-
公开(公告)号：CN118608574B
公开(公告)日：2025-03-21
申请号：CN202410720313.8
申请日：2024-06-05
Applicant: 安徽工程大学
IPC: G06T7/269 , G06T7/246 , G06T7/73 , G06N3/0475 , G06N3/0455 , G06N3/094 , G06T9/00 , G06N3/0464
Abstract: 本发明属于同步定位与地图创建技术领域，公开了一种基于光照抑制的视觉里程计方法，包括下列步骤：步骤S1，采集图像信息，并使用融合高光注意力的神经网络从图像信息提取特征信息并抑制高光区域；步骤S2，使用特征提取网络提取对光照变化稳健的特征点和特征图；步骤S3，使用基于平均灰度值的特征提取算法补充稀疏场景中的特征点；步骤S4，使用多层光流跟踪算法跟踪特征点，根据跟踪的特征点对计算位姿。本发明能保持了一定程度的动态响应能力，从而增强了网络对光照场景图像的处理能力，提高了SLAM系统在光照场景下的跟踪稳定性。
-
Patent Agency Ranking
公开(公告)号：CN112928959B
公开(公告)日：2022-07-26
申请号：CN202110136459.4
申请日：2021-02-01
Applicant: 安徽工程大学
Abstract: 本发明公开了表贴式永磁同步电机无传感器控制方法，包括如下步骤：S1.在表贴式永磁同步电机在α、β坐标下的数学模型下，基于连续光滑且动态可变的函数来构建滑模电流观测器；S2.将定子电流的观测误差Sh＝0作为滑模电流观测器的滑模面，输出滑模面下随时间变化的反电势信号；S3.RLS自适应滤波器对滑模电流观测器的输出反电势预信号滤波，输出反电动势预估值；S4.基于反电动势预估值来预估电机的转速和转子位置。极大的改善了系统高频抖振现象，降低了系统相位延迟的幅度；解决了滑膜观测器无法在永磁同步电机低速运转时，对反电动势信号的提取，以及对电机转速和转子位置估算的难题。
-
公开(公告)号：CN112928959A
公开(公告)日：2021-06-08
申请号：CN202110136459.4
申请日：2021-02-01
Applicant: 安徽工程大学
Abstract: 本发明公开了表贴式永磁同步电机无传感器控制方法，包括如下步骤：S1.在表贴式永磁同步电机在α、β坐标下的数学模型下，基于连续光滑且动态可变的函数来构建滑模电流观测器；S2.将定子电流的观测误差Sh＝0作为滑模电流观测器的滑模面，输出滑模面下随时间变化的反电势信号；S3.RLS自适应滤波器对滑模电流观测器的输出反电势预信号滤波，输出反电动势预估值；S4.基于反电动势预估值来预估电机的转速和转子位置。极大的改善了系统高频抖振现象，降低了系统相位延迟的幅度；解决了滑膜观测器无法在永磁同步电机低速运转时，对反电动势信号的提取，以及对电机转速和转子位置估算的难题。
-
公开(公告)号：CN118608574A
公开(公告)日：2024-09-06
申请号：CN202410720313.8
申请日：2024-06-05
Applicant: 安徽工程大学
IPC: G06T7/269 , G06T7/246 , G06T7/73 , G06N3/0475 , G06N3/0455 , G06N3/094 , G06T9/00 , G06N3/0464
Abstract: 本发明属于同步定位与地图创建技术领域，公开了一种基于光照抑制的视觉里程计方法，包括下列步骤：步骤S1，采集图像信息，并使用融合高光注意力的神经网络从图像信息提取特征信息并抑制高光区域；步骤S2，使用特征提取网络提取对光照变化稳健的特征点和特征图；步骤S3，使用基于平均灰度值的特征提取算法补充稀疏场景中的特征点；步骤S4，使用多层光流跟踪算法跟踪特征点，根据跟踪的特征点对计算位姿。本发明能保持了一定程度的动态响应能力，从而增强了网络对光照场景图像的处理能力，提高了SLAM系统在光照场景下的跟踪稳定性。
-
公开(公告)号：CN118505746A
公开(公告)日：2024-08-16
申请号：CN202410600618.5
申请日：2024-05-15
Applicant: 安徽工程大学
IPC: G06T7/246 , G06T7/73 , G06T5/10 , G06T5/60 , G06T5/50 , G06V20/56 , G06V20/70 , G06V10/26 , G06V10/74
Abstract: 本发明属于同步定位与地图创建技术领域，公开了一种基于深度学习的视觉低光闭环检测算法、存储介质及设备，算法包括：步骤S1，基于图像采集装置采集环境信息，从环境信息的图像中划分语义区域；步骤S2，对划分的语义区域进行中心线采样，生成局部超像素语义描述符；步骤S3，通过傅里叶特征增强网络对低光数据进行特征增强，并对增强数据进行特征匹配与位姿计算估算运动状态；步骤S4，将语义描述符与闭环线程进行数据关联，并在闭环检测中辅助词袋共同完成闭环验证，实现全局位姿优化。本发明能通过更严格的筛选条件来判定是否能进行最终的回环融合和全局优化，更适用于处理在低光照条件下闭环检测线程中精度不高、易出现错误回环的问题。
-
公开(公告)号：CN118505746B
公开(公告)日：2025-01-21
申请号：CN202410600618.5
申请日：2024-05-15
Applicant: 安徽工程大学
IPC: G06T7/246 , G06T7/73 , G06T5/10 , G06T5/60 , G06T5/50 , G06V20/56 , G06V20/70 , G06V10/26 , G06V10/74
Abstract: 本发明属于同步定位与地图创建技术领域，公开了一种基于深度学习的视觉低光闭环检测算法、存储介质及设备，算法包括：步骤S1，基于图像采集装置采集环境信息，从环境信息的图像中划分语义区域；步骤S2，对划分的语义区域进行中心线采样，生成局部超像素语义描述符；步骤S3，通过傅里叶特征增强网络对低光数据进行特征增强，并对增强数据进行特征匹配与位姿计算估算运动状态；步骤S4，将语义描述符与闭环线程进行数据关联，并在闭环检测中辅助词袋共同完成闭环验证，实现全局位姿优化。本发明能通过更严格的筛选条件来判定是否能进行最终的回环融合和全局优化，更适用于处理在低光照条件下闭环检测线程中精度不高、易出现错误回环的问题。
-
-
-
-
-
Search Results
6
records
(took 0.029 seconds)
