首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

水下视觉SLAM的图像滤波除尘与特征增强算法

摘要:将视觉SLAM(同步定位与地图创建)方法应用于水下环境时,扬起的沉积物会导致SLAM特征点提取与追踪困难,而且人工光源的光照不均匀还会引起特征点分布不均与数量较少。针对这些问题,设计了一种水下图像半均值滤波除尘与光照均衡化特征增强算法;根据水中杂质的像素特征,按照“检测-滤波”的顺序采取从外至内的半均值滤波过程消除扬起的沉积物在图像内造成的干扰;同时,通过统计光照均匀、充足区域内的像素分布,得到同一地形下不同位置处的环境特征相似的规律,并将其用于求解水下光照模型,将图像还原为光照均衡的状态,以此来增强图像的特征,进而实现更多有效特征点的提取。最后,利用该滤波与增强算法对多种海底地形数据集进行处理,并在ORB-SLAM3算法下测试运行。结果表明,滤波与增强后的数据集能够将特征点提取数量和构建地图的点云数量平均提高200%。综上,图像滤波除尘与特征增强算法能够有效提高视觉SLAM算法的运行效果与稳定性。

00
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    聊聊队列(FIFO)的应用

    现场的模拟量信号跳动有点大,我想做个平均滤波程序处理一下,如何实现? 用户需要在PLC内记录一些历史数据,方便在触摸屏或SCADA上展示最近一定次数的操作数据,如何做比较简单? 。。。。。。 本文将从FIFO队列聊起,给出笔者在处理上述问题时的方法。其中涉及的算法未必是最简洁的,欢迎大家在评论里互动讨论。本文约1900字,预计阅读时间10分钟。 1. 什么是FIFO队列 FIFO(First Input First Output)队列,即先入先出队列。这种数据处理方式就类似于我们去检测点排队做核酸检测:队伍里第一个到达护士小姐姐那里的居民会是第一个从集中检测点走出来的人,小姐姐每检测完一位,整个队伍里所有的居民就向前挪动一个位置。(一般解释这个都用的是超市排队结账模型) 如果我们规定这个队列最多有N个人,并且有很多的居民正在广场上等着进入这个检测队列,每检测完一人则队伍出去一人并进来一人,则FIFO队列有以下特点: (1) 队列中始终保持着N个数据元素; (2) 队列中的数据元素包含最新的数据以及N-1个较老的数据; 利用以上两个特点,我们似乎可以搞点事情。 2. 利用FIFO队列做平均值滤波 回到开篇的第一个问题,我们经常会遇到现场的模拟量输入信号跳动的问题,在做完现场所有的屏蔽、接地、电源滤波、隔离之后,模拟量还是像看了一眼白云的隔壁吴老二一样发抖。

    02

    精彩碰撞!神经网络和传统滤波竟有这火花?

    惯性传感器在航空航天系统中主要用于姿态控制和导航。微机电系统的进步促进了微型惯性传感器的发展,该装置进入了许多新的应用领域,从无人驾驶飞机到人体运动跟踪。在捷联式 IMU 中,角速度、加速度、磁场矢量是在传感器固有的三维坐标系中测量的数据。估计传感器相对于坐标系的方向,速度或位置,需要对相应的传感数据进行捷联式积分和传感数据融合。在传感器融合的研究中,现已提出了许多非线性滤波器方法。但是,当涉及到大范围的不同的动态/静态旋转、平移运动时,由于需要根据情况调整加速度计和陀螺仪融合权重,可达到的精度受到限制。为克服这些局限性,该项研究利用人工神经网络对常规滤波算法的优化和探索。

    02

    PCL滤波介绍(1)

    在获取点云数据时 ,由于设备精度,操作者经验环境因素带来的影响,以及电磁波的衍射特性,被测物体表面性质变化和数据拼接配准操作过程的影响,点云数据中讲不可避免的出现一些噪声。在点云处理流程中滤波处理作为预处理的第一步,对后续的影响比较大,只有在滤波预处理中将噪声点 ,离群点,孔洞,数据压缩等按照后续处理定制,才能够更好的进行配准,特征提取,曲面重建,可视化等后续应用处理,PCL中点云滤波模块提供了很多灵活实用的滤波处理算法,例如:双边滤波,高斯滤波,条件滤波,直通滤波,基于随机采样一致性滤波, PCL中点云滤波的方案 PCL中总结了几种需要进行点云滤波处理情况,这几种情况分别如下: (1) 点云数据密度不规则需要平滑 (2) 因为遮挡等问题造成离群点需要去除 (3) 大量数据需要下采样 (4) 噪声数据需要去除 对应的方案如下: (1)按照给定的规则限制过滤去除点 (2) 通过常用滤波算法修改点的部分属性 (3)对数据进行下采样 双边滤波算法是通过取临近采样点和加权平均来修正当前采样点的位置,从而达到滤波效果,同时也会有选择剔除与当前采样点“差异”太大的相邻采样点,从而保持原特征的目的

    05
    领券