基于物体平面共同表示和语义描述符匹配的重定位算法

    公开(公告)号:CN115330861A

    公开(公告)日:2022-11-11

    申请号:CN202210813525.1

    申请日:2022-07-11

    Applicant: 东北大学

    Abstract: 本发明属于重定位技术领域,提出了一种基于物体平面共同表示和语义描述符匹配的重定位算法。本算法从点云地图中提取语义物体和平面路标,然后利用路标来构建语义拓扑图。不同于其他暴力图匹配或基于随机游走的图匹配算法,本发明提出利用图传播算法结合语义邻域的节点与边信息来生成混合描述子。随后,利用sKM算法匹配先验点云地图和查询点云地图的路标点,提高匹配的精度和鲁棒性,利用路标点的匹配约束来求解查询点云地图的重定位位姿。该算法能够有效应对大视差或动态场景下的重定位工作,以服务于AR和导航等应用场景。

    一种利用语义拓扑描述符进行三维点云的闭环检测方法

    公开(公告)号:CN115546782A

    公开(公告)日:2022-12-30

    申请号:CN202211198171.0

    申请日:2022-09-29

    Applicant: 东北大学

    Abstract: 本发明公开了一种利用语义拓扑描述符进行三维点云的闭环检测方法,涉及视觉空间定位领域;针对以往基于单一信息进行闭环检测的算法鲁棒性较差的问题,在对点云进行语义分割后,数据预处理部分丢弃了动态语义对象的点云,以减少动态效果和计算负担。从剩余的点云中获得静态的特征点,并根据语义特征和距离分布计算相应的分数。通过非最大值抑制(NMS)利用鸟眼投影来提取节点并构建语义拓扑图。最后将语义拓扑图转换为矩阵描述符,并使用两步搜索策略进行闭环检测,在保证精度的同时提高匹配的速度,有效应对视角变换或动态场景下的闭环检测工作,以服务于无人驾驶和地图构建等应用场景。

    基于二次曲面初始化和联合数据关联的物体感知SLAM算法

    公开(公告)号:CN115239809A

    公开(公告)日:2022-10-25

    申请号:CN202210813501.6

    申请日:2022-07-11

    Applicant: 东北大学

    Abstract: 本发明属于物体感知算法领域,提出了一种基于二次曲面初始化和联合数据关联的物体感知SLAM算法。首先提取图像中的特征点、平面和物体信息;然后根据特征点和平面信息计算相机位姿;然后对图像的物体信息和地图中的物体信息进行联合数据关联,进而完成物体二次曲面参数的高效初始化;然后联合优化相机位姿和地图中构建的物体二次曲面,最终构建出完整的几何语义地图;本发明提出的方法解决了以往二次曲面级SLAM算法中存在的二次曲面初始化困难、数据关联不鲁棒等问题;提高了物体建模精度和相机定位精度。

Patent Agency Ranking