隨著現(xiàn)在網(wǎng)絡(luò)的發(fā)展以及可穿戴設(shè)備的普及,使得人們對(duì)自身位置信息的需求日益提升,因此基于位置服務(wù)的發(fā)展愈發(fā)迅速。目前人類(lèi)每天約有80%左右的時(shí)間在室內(nèi)活動(dòng),因此室內(nèi)定位憑借其獨(dú)特的優(yōu)勢(shì)正逐漸獲得研究人員的廣泛關(guān)注。室內(nèi)視覺(jué)定位技術(shù)更是憑借其內(nèi)置傳感器的獨(dú)特優(yōu)勢(shì),適用性遠(yuǎn)超其他諸多需要部署開(kāi)銷(xiāo)的定位系統(tǒng)。此外,以視覺(jué)信息進(jìn)行定位的方式與人類(lèi)自身通過(guò)眼睛確定位置過(guò)程近似,更值得進(jìn)行深入研究。本文將機(jī)器學(xué)習(xí)中的語(yǔ)義分割與定位算法相結(jié)合,首先研究了視覺(jué)定位技術(shù)與語(yǔ)義信息應(yīng)用的國(guó)內(nèi)外研究現(xiàn)狀,并對(duì)機(jī)器學(xué)習(xí)的發(fā)展與視覺(jué)定位的結(jié)合進(jìn)行了分析。其次,本文研究了機(jī)器學(xué)習(xí)分割出的語(yǔ)義成分在視覺(jué)定位系統(tǒng)中的應(yīng)用。此外,本文針對(duì)傳統(tǒng)算法系統(tǒng)中的不足針對(duì)性地做了以下研究:（1）針對(duì)傳統(tǒng)視覺(jué)定位系統(tǒng)離線(xiàn)階段建立的數(shù)據(jù)庫(kù)中數(shù)據(jù)量較大、圖像檢索耗時(shí)過(guò)長(zhǎng)的問(wèn)題,提出一種基于語(yǔ)義的離線(xiàn)數(shù)據(jù)庫(kù)分類(lèi)方法,該方法利用機(jī)器學(xué)習(xí)的方式對(duì)數(shù)據(jù)庫(kù)中圖像進(jìn)行了語(yǔ)義提取并分類(lèi)為語(yǔ)義子數(shù)據(jù)庫(kù),能夠有效消除隨著數(shù)據(jù)庫(kù)容量增大,在線(xiàn)階段檢索時(shí)間延長(zhǎng)的線(xiàn)性增長(zhǎng)關(guān)系;（2）針對(duì)在大型數(shù)據(jù)庫(kù)中,檢索效率與準(zhǔn)確率不高的問(wèn)題,提出了一種基于語(yǔ)義與內(nèi)容的快速... 

【文章頁(yè)數(shù)】：68 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題研究的目的和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 視覺(jué)定位技術(shù)在國(guó)內(nèi)外的研究現(xiàn)狀
        1.2.2 圖像語(yǔ)義分割在國(guó)內(nèi)外的研究現(xiàn)狀
    1.3 本文的主要研究?jī)?nèi)容和結(jié)構(gòu)安排
第2章 室內(nèi)視覺(jué)定位相關(guān)理論分析
    2.1 攝像機(jī)模型搭建
        2.1.1 針孔成像模型
        2.1.2 對(duì)極幾何約束
    2.2 SURF局部特征提取算法
        2.2.1 SURF特征點(diǎn)提取
        2.2.2 SURF特征點(diǎn)匹配
    2.3 基于語(yǔ)義的室內(nèi)視覺(jué)定位流程
        2.3.1 基于語(yǔ)義的離線(xiàn)數(shù)據(jù)庫(kù)建立
        2.3.2 基于語(yǔ)義的在線(xiàn)檢索定位
    2.4 本章小結(jié)
第3章 基于語(yǔ)義的離線(xiàn)數(shù)據(jù)庫(kù)分類(lèi)算法研究
    3.1 語(yǔ)義分割網(wǎng)絡(luò)搭建
        3.1.1 語(yǔ)義分割網(wǎng)絡(luò)框架
        3.1.2 語(yǔ)義分割子網(wǎng)分析
    3.2 離線(xiàn)數(shù)據(jù)庫(kù)分類(lèi)算法研究
        3.2.1 數(shù)據(jù)庫(kù)分類(lèi)基本流程
        3.2.2 語(yǔ)義數(shù)據(jù)庫(kù)構(gòu)建
    3.3 基于語(yǔ)義的離線(xiàn)數(shù)據(jù)庫(kù)分類(lèi)算法性能分析
        3.3.1 語(yǔ)義分割網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)庫(kù)構(gòu)建
        3.3.2 語(yǔ)義分割網(wǎng)絡(luò)性能分析
        3.3.3 離線(xiàn)數(shù)據(jù)庫(kù)分類(lèi)算法性能分析
    3.4 本章小結(jié)
第4章 基于語(yǔ)義約束的在線(xiàn)檢索定位算法研究
    4.1 SCBIR算法研究
        4.1.1 SCBIR算法基本流程框架
        4.1.2 基于顏色的特征提取方法
        4.1.3 基于結(jié)構(gòu)的特征提取方法
    4.2 基于語(yǔ)義的特征點(diǎn)選取及視覺(jué)定位
        4.2.1 基于語(yǔ)義約束的特征點(diǎn)選取方法
        4.2.2 基于對(duì)極約束的視覺(jué)定位方法
    4.3 基于語(yǔ)義的檢索定位方法性能分析
        4.3.1 SCBIR方法性能分析
        4.3.2 基于語(yǔ)義約束定位方法性能分析
    4.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文及其它成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]采用輔助靶標(biāo)的移動(dòng)機(jī)器人立體視覺(jué)定位[J]. 李鵬,張洋洋.  紅外與激光工程. 2019(S1)
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的的室內(nèi)機(jī)器人視覺(jué)定位算法[J]. 牛家旭,孟真.  信息技術(shù)與信息化. 2019(03)
[3]基于深度學(xué)習(xí)圖像語(yǔ)義分割的機(jī)器人環(huán)境感知[J]. 徐謙,李穎,王剛.  吉林大學(xué)學(xué)報(bào)(工學(xué)版). 2019(01)
[4]深度語(yǔ)義分割的無(wú)人機(jī)圖像植被識(shí)別[J]. 林志瑋,涂偉豪,黃嘉航,丁啟祿,劉金福.  山地學(xué)報(bào). 2018(06)
[5]基于U-Net的高分辨率遙感圖像語(yǔ)義分割方法[J]. 蘇健民,楊嵐心,景維鵬.  計(jì)算機(jī)工程與應(yīng)用. 2019(07)
[6]結(jié)合圖像語(yǔ)義分割的增強(qiáng)現(xiàn)實(shí)型平視顯示系統(tǒng)設(shè)計(jì)與研究[J]. 安喆,徐熙平,楊進(jìn)華,喬楊,劉洋.  光學(xué)學(xué)報(bào). 2018(07)



本文編號(hào)：3658771