基于单目全向视觉的面向移动机器人复杂场景语义学习

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61075034
  • 项目类别：
    面上项目
  • 资助金额：
    33.0万
  • 负责人：
    英向华
  • 依托单位：
    北京大学
  • 学科分类：
    F0304.系统工程理论与技术
  • 结题年份：
    2013
  • 批准年份：
    2010
  • 项目状态：
    已结题
  • 起止时间：
    2011-01-01 至2013-12-31

项目摘要

复杂场景语义学习是自主移动机器人所应具备的基本能力。现有方法多是针对单幅静态普通图像，没有考虑全向图像以及图像序列之间关联，适用范围有限。本项目旨在发挥全向摄像机的大视场优势，使用移动机器人平台上的单目全向摄像机运动过程中所获得的复杂场景稀疏三维点云数据（SFM），利用自适应张量投票方法提取场景底层三维结构特征；融合颜色、纹理、超像素布局等二维图像信息，采用层次化条件随机场（CRF）对分类似然以及先验知识进行概率建模，学习场景语义结构；利用联合Boosting方法将三维几何特征和二维表观特征有效的统一在同一框架内；通过在CRF模型中引入高阶势函数，改善边界分割的准确度，实现复杂场景的有效分析与认知表达。通过以上内容的研究，建立一系列关于全向图像语义学习算法，试图解决目前移动机器人复杂场景理解中的实用性和鲁棒性难题，丰富全向视觉的基本理论和方法。

结项摘要

自主移动机器人是一种能够在复杂环境连续实时自主运动的智能机器人，研究涉及图像处理、计算机视觉、传感器技术、人工智能、自动控制、并行处理、机械学等多学科理论与技术，体现了信息科学与人工智能的最新成果，具有重大的理论意义和应用价值。移动机器人系统大都装配了多种传感器，还利用信息融合技术使机器人更好地感知环境，但视觉传感器始终是必不可少的重要组成部分，因此计算机视觉就自然地成为移动机器人研究中的一个最重要领域。. 全向摄像机标定是运动分析和结构恢复必不可少的步骤，目前，全向摄像机标定已经成为全向视觉系统应用的瓶颈。有些系统假设全向摄像机内参数固定不变。实际情况经常是摄像机内参数随时间变化而产生漂移，采用离线标定方法会给系统带来诸多麻烦。同时，变参数自标定方法需要多幅图像和非线性优化方法，需要较长时间，也不适合于实时系统。通过特征跟踪可以获得前后两帧之间的特征匹配点对，但这样得到的匹配有些是错误的，如果简单地使用最小二乘方法估计运动参数和恢复场景的三维结构，会产生较大误差，所得结果不可用。若采用传统的三维重建技术，虽然可以得到一个鲁棒的估计结果，但这时系统的实时性无法保证。为此我们提出使用球面调和分析的球面快速傅立叶变换方法来解决系统的实时性和鲁棒性问题。. 我们将图像划分为许多个小的图像块，以图像块为单位判断每个图像块可能属于哪一类景物，即图像块内所有像素点均属于同一类对象，从而在整幅图像中提取出各个不同的对象。将整幅图像划分为许多的小图像块之后，提取每个图像块的颜色、形状、纹理等特征，依据不同景物对象之间在这些特征上的差异，区分出每个图像块所属的对象类别。对于复杂场景图像我们将其划分为不同类别，并使用基于机器学习的分类方法来实现对复杂场景图像的理解分类。. 上述成果分别于国际期刊IEEE Transactions on Pattern Analysis and Machine Intelligence （TPAMI, 2012年公布的五年期SCI影响因子为6.085）上发表 2 篇，国际期刊Pattern Recognition Letters 上发表 1 篇，以及重要国际会议如ICPR、 BMVC等上发表 5 篇。申请发明专利 2 项。

项目成果

期刊论文数量（3）
专著数量（0）
科研奖励数量（0）
会议论文数量（5）
专利数量（2）
Vanishing point detection using cascaded 1D Hough Transform from single images
使用级联一维霍夫变换从单个图像检测消失点
  • DOI：
    10.1016/j.patrec.2011.09.027
  • 发表时间：
    2012
  • 期刊：
    Pattern Recognition Letters
  • 影响因子：
    5.1
  • 作者：
    Li, Bo;Peng, Kun;Ying, Xianghua;Zha, Hongbin
  • 通讯作者：
    Zha, Hongbin
Self-Calibration of Catadioptric Camera with Two Planar Mirrors from Silhouettes
带有两个平面镜的折反射相机的轮廓自校准
  • DOI：
    10.1109/tpami.2012.195
  • 发表时间：
    2013-05
  • 期刊：
    IEEE Trans. on Pattern Analysis and Machine Intelligence(PAMI)
  • 影响因子：
    --
  • 作者：
    Xianghua Ying;Kun Peng;Yongbo Hou;Sheng Guan;Jing Kong;Hongbin Zha
  • 通讯作者：
    Hongbin Zha
A Fast Algorithm for Multidimensional Ellipsoid-Specific Fitting by Minimizing a New Defined Vector Norm of Residuals Using Semidefinite Programming
通过使用半定规划最小化新定义的残差向量范数来进行多维椭球特定拟合的快速算法
  • DOI：
    10.1109/tpami.2012.109
  • 发表时间：
    2012-09
  • 期刊：
    IEEE Transactions on Pattern Analysis and Machine Intelligence
  • 影响因子：
    23.6
  • 作者：
    Ying, Xianghua;Yang, Li;Zha, Hongbin
  • 通讯作者：
    Zha, Hongbin

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

英向华的其他基金

基于自监督多模态融合的移动机器人视觉和语言导航方法研究
  • 批准号：
    62371009
  • 批准年份：
    2023
  • 资助金额：
    50 万元
  • 项目类别：
    面上项目
基于空间结构引导多任务学习的街景分析和理解方法研究
  • 批准号：
  • 批准年份：
    2019
  • 资助金额：
    59 万元
  • 项目类别：
    面上项目
基于单目多平面镜反折射成像系统的面向自动装配中复杂工件位姿计算
  • 批准号：
    61273283
  • 批准年份：
    2012
  • 资助金额：
    83.0 万元
  • 项目类别：
    面上项目
可穿戴系统中基于全向视觉实时三维运动分析和结构恢复研究
  • 批准号：
    60605010
  • 批准年份：
    2006
  • 资助金额：
    28.0 万元
  • 项目类别：
    青年科学基金项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码