排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
【目的】针对粉尘环境中单幅图像深度预测精度低的问题,提出了一种基于输入特征稀疏化的粉尘图像深度预测网络。【方法】使用粉尘图像的直接传输率与深度的关系设计预估计深度网络,利用图像颜色衰减先验原理进一步获取粉尘图像的稀疏深度特征。将该稀疏深度特征与粉尘图像一起作为深度预测网络的输入。深度预测网络以“编码器-解码器”为模型框架,编码器中使用残差网络(ResNet)对粉尘图像进行编码,设计融合通道注意力机制的稀疏卷积网络对稀疏深度特征进行编码。解码器中采用反卷积以及多尺度上采样的方法,以更好的重建稠密的深度信息。使用最小绝对值损失和结构相似性损失作为边缘保持损失函数。【结论】在NYU-Depth-v2数据集上的实验结果表明该方法能够从粉尘图像中有效预测深度信息,平均相对误差降低到0.054,均方根误差降低到0.610,在δ<1.25时准确率达到0.967. 相似文献
2.
光纤陀螺仪原理及数据读取方法研究 总被引:2,自引:0,他引:2
阐述了光纤陀螺仪(FOG)的基本特点,分析了Sagnac效应的基本原理,给出了VC 6.0环境下通过使用ActiveX控件进行串行通讯,实现光纤陀螺仪测量数据的读取的方法,分析了该方法具有的特点。为后续的数据处理作好准备。 相似文献
3.
1