公开(公告)号：CN111950599B

公开(公告)日：2022-07-01

申请号：CN202010698713.5

申请日：2020-07-20

Applicant: 重庆邮电大学

Inventor： 罗元 ,  周凯 ,  李晋宏 ,  曾念文 ,  吕元元 ,  范晶晶

IPC: G06V10/762 ,  G06V10/80 ,  G06K9/62 ,  G06T7/13 ,  G06T7/136 ,  G06T7/215 ,  G06T7/50

Abstract: 本发明公开了一种动态环境下融合边缘信息的稠密视觉里程计方法，具体步骤为：首先，根据深度信息进行场景聚类，再基于光度信息与边缘信息的聚类构建出残差模型，并引入平均背景深度，加大前景残差。然后，将残差模型与非参数统计模型相结合，分离动态物体并得到聚类权重。最后，将加权聚类残差加入到位姿估计的非线性优化函数中，以降低动态物体的影响，提高位姿估计的精度。在TUM数据集上进行实验，结果表明本文算法在动态环境下比现有算法有更高的精度与鲁棒性。

公开(公告)号：CN111950370B

公开(公告)日：2022-08-26

申请号：CN202010662515.3

申请日：2020-07-10

Applicant: 重庆邮电大学

Inventor： 胡章芳 ,  杨勇 ,  曾念文

IPC: G06V20/10 ,  G06V10/75 ,  G06T7/11 ,  G06T7/187 ,  G06T7/246 ,  G06T7/269 ,  G06T11/00

Abstract: 本发明请求保护一种动态环境下线拓展视觉里程计方法。具体步骤为：首先在图像序列中提取点特征计算初始位姿矩阵，根据初始位姿矩阵得到预测当前帧图像。通过相邻两帧图像和预测前帧图像进行光流和残差值计算，对动态特征点进行剔除。根据剩余静态特征点的共线关系进行静态直线拓展，构建共线匹配矩阵。通过剩余的静态特征点和静态直线特征进行BA优化，对相机位姿进行调整。在动态环境中的实验结果表明：相较于其他方法，本方法能有效降低跟踪误差，提高视觉里程计精度和鲁棒性，减少静态直线识别提取时间和静态直线匹配时间，满足实时应用的需求。

公开(公告)号：CN111950597A

公开(公告)日：2020-11-17

申请号：CN202010681101.5

申请日：2020-07-15

Applicant: 重庆邮电大学

Inventor： 胡章芳 ,  曾念文 ,  杨勇 ,  周凯

IPC: G06K9/62 ,  G06T7/90 ,  G06K9/00 ,  G06F40/242 ,  G06F40/216

Abstract: 本发明请求保护一种机器人基于原图光照不变图词袋模型改进的闭环检测方法。具体步骤为：首先，根据将摄像头采集到的原始图像转化为只与光源有关光照不变图；然后，对二者提取特征点，利用k-means聚类方法生成视觉词典，对每帧图像计算两个直方图和相似性得分；接着，采用直方图交叉核的方法来测量两个矩阵的相似性得分；最后，选择分数大于阈值且不包含相邻帧的帧作为检测正确的闭环对。在光照变化较大的环境中的实验结果表明：相较于其他方法，本方法在闭环检测部分能显著提高准确率和召回率。

公开(公告)号：CN111950597B

公开(公告)日：2022-10-18

申请号：CN202010681101.5

申请日：2020-07-15

Applicant: 重庆邮电大学

Inventor： 胡章芳 ,  曾念文 ,  杨勇 ,  周凯

IPC: G06V20/10 ,  G06V10/74 ,  G06K9/62 ,  G06T7/90 ,  G06F40/242 ,  G06F40/216

Abstract: 本发明请求保护一种机器人基于原图光照不变图词袋模型改进的闭环检测方法。具体步骤为：首先，根据将摄像头采集到的原始图像转化为只与光源有关光照不变图；然后，对二者提取特征点，利用k‑means聚类方法生成视觉词典，对每帧图像计算两个直方图和相似性得分；接着，采用直方图交叉核的方法来测量两个矩阵的相似性得分；最后，选择分数大于阈值且不包含相邻帧的帧作为检测正确的闭环对。在光照变化较大的环境中的实验结果表明：相较于其他方法，本方法在闭环检测部分能显著提高准确率和召回率。

公开(公告)号：CN111950599A

公开(公告)日：2020-11-17

申请号：CN202010698713.5

申请日：2020-07-20

Applicant: 重庆邮电大学

Inventor： 罗元 ,  周凯 ,  李晋宏 ,  曾念文 ,  吕元元 ,  范晶晶

IPC: G06K9/62 ,  G06T7/13 ,  G06T7/136 ,  G06T7/215 ,  G06T7/50

Abstract: 本发明公开了一种动态环境下融合边缘信息的稠密视觉里程计方法，具体步骤为：首先，根据深度信息进行场景聚类，再基于光度信息与边缘信息的聚类构建出残差模型，并引入平均背景深度，加大前景残差。然后，将残差模型与非参数统计模型相结合，分离动态物体并得到聚类权重。最后，将加权聚类残差加入到位姿估计的非线性优化函数中，以降低动态物体的影响，提高位姿估计的精度。在TUM数据集上进行实验，结果表明本文算法在动态环境下比现有算法有更高的精度与鲁棒性。

公开(公告)号：CN111950370A

公开(公告)日：2020-11-17

申请号：CN202010662515.3

申请日：2020-07-10

Applicant: 重庆邮电大学

Inventor： 胡章芳 ,  杨勇 ,  曾念文

IPC: G06K9/00 ,  G06K9/62 ,  G06T7/11 ,  G06T7/187 ,  G06T7/246 ,  G06T7/269 ,  G06T11/00

Abstract: 本发明请求保护一种动态环境下线拓展视觉里程计方法。具体步骤为：首先在图像序列中提取点特征计算初始位姿矩阵，根据初始位姿矩阵得到预测当前帧图像。通过相邻两帧图像和预测前帧图像进行光流和残差值计算，对动态特征点进行剔除。根据剩余静态特征点的共线关系进行静态直线拓展，构建共线匹配矩阵。通过剩余的静态特征点和静态直线特征进行BA优化，对相机位姿进行调整。在动态环境中的实验结果表明：相较于其他方法，本方法能有效降低跟踪误差，提高视觉里程计精度和鲁棒性，减少静态直线识别提取时间和静态直线匹配时间，满足实时应用的需求。