-
公开(公告)号：CN116740711A
公开(公告)日：2023-09-12
申请号：CN202310597797.7
申请日：2023-05-25
Applicant: 南昌大学
Abstract: 本发明涉及一种结合ViBe与RGBD图像信息的图像语义标签制作方法，包括：1）视频采集和预处理；2）图像序列的空间配准，得到对应的变换矩阵；3）对灰度图像序列进行运动目标检测和二值化；4）提取二值化图像的关键帧及Id；5）提取深度图像关键帧边缘，根据深度信息，结合最大连通滤波算法和边缘区域遍历算法，对前景分割图像中的前景区域，进行边缘修正并去除阴影噪声；6）标签分类并对其前景区域进行像素填充；7）所得标签保存至对应文件夹。本发明方法通过关键帧的提取、使用深度信息去除图像阴影、结合滑动窗口思想提取目标关键帧前景并填充像素、给定标签，无需人为分割图像，降低了语义标签制作的复杂性，提高标签制作的精度与效率。
-
公开(公告)号：CN112649016B
公开(公告)日：2023-10-03
申请号：CN202011425027.7
申请日：2020-12-09
Applicant: 南昌大学
Abstract: 本发明提供了一种基于点线初始化的视觉惯性里程计方法，包括以下步骤：步骤一、通过相机采集视觉数据，通过IMU采集惯性数据；步骤二、图像特征提取跟踪：对任意两帧图像提取并且跟踪点特征和线特征，得到前后帧之间的特征对应关系；步骤三、IMU预积分：对任意两帧图像之间的所有IMU数据进行预积分，得到IMU先验值，若IMU零偏改变则根据新的零偏重新计算IMU预积分测量值；步骤四、初始化：将步骤二提取和跟踪到的特征以及步骤三计算得到的IMU预积分值送入视觉惯性初始化模型，得到初始参数值；步骤五、紧耦合视觉惯性定位：将初始参数送入紧耦合视觉惯性估计器，实现对载体的实时定位；本发明增加了系统在无纹理环境下的初始化成功率，降低了初始化时间。
-
公开(公告)号：CN113203407A
公开(公告)日：2021-08-03
申请号：CN202110554563.5
申请日：2021-05-20
Applicant: 南昌大学
Abstract: 本发明公开了基于关键平面的视觉惯性里程计方法，包括以下步骤：1、单目相机以一定频率采集图像；IMU以一定频率采集惯性数据；2、对采集到的每帧图像，提取点线特征并且进行跟踪；3、IMU预积分：对连续两帧图像之间的IMU数据进行预积分；4、2D德劳内三角化；生成3D网格；检测平面；对每个检测到平面分配特征；判断是否是关键平面；5、紧耦合视觉惯性定位：根据残差解决最小二乘问题并得出最优估计，实现对目标载体的定位。本发明所提出的方法用于视觉惯性定位，该方法同步视觉与IMU信息，提出了筛选关键平面的策略，通过引入关键平面，增加探测到平面之间的规律性，提高了定位精度。
-
公开(公告)号：CN106482733B
公开(公告)日：2019-10-01
申请号：CN201610843682.1
申请日：2016-09-23
Applicant: 南昌大学
Abstract: 行人导航中基于足底压力检测的零速修正方法，结合运动中足底压力值、加速度值以及角速度值判定静止区间，以静止区间内的速度值作为卡尔曼滤波器的量测量，并利用卡尔曼滤波估计误差参数并修正速度、位置和姿态误差。本发明通过设定多个静止区间阈值与判定条件，提高了检测静止区间的准确性，有助于高动态下静止区间的检测，同时利用卡尔曼滤波器修正误差，提高了行人导航的定位精度。
-
公开(公告)号：CN106482733A
公开(公告)日：2017-03-08
申请号：CN201610843682.1
申请日：2016-09-23
Applicant: 南昌大学
CPC classification number: G01C21/165 , G01C21/20
Abstract: 行人导航中基于足底压力检测的零速修正方法，结合运动中足底压力值、加速度值以及角速度值判定静止区间，以静止区间内的速度值作为卡尔曼滤波器的量测量，并利用卡尔曼滤波估计误差参数并修正速度、位置和姿态误差。本发明通过设定多个静止区间阈值与判定条件，提高了检测静止区间的准确性，有助于高动态下静止区间的检测，同时利用卡尔曼滤波器修正误差，提高了行人导航的定位精度。
-
Patent Agency Ranking
公开(公告)号：CN119006589A
公开(公告)日：2024-11-22
申请号：CN202410922131.9
申请日：2024-07-10
Applicant: 南昌大学
Abstract: 本发明公开了一种基于动态属性认知的视觉SLAM方法，包括：1）对图像进行ORB特征点提取，得到图像的特征点；2）利用YOLO对图像进行目标识别，检测出图像中的各种目标，并将各种目标的二维位置信息输入到ORB‑SLAM2算法中；3）对判定为主动目标周围的被动目标进行隶属关系判定，得到与主动目标有关系的被动目标；4）对得到的主动目标和与主动目标具有隶属关系的被动目标区域进行动态属性判定；5）对最终判断为动态的主动目标与被动目标区域且不为静态目标区域里的特征点进行剔除，将剩余的静态特征点进行ORB‑SLAM2的后续运算。本发明方法通过将目标的动态属性和隶属关系相结合，进行动态区域和静态区域的判定，从而去除动态区域的特征点，得到更为精确的位姿估计。
-
公开(公告)号：CN113203407B
公开(公告)日：2024-01-02
申请号：CN202110554563.5
申请日：2021-05-20
Applicant: 南昌大学
Abstract: 本发明公开了基于关键平面的视觉惯性里程计方法，包括以下步骤：1、单目相机以一定频率采集图像；IMU以一定频率采集惯性数据；2、对采集到的每帧图像，提取点线特征并且进行跟踪；3、IMU预积分：对连续两帧图像之间的IMU数据进行预积分；4、2D德劳内三角化；生成3D网格；检测平面；对每个检测到平面分配特征；判断是否是关键平面；5、紧耦合视觉惯性定位：根据残差解决最小二乘问题并得出最优估计，实现对目标载体的定位。本发明所提出的方法用于视觉惯性定位，该方法同步视觉与IMU信息，提出了筛选关键平面的策略，通过引入关键平面，增加探测到平面之间的规律性，提高了定位精度。
-
公开(公告)号：CN116823880A
公开(公告)日：2023-09-29
申请号：CN202310682503.0
申请日：2023-06-09
Applicant: 南昌大学
Abstract: 本发明提出了基于Vibe长期背景建模的运动目标检测方法，包括1）建立初始背景样本库；2）利用初始背景样本库初次差分出背景图，并进行高动态标记；3）优化模型确认当前帧分离出的时刻背景图是否超过更新周期；4）若超过更新周期则输入到优化模型二次处理，并重置更新周期；5）对处理后的同一帧图像进行差分操作，修复存在前景的区域；6）完成视频中全部背景模型的更新，处理完毕。本发明相较传统算法，采用双模型优化背景更新策略进行图像处理，初始模型采用逐帧帧差法检测图像，至更新周期后，将当前帧传送给优化模型重新检测，以此加强对半动态目标与微动态目标在背景下的区分度，降低目标被背景吸收的风险，大大提升了前景提取效果。
-
-
公开(公告)号：CN116468920A
公开(公告)日：2023-07-21
申请号：CN202310451286.4
申请日：2023-04-25
Applicant: 南昌大学
Abstract: 本发明提供了一种基于信息熵的RGB特征匹配方法，包括：1）图像采集并基于RGB特征提取算法对图片灰度预处理；2）预处理后的图像利用基于信息熵的RGB特征提取算法对图像内特征信息进行采集，生成特征点描述子；3）利用汉明距离进行特征粗匹配；4）结合RGB特征描述子与PROSAC算法进行特征匹配；5）输出图像特征匹配点和匹配关系。本发明基于RGB特征匹配方法在图像RGB特征灰度化过程中选择合适权重从而最大程度保留图像原本特征信息，同时规避错误特征信息，在图像特征采集阶段，能够借助RGB特征匹配优势提前剔除易误提取的关键点；并确保光照以及视角剧烈变化时的匹配精度，有效提高了系统特征识别的精度及鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.013 seconds)
