重庆理工大学学报2023，Vol.37Issue(8) ：200-208.DOI:10.3969/j.issn.1674-8425(z).2023.04.023

视觉定位检测中基于最大信息熵的特征优化方法

Characteristic optimization method based on maximum information entropy in visual positioning detection

韩金彪 赵津 刘畅 唐雄
重庆理工大学学报2023，Vol.37Issue(8) ：200-208.DOI:10.3969/j.issn.1674-8425(z).2023.04.023
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据

视觉定位检测中基于最大信息熵的特征优化方法

Characteristic optimization method based on maximum information entropy in visual positioning detection

韩金彪 1赵津 2刘畅 1唐雄1
扫码查看

作者信息

  • 1. 贵州大学 机械工程学院,贵阳 550025
  • 2. 贵州大学 机械工程学院,贵阳 550025;贵州大学 现代制造技术教育部重点实验室,贵阳 550025
  • 折叠

摘要

为了提高移动机器人在未知环境中执行复杂任务的能力,结合最大信息熵概念、同步定位与地图构建(simultaneous localization and mapping,SLAM),提出一种视觉定位与检测系统.以ORB-SLAM2检测算法为基础,在均匀分布的前提下,通过寻找单目视觉下具有最优先验信息的特征点,选择具有最大信息熵的前N个特征进行二次优化使其快速收敛,实现高精度定位.为了验证算法的有效性,结合YOLO-V4目标检测进行实物测试,证明在嵌入式移动设备中可实现实时定位、检测等功能.实验结果表明:所提出算法在TUM和KITTI数据集上的定位精度均有提升,算法在多场景、多设备下均优于原始算法.

关键词

定位/信息熵/目标检测/复杂环境/多平台

引用本文复制引用

基金项目

国家自然科学基金(51965008)

黔科合重大专项(20193012)

出版年

2023
重庆理工大学学报
重庆理工大学

重庆理工大学学报

CSTPCD北大核心
影响因子：0.567
ISSN：1674-8425
参考文献量5
段落导航相关论文