《表2 优化方法对MAE的影响》
为了使姿态估计更准确,本文提出误差补偿方法,利用XGBoost拟合姿态估计值的误差,与原估计值叠加得到优化的估计值。实验中XGBoost参数设置:学习率为0.3,最大树深为6,每个节点的最少实例数为1。实验结果见表2,表中SDM-X表示在基准方法基础上利用XGBoost进行误差补偿的方法,可以看出,通过引入误差补偿,方法准确率取得了2.85的提升。因此,尽管不同于传统从某一方法的内部性质出发进行改进的优化思路,本文提出的误差补偿优化方法也能较大幅度地提高头部姿态估计精度。同时,对于每张图像XGBoost的平均运行时间为0.01ms,几乎不产生时间开销。对该表中SDM-XK的分析见4.3节。
图表编号 | XD00206692600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.16 |
作者 | 陈得恩、张建伟、柯文俊 |
绘制单位 | 中国航天科工集团第二研究院七〇六所、中国航天科工集团第二研究院七〇六所、中国航天科工集团第二研究院七〇六所 |
更多格式 | 高清、无水印(增值服务) |