-
公开(公告)号：CN115937011A
公开(公告)日：2023-04-07
申请号：CN202211099077.X
申请日：2022-09-08
Applicant: 安徽工程大学
IPC: G06T5/00 , G06T7/73 , G06N3/0442 , G01C21/00
Abstract: 本发明公开了一种基于时滞特征回归的关键帧位姿优化视觉SLAM方法、存储介质及设备，SLAM方法包括：步骤S1，多尺度循环神经网络消除图像中的物体形变与运动拖影，修复因机器人运动过快导致的时滞图像特征；步骤S2，关键帧并行选取；步骤S3，结合时滞特征回归图像关键帧与普通帧作为双测量约束优化相机位姿，恢复机器人运行轨迹；步骤S4，构建全局轨迹地图。本发明修复因机器人运动过快导致的时滞图像特征，采用双测量约束优化相机位姿，恢复机器人运行轨迹，解决现有技术中由于移动机器人大视角快速运动中造成的局部相机位姿丢失与轨迹漂移问题。
-
Patent Agency Ranking
公开(公告)号：CN114782691B
公开(公告)日：2022-10-11
申请号：CN202210415251.0
申请日：2022-04-20
Applicant: 安徽工程大学
IPC: G06V10/26 , G06V10/80 , G06V10/82 , G06K9/62 , G06T7/579 , G06T7/73 , G06T5/50 , G06N3/04 , G06N3/08
Abstract: 本发明公开了基于深度学习的机器人目标识别与运动检测方法、存储介质及设备，其中方法包括下列步骤：步骤S1、通过融合注意力机制和位置编码的实例分割网络对潜在动态物体所在区域添加掩膜；步骤S2、利用场景中实例分割掩膜外的静态特征点对相机位姿进行估计；步骤S3，通过相机位姿估计出物体位姿变换矩阵；步骤S4，由运动视差与微分熵之间关系判断出物体特征点运动状态，从而判断整个物体运动状态；步骤S5，剔除其中的动态物体，并修复剔除区域的静态背景，用于位姿估计与地图构建。本发明提高被遮挡动态物体分割边界的精确度，剔除动态区域特征点减少动态物体对系统的影响。
-
公开(公告)号：CN114707611B
公开(公告)日：2022-10-11
申请号：CN202210423431.3
申请日：2022-04-21
Applicant: 安徽工程大学
Abstract: 本发明公开了基于图神经网络特征提取与匹配的移动机器人地图构建方法、存储介质及设备，其中方法包括下列步骤：步骤S1，通过先验位置估计特征提取图神经网络，对图像特征点进行快速均匀检测与描述，构建相应特征点信息；步骤S2，通过图注意力机制特征匹配中的消息传递图神经网络聚合特征点信息；步骤S3，使用自我与联合注意力机制对前后帧图像进行分权重特征匹配；步骤S4，优化筛选已建立的特征匹配点对集合，并将优化后的高吻合度匹配点对与系统后端的非线性优化、闭环修正算法相融合，进行相机位姿估计与局部地图构建。本发明有助于提升特征提取算法在面对外界光照变化剧烈与纹理稀疏场景下的稳定性与准确性，并加快特征匹配的速度。
-
公开(公告)号：CN114782691A
公开(公告)日：2022-07-22
申请号：CN202210415251.0
申请日：2022-04-20
Applicant: 安徽工程大学
IPC: G06V10/26 , G06V10/80 , G06V10/82 , G06K9/62 , G06T7/579 , G06T7/73 , G06T5/50 , G06N3/04 , G06N3/08
Abstract: 本发明公开了基于深度学习的机器人目标识别与运动检测方法、存储介质及设备，其中方法包括下列步骤：步骤S1、通过融合注意力机制和位置编码的实例分割网络对潜在动态物体所在区域添加掩膜；步骤S2、利用场景中实例分割掩膜外的静态特征点对相机位姿进行估计；步骤S3，通过相机位姿估计出物体位姿变换矩阵；步骤S4，由运动视差与微分熵之间关系判断出物体特征点运动状态，从而判断整个物体运动状态；步骤S5，剔除其中的动态物体，并修复剔除区域的静态背景，用于位姿估计与地图构建。本发明提高被遮挡动态物体分割边界的精确度，剔除动态区域特征点减少动态物体对系统的影响。
-
公开(公告)号：CN114707611A
公开(公告)日：2022-07-05
申请号：CN202210423431.3
申请日：2022-04-21
Applicant: 安徽工程大学
Abstract: 本发明公开了基于图神经网络特征提取与匹配的移动机器人地图构建方法、存储介质及设备，其中方法包括下列步骤：步骤S1，通过先验位置估计特征提取图神经网络，对图像特征点进行快速均匀检测与描述，构建相应特征点信息；步骤S2，通过图注意力机制特征匹配中的消息传递图神经网络聚合特征点信息；步骤S3，使用自我与联合注意力机制对前后帧图像进行分权重特征匹配；步骤S4，优化筛选已建立的特征匹配点对集合，并将优化后的高吻合度匹配点对与系统后端的非线性优化、闭环修正算法相融合，进行相机位姿估计与局部地图构建。本发明有助于提升特征提取算法在面对外界光照变化剧烈与纹理稀疏场景下的稳定性与准确性，并加快特征匹配的速度。
-
公开(公告)号：CN115937011B
公开(公告)日：2023-08-04
申请号：CN202211099077.X
申请日：2022-09-08
Applicant: 安徽工程大学
IPC: G06T5/00 , G06T7/73 , G06N3/0442 , G01C21/00
Abstract: 本发明公开了一种基于时滞特征回归的关键帧位姿优化视觉SLAM方法、存储介质及设备，SLAM方法包括：步骤S1，多尺度循环神经网络消除图像中的物体形变与运动拖影，修复因机器人运动过快导致的时滞图像特征；步骤S2，关键帧并行选取；步骤S3，结合时滞特征回归图像关键帧与普通帧作为双测量约束优化相机位姿，恢复机器人运行轨迹；步骤S4，构建全局轨迹地图。本发明修复因机器人运动过快导致的时滞图像特征，采用双测量约束优化相机位姿，恢复机器人运行轨迹，解决现有技术中由于移动机器人大视角快速运动中造成的局部相机位姿丢失与轨迹漂移问题。
-
-
-
-
-
Search Results
6
records
(took 0.064 seconds)
