一种间断观测下的无人机地面目标跟踪方法

提出了一种基于贝叶斯滤波器和适航地图的跟踪算法(BF-Hmap),解决间断观测下的无人机地面目标跟踪问题.采用基于中心线和梯度图的快速道路提取算法生成目标适航地图,该图描述了地面目标与当前地形相关的运动能力.采用贝叶斯滤波器分两步在线更新目标状态的后验概率分布,即在预测阶段考虑适航地图对目标运动的约束,以及在估计阶段充分利用目标的所有观测信息.仿真结果表明,在间断观测下该算法对地面机动目标有着良好的跟踪效果.     

基于Illustrator编排系统对长城影像图专题符号的研究

介绍了甘肃省境内明长城资源调查中形成的主要成果——长城专题影像地图,对长城影像地图专题符号制作的关键技术进行了探讨研究。提出了利用制图软件制作专题地图符号的一种新思路,并且形成完整的、规范化的系列符号,为统一化、快速化制作长城资源专题影像图奠定了坚实的基础,以满足文物管理部门对甘肃省境内明长城资源管理、保护、研究的需要。     

教师知识管理模型研究

<正>在知识经济时代,学校作为知识密集型组织的代表,其主要组成成员教师所产生和拥有的知识,是超越学校物质资本的无形资产,而掌握无形资产的多寡已经成为衡量教师个体和学校     

基于战略地图制定高校信息化发展战略

高校信息化建设逐年深入,高校发展对其的支持要求也愈加强烈,如何突破现有应用系统各自为政、结构松散、力量涣散的瓶颈,以高校的发展诉求为纲,以系统工程与战略地图为技术工具,面对高校信息化发展建设的高级阶段——全局战略支撑阶段,科学的制定能够全面、可持续地为高校发展提供信息化支持的信息化发展方略.分析了战略支撑思路在组织信息...     

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%。     

从地图的演变看地理科学的进展

地理科学的发展有赖于地图,地理科学的每一个进步都推动着地图的演变并可以从地图上反映出来。地理3S等技术,正日益改变着地图的面貌和传统的地图观念,使读图时代变得更加生动活泼、多姿多彩。     

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.     

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。     

DEM最优线性生成技术——MADEM

讨论了DEM生成方法和高精度、高保真问题.指出评价生成方法的误差必须顾及内插模型的截断误差,并把它作为主要部分;给出了新型的地图代数DEM生成方法--MADEM(map algebra DEM),它是定义在最速下降线水平投影上的线性插值方法,通过赋值点线间的加权Voronoi的递归内插过程实现.它在同样条件下,具有远高于Delaunay构网下三角形上的线性插值方法精度,并具有高保真特性.分析和实例比较表明它是目前DEM最优的线性内插方法.