动态场景下基于语义分割与运动一致性约束的车辆视觉SLAM

传统的车辆同时定位与建图方法多依赖于静态环境假设,在动态场景下易引起位姿估计精度下降甚至前端视觉里程计跟踪失败。本文结合Fast-SCNN实时语义分割网络与运动一致性约束,提出一种动态场景视觉SLAM方法。首先利用Fast-SCNN获取潜在动态目标的分割掩码并进行特征点去除,以获取相机位姿的初步估计;随后基于运动约束与卡方检验完成潜在动态目标中静态点的重添加,以进一步优化相机位姿。验证集测试表明,所训练的语义分割网络平均像素精度和交并比超过90%,单帧图片处理耗时约14.5 ms,满足SLAM系统的分割精度与实时性要求。慕尼黑大学公开数据集和实车数据集测试表明,融合本文算法的ORB-SLAM3部分指标平均提升率超过80%,显著提升了动态场景下的SLAM运行精度与鲁棒性,有助于保障智能车辆的安全性。     

超大型海上浮式结构物连接器基座强度分析

超大型海上浮式结构物(Very Large Floating Structure, VLFS)是由若干个单模块通过连接器连接而成的海上结构物,连接器是整个结构中最薄弱而又最关键的部分,因此有必要对连接器基座进行静强度分析和极限强度分析。文章采用以包含连接器基座的上箱体为研究对象,选取包含单个连接器基座和两个连接器基座的上箱体局部结构作为模型进行静强度分析,得到了两种模型连接器基座整体Von mises应力不大,但存在基座与连接器连接处、立柱与上箱体底甲板连接处两处明显的高应力区的相关结论。然后,采用非线性有限元准静态法对连接器基座进行极限强度分析,确定结构在危险工况下最先发生破坏的位置,得到基座连接器不同方向的极限承载力。结果表明,连接器基座在各个方向的极限承载力都远大于其载荷预报值,连接器基座具有较大的结构强度储备。文中的研究结果为超大浮体连接器基座的设计和安全可靠性分析提供了相关理论依据。