督信息更少的情况下，弱监督物体定位的难度远高于强监督物体定位。然而，更少的监督信息意味着对人工标注数据集的依赖更弱，因而弱监督物体定位可以节省数据标注所花费的大量人力与金钱，并提升弱监督定位算法和模型对于更多数据集的适用性。因此，弱监督物体定位成为近年来的研究热点之一，吸引了学界广泛的注意力。为此，本文提出了一种基于深度强化学习、通过裁剪物体背景的弱监督物体定位方法，并提出了一种新颖的修正方法来进一步提升模型的定位性能，在常用的物体定位数据集上取得了良好的效果。本文的主要创新点包括:　　提出了一种通过裁剪物体背景实现物体定位的方法，将物体背景裁剪过程建模成马尔科夫决策序列，并采用深度强化学习算法寻求最优解，该方法更加符合人类视觉机制,且定位效率较高。　　提出了一种基于卷积特征图重组的弱监督定位修正方法，该方法通过重组图片所提取的特征图，利用特征图中的空间位置信息，校正深度强化学习框架的定位结果，进一步提升了整体框架的定位性能。　　提出了一种可移植性较强的定位框架，易于将其嵌入到已有的卷积分类网络中，同时实现分类和定位任务。　　最后本文总结了以上提出的方法中的关键问题和应对策略，以及未来亟待探索的研究方向。

关键词： indoor positioning system (IPS)   visible light communication (VLC)   inertial measurement unit (IMU)   hybrid positioning algorithm  

摘要： An indoor positioning system( IPS) is designed to realize positioning and tracking of mobile targets,by taking advantages of both the visible light communication( VLC) and inertial measurement unit( IMU). The platform of the IPS is designed,which consists of the light-emitting diode( LED)based transmitter,the receiver and the positioning server. To reduce the impact caused by measurement errors,both inertial sensing data and the received signal strength( RSS) from the VLC are calibrated. Then,a practical propagation model is established to obtain the distance between the transmitter and the receiver from the RSS measurements. Furthermore,a hybrid positioning algorithm is proposed by using the adaptive Kalman filter( AKF) and the weighted least squares( WLS)trilateration to estimate the positions of the mobile *** results show that the developed IPS using the proposed hybrid positioning algorithm can extend the localization area of VLC,mitigate the IMU drifts and improve the positioning accuracy of mobile targets.

关键词： 颜色识别   图像算法   移动定位   CamShift算法   定位跟踪算法   物体   图像处理技术   人工智能  

摘要： 引言：在人工智能领域,将图像处理技术应用于颜色识别和定位跟踪具有很强的优势,应用很广,其算法的研究越来越多。本文采用CamShift算法对颜色以及定位跟踪算法进行整合,抗干扰性强,捕捉颜色目标快速、准确,在使用过程中取得较好的效果。

关键词： 室内定位   岭估计   深度学习  

摘要： 基于视觉物体识别的室内定位算法是一种新型的室内定位解决方案,算法通过物体检测、位置匹配、定位方程解算等步骤确定用户位置。然而,受到单目相机视域较小和物体检测算法精度较低的影响,根据检测物体测距信息而构成的定位方程存在严重的病态性,极大降低了算法的定位成功率和定位精度。因此,该文提出一种抗差岭估计定位解算算法,通过引入岭参数将无偏估计变为有偏估计,实现均方误差最小约束条件下的最优位置估计,并利用迭代选权降低了质量较差的观测量对定位精度的影响。实验结果表明,与OLS (Ordinary Least Square), LM (Levenberg-Marquardt)和RR (Ridge Regression)算法相比,该文提出的抗差岭估计定位解算算法能够有效提高基于视觉物体识别的室内定位方法的成功率和精度。

关键词： YOLO网络   双目视觉   双目图像特征点匹配   物体识别与定位  

摘要： 针对传统的特征点匹配算法对于纹理少的识别目标特征点检测不理想的问题,基于任何物体都具有边缘特征,通过匹配边缘特征点,实现物体的边缘特征点匹配,采用Canny检测算法,提取边缘特征点。在此基础上,增加FAST角点检测算法,采用BRIEF描述算法实现对特征点构建描述子,通过2种检测算法融合,解决了纹理少的物体检测特征少的问题,并增加了物体特征点匹配数量。采用YOLO网络模型实现物体识别和框出物体区域。实验结果表明,基于双目图像多特征点融合匹配算法,很好地解决了纹理少的物体匹配特征少的问题,构建的物体识别和定位系统可以实现对训练的物体识别与定位。