基于改进卷积神经网络的室内定位算法研究

基于改进卷积神经网络的室内定位算法研究

ID:37071786

大小:2.21 MB

页数:83页

时间:2019-05-16

基于改进卷积神经网络的室内定位算法研究_第1页
基于改进卷积神经网络的室内定位算法研究_第2页
基于改进卷积神经网络的室内定位算法研究_第3页
基于改进卷积神经网络的室内定位算法研究_第4页
基于改进卷积神经网络的室内定位算法研究_第5页
资源描述:

《基于改进卷积神经网络的室内定位算法研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、分类号:密级:UDC:编号:工学硕士学位论文基于改进卷积神经网络的室内定位算法研究硕士研究生:张晋指导教师:陈立伟副教授学位级别:工学硕士学科、专业:信息与通信工程所在单位:信息与通信工程学院论文提交日期:2018年1月论文答辩日期:2018年3月学位授予单位:哈尔滨工程大学ClassifiedIndex:U.D.CADissertationfortheDegreeofM.EngStudyontheindoorpositioningalgorithmbasedonimprovedconvoluti

2、onneuralnetworkCandidate:Supervisor:AcademicDegreeAppliedfor:MasterofEngineeringSpecialty:InformationandCommunicationtechnologyDateofSubmission:Jan,2018DateofOralExamination:Mar,2018University:HarbinEngineeringUniversity哈尔滨工程大学学位论文原创性声明本人郑重声明:本论文的所有工作

3、,是在导师的指导下,由作者本人独立完成的。有关观点、方法、数据和文献的引用已在文中指出,并与参考文献相对应。除文中已注明引用的内容外,本论文不包含任何其他个人或集体已经公开发表的作品成果。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。作者(签字):日期:年月日哈尔滨工程大学学位论文授权使用声明本人完全了解学校保护知识产权的有关规定,即研究生在校攻读学位期间论文工作的知识产权属于哈尔滨工程大学。哈尔滨工程大学有权保留并向国家有关部门或机构送

4、交论文的复印件。本人允许哈尔滨工程大学将论文的部分或全部内容编入有关数据库进行检索,可采用影印、缩印或扫描等复制手段保存和汇编本学位论文,可以公布论文的全部内容。同时本人保证毕业后结合学位论文研究课题再撰写的论文一律注明作者第一署名单位为哈尔滨工程大学。涉密学位论文待解密后适用本声明。本论文(□在授予学位后即可□在授予学位12个月后□解密后)由哈尔滨工程大学送交有关部门进行保存、汇编等。作者(签字):导师(签字):日期:年月日年月日摘要随着近几年来科学技术的高速发展,人类已不满足于工业时代的让机器

5、代替人力的简单需求,而是希望让机器拥有类似人类的大脑来代替我们处理复杂的生活中的问题,人工智能应运而生。传统的导航系统多是基于卫星导航实现的,但无法实现室内的定位导航多是由于室内环境复杂,信号到达地面变弱而导致无法穿透墙体造成的。常见的室内导航定位手段有Wi-Fi、蓝牙、红外线、超宽带、RFID、ZigBee和超声波定位等等,本文主要的方法是基于改进的卷积神经网络的单目视觉室内定位,该方法是针对传统方法造价高、抗干扰能力差,鲁棒性弱、兼容性不好等问题而提出的智能化的辅助定位手段,传统的计算机视觉相

6、机姿态估计方法受图像中复杂背景的影响在提取特征角点时,受到非感兴趣角点的影响非常严重,所以本文加入了改进的卷积神经网络算法在复杂室内场景中加入了区域限定,在感兴趣区域内完成相机姿态估计更好的实现了实现低成本、高精度和更稳定的导航服务。本课题的主要内容有以下两个方面:(1)对传统的卷积神经网络进行改进,实现端到端的模型训练与测试,完成室内单目标记物的识别与分类。传统的目标识别方法很难在复杂的室内场景下识别并抓取单目标记物的图像区域,而卷积神经网络能够从大量的样本数据中来学习到图像中深层次、抽象化的特

7、征,在图像的识别和分类领域表现出显著的优势。本文对传统的卷积神经网络加以改进以实现分类与检测的整合,主要包括:不同尺度特征检测,多特征融合,端到端的整合。使得模型既提高了检测精度,同时又提高了检测速度,实现了图像中感兴趣区域的识别与抓取。针对pascalVOC数据集的测试精度为73.1%,针对本文任务的数据集精度为98.3%,测试速度53帧。(2)在上述工作完成之后采用轮廓逼近法以及Harris角点检测等方法,将单目标记物角点抓取,确定其在图像中的位置,然后将相机的姿态估计问题转化为PNP方程组求

8、解问题,并对传统的RPnP、EPnP和CEPPnP算法进行对比分析,寻求最优的相机姿态估计算法对当前拍摄位置的世界坐标进行定位,实验结果表明本文提出的定位算法具有较高的稳定性,单张图像检测定位精度误差在xyz三个方向不超过0.01m,视频流30帧的情况下三个方向误差不超高0.08m,达到了室内定位的精度要求。关键词:深度学习;卷积神经网络;物体检测;室内定位;PnP问题ABSTRACTWiththehigh-speeddevelopmentofscienceandtechnolog

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。