-
公开(公告)号：CN109636905B
公开(公告)日：2023-01-24
申请号：CN201811492375.9
申请日：2018-12-07
Applicant: 东北大学
Abstract: 本发明提出了一种基于深度卷积神经网络的环境语义建图方法，该方法能够借助深度学习在场景识别方面的优势，与SLAM技术的自主定位优势相结合，构建包含物体类别信息的环境地图。具体地，利用ORB‑SLAM对输入图像序列进行关键帧筛选和帧间位姿估计；利用一种基于Deeplab图像分割的改进方法进行二维语义分割；在卷积网络最后一层的后面引入上采样卷积层；利用深度信息作为门限信号控制不同卷积核的选择，并对齐分割后的图像与深度图，利用相邻关键帧之间的空间对应关系构建三维稠密语义地图。上述方案能够提高图像分割的精度，具有更高的构图效率。
-
公开(公告)号：CN105487535A
公开(公告)日：2016-04-13
申请号：CN201410524184.1
申请日：2014-10-09
Applicant: 东北大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于ROS（机器人操作系统，Robot Operating System）的移动机器人室内环境探索系统与控制方法。该系统基于ROS，能够实现机器人对室内环境的自主探索与定位。该系统主要采用iRobot差分驱动底盘和UTM 30LX激光雷达。上位机可实时得到机器人的位置定位信息与室内环境探索路径轨迹，并由激光雷达的数据匹配得到由局部地图连接形成的全局地图。本发明提供了更加智能化的未知环境探索系统，为灾难环境救援提供了极大的便利与安全保障，实现了室内环境感知的信息交互，具有很强的便捷性和实用性。
-
公开(公告)号：CN109636905A
公开(公告)日：2019-04-16
申请号：CN201811492375.9
申请日：2018-12-07
Applicant: 东北大学
CPC classification number: G06T17/05 , G06T7/11 , G06T7/38 , G06T19/20 , G06T2207/10024 , G06T2207/10028 , G06T2207/20016 , G06T2207/20084 , G06T2219/2012
Abstract: 本发明提出了一种基于深度卷积神经网络的环境语义建图方法，该方法能够借助深度学习在场景识别方面的优势，与SLAM技术的自主定位优势相结合，构建包含物体类别信息的环境地图。具体地，利用ORB‑SLAM对输入图像序列进行关键帧筛选和帧间位姿估计；利用一种基于Deeplab图像分割的改进方法进行二维语义分割；在卷积网络最后一层的后面引入上采样卷积层；利用深度信息作为门限信号控制不同卷积核的选择，并对齐分割后的图像与深度图，利用相邻关键帧之间的空间对应关系构建三维稠密语义地图。上述方案能够提高图像分割的精度，具有更高的构图效率。
-
公开(公告)号：CN107330357A
公开(公告)日：2017-11-07
申请号：CN201710350174.4
申请日：2017-05-18
Applicant: 东北大学
CPC classification number: G06K9/00664 , G06K9/6215 , G06N3/0454 , G06N3/08
Abstract: 一种基于深度神经网络的视觉SLAM闭环检测方法，包括如下步骤：利用相似场景的数据集训练好线性解码器的网络参数；将采集到的图片通过线性解码器进行卷积处理；采用池化的方法对高维的特征向量进行降维处理；对训练得到的向量，采用夹角余弦函数衡量特征的相似性，通过设定阈值结合两幅场景图像的相似度来判断什么时候形成闭环；输出闭环检测准确率召回率曲线和检测到的闭环，作为后续SLAM建图优化使用。本方法充分考虑了手工特征的描述符对闭环检测准确性和鲁棒性的影响，在较低的计算成本情况下，大幅度提高了算法的准确性，避免了错误的闭环检测问题，有利于构建更加精确的地图，保证生成地图的一致性。
-
-
-
Search Results
4
records
(took 0.013 seconds)
