呼和浩特市中心城区城市公园可达性分析——基于高德地图API数据

城市公园布局的合理性直接影响其对城市内部居民的服务水平。基于高德地图API数据,以呼和浩特市中心城区为研究区域,居住小区为研究单元,从数量、供需角度分析步行和骑行两种交通方式下公园可达性水平。结果表明：（1）基于出行时间计算的各小区可达公园数量随着时间阈值的增大,居民接近公园的机会增多,高斯两步移动搜索法在此基础上,考虑了公园供给与人口需求之间的空间分布及其相互作用,研究区公园分布存在空间供需失配现象;（2）两种出行方式下,可达性呈现“外围高,中心低”态势,步行出行方式在三种时间阈值范围内一直存在无法享受公园服务的小区,可达区域分布存在明显的空间隔离;骑行方式下的可达性水平空间分布显著高于步行,在20 min阈值内服务范围可达到全覆盖,各小区居民的供需可达性值相较于步行分异程度明显降低;（3）城市公园可达性较好区域集中分布于研究区北部和东部,而可达性较差的城市核心区、西部和南部,可以作为呼和浩特市公园规划建设重点关注对象。     

基于多尺度光流融合特征点视觉-惯性SLAM方法

为提高视觉-惯性导航系统在弱纹理环境下的鲁棒性和精度,结合特征点法精度高和光流法速度快的特点以及惯性信息,提出一种多尺度均匀化光流融合特征点法的视觉-惯性同时定位与地图(simultaneous localization and mapping, SLAM)构建方法。首先,改进快速特征点提取和描述(oriented fast and rotated brief, ORB)特征提取过程,采用多尺度网格化的方法提取ORB特征点并利用四叉树均匀分配特征点,提高特征分布离散性。其次,在帧间采用LK(Lucas and Kanade)光流法追踪特征点进行帧间的数据关联,在关键帧对特征点进行描述子的计算和匹配从而实现关键帧间的数据关联,保证算法速度的同时提高定位精度和鲁棒性。最后,基于光流法建立的数据关联得到的初始位姿为后端优化提供初始值,整合ORB特征点重投影误差、惯性测量单元(inertial measurement unit, IMU)预积分误差以及滑动窗口先验误差构建最小化目标函数采用滑动窗口非线性优化进行求解。实验表明,所提方法相比单目视觉惯性系统具有更高的定位精度和鲁棒性,定位精度平均...     

快速室内视觉同步定位与建图研究

家居机器人技术一般应用视觉同步定位与建图(SLAM,Simultaneous Localization and Mapping)来实现定位与构建导航地图,如何实现视觉SLAM系统快速准确定位和构建丰富环境信息的地图已经成为视觉SLAM研究的热点问题.本文将光流法与关键点结合,加快视觉SLAM的数据处理速度,并添加稠密点...     

地图着色问题的粘贴DNA算法

提出多级分离的概念,给出一个多级分离装置的模型,并介绍粘贴模型中的多级分离操作、将地图着色问题转化为可满足性问题、基于粘贴模型的巨大并行性及多级分离的优势,提出解决该问题的粘贴DNA算法。通过一个实例给出实验操作步骤,并对生化反应过程进行模拟,得出具体的着色方案,从而证明了该多级分离装置的有效性以及该算法的可行性。     

路径诱导系统中综合地图匹配算法的研究

地图匹配算法对于车辆路径诱导和实时轨迹回放具有重要的应用,为了提供连续、精确和可靠的车辆行驶路段位置,利用定位传感器输出车辆运行位置信息,结合高精度空间道路网络数据,提出新的综合地图匹配算法.该算法不受地理环境的约束,能有效地修正传感器的定位误差,提高车辆定位精度.实际道路测试证明,该算法比现有地图算法更高准确度和实时性,尤其是在十字路口有更好匹配效果.     

车辆组合导航定位技术

介绍车辆导航定位及其组合导航定位技术.组合导航利用现代信息融合技术,实现对车辆组合导航的准确定位,具有全方位、全天候、自主式定位功能.着重研究了GPS/GLNOASS/MM和GPS/DR/MM三组合导航定位及跑车试验分析.跑车试验表明,车辆组合导航定位精度及可靠性比单独GPS导航定位有所提高,车辆运行效率和安全性大大改善,提高了通行能力,有效地缓解了交通拥挤状况,从而为实现交通管理"自动化"以及车辆行驶"智能化"提供了可靠的保证.     

开放自由创新英国伦敦大学

在英国有这样一种说法:有两种人很难确切地描述伦敦大学,一是出租车司机,一是外国人。因为出租车司机总是很难确定学院众多的伦敦大学究竟确指何处,而外国人则很难理解“伦敦大学”到底是什么。走过了近两个世纪的伦敦大学,难道让人如此难以琢磨? 与牛津、剑桥等诞生于中世纪、源流悠长、根基稳固的老牌大学相比,伦敦大学的发展史充分展现出高等教育随时代变迁、社会进步、阶层更迭而不断发展的鲜明特色,而大学自身也在激进、包容、开放等或疾或徐的步伐中不断锤炼精神,萃取精髓,焕发出耀眼的光彩。     

基于物体关系描述的单目语义SLAM方法

外界环境的语义感知和自身位置的准确估计是移动机器人自主导航和作业的关键。提出了一种基于单目相机的语义SLAM(simultaneous localization and mapping)方法,在轨迹估计的同时完成三维目标检测。提取物体自身语义、尺寸、颜色分布及其邻域拓扑结构等多元信息作为描述子,实现帧间物体的准确关联。在后端对相机位姿、地图点和物体路标进行联合优化,并自适应调整代价函数中各误差项的权重系数,以提高各状态变量的估计精度和鲁棒性。实验结果表明,所提出的算法在地图构建方面具有较高的精度。     

基于启发式的多机器人SLAM地图融合方法研究

同步定位和地图构建（simultaneous localization and mapping,SLAM）是移动机器人在未知环境中完成地图构建和定位任务的关键技术。针对多机器人SLAM中的地图融合问题,提出一种启发式的搜索方法引导局部地图的重复区域进行地图融合。每个机器人可以在不了解其相对位置的情况下建立局部地图,并将局部地图信息发送至同一工作站中,以局部地图的相似性为判断指标融合得到最优的全局地图。在机器人实物平台上进行验证,结果证明了多机器人SLAM的地图融合算法的有效性和准确性。     

面向移动机器人大视角运动的图神经网络视觉SLAM算法

针对移动机器人在大视角运动下光照变化剧烈或遭遇纹理稀疏场景易出现特征点提取困难,极端角度下特征难以匹配导致对极几何计算误差较大问题,提出一种融合改进图神经网络的视觉SLAM算法。基于先验位置估计的特征提取网络,通过先验位置估计实现图像特征点快速均匀检测与描述,构建真实准确的特征点信息。基于图注意力机制的特征匹配网络,通过消息传递图神经网络聚合特征点信息,使用自我与联合注意力机制对前后图像帧分权重特征匹配。将特征提取与匹配图神经网络与ORB-SLAM2系统后端非线性优化、闭环修正、局部建图模块融合,提出一个完整的单目视觉GNN-SLAM系统。实验结果表明：该算法在KITTI数据集上与ORB-SLAM2算法相比,绝对轨迹误差降低37.59%,相对位姿误差降低19.67%。