公开(公告)号：CN107945265A

公开(公告)日：2018-04-20

申请号：CN201711227295.6

申请日：2017-11-29

Applicant: 华中科技大学

Inventor： 杨欣 ,  罗鸿城 ,  高杨 ,  吴宇豪

IPC: G06T17/00 ,  G06T7/70 ,  G06N3/04

Abstract: 本发明公开了一种基于在线学习深度预测网络的实时稠密单目SLAM方法：通过最小化高梯度点的光度误差优化得到关键帧的相机姿态，并且采用三角测量法预测高梯度点的深度得到当前帧的半稠密地图；选择在线训练图片对，采用逐块随机梯度下降法在线训练更新CNN网络模型，并利用训练后CNN网络模型对当前帧图片进行深度预测得到稠密地图；根据所述当前帧的半稠密地图和预测稠密地图进行深度尺度回归，得到当前帧深度信息的绝对尺度因子；采用NCC得分投票方法根据所述两种投影结果选择所述当前帧的各像素深度预测值得到预测深度图，并对所述预测深度图进行高斯融合得到最终深度图。本发明还提供了相应的基于在线学习深度预测网络的实时稠密单目SLAM系统。

公开(公告)号：CN107945265B

公开(公告)日：2019-09-20

申请号：CN201711227295.6

申请日：2017-11-29

Applicant: 华中科技大学

Inventor： 杨欣 ,  罗鸿城 ,  高杨 ,  吴宇豪

IPC: G06T17/00 ,  G06T7/70 ,  G06N3/04

Abstract: 本发明公开了一种基于在线学习深度预测网络的实时稠密单目SLAM方法：通过最小化高梯度点的光度误差优化得到关键帧的相机姿态，并且采用三角测量法预测高梯度点的深度得到当前帧的半稠密地图；选择在线训练图片对，采用逐块随机梯度下降法在线训练更新CNN网络模型，并利用训练后CNN网络模型对当前帧图片进行深度预测得到稠密地图；根据所述当前帧的半稠密地图和预测稠密地图进行深度尺度回归，得到当前帧深度信息的绝对尺度因子；采用NCC得分投票方法根据所述两种投影结果选择所述当前帧的各像素深度预测值得到预测深度图，并对所述预测深度图进行高斯融合得到最终深度图。本发明还提供了相应的基于在线学习深度预测网络的实时稠密单目SLAM系统。