公开(公告)号：CN115046545B

公开(公告)日：2024-12-13

申请号：CN202210348112.0

申请日：2022-03-29

Applicant: 哈尔滨工程大学

Inventor： 徐博 ,  戴秋阳 ,  赵玉新 ,  李浩泽 ,  吴磊 ,  周广涛

IPC: G01C21/16 ,  G01C21/20 ,  G06T7/277 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/0985

Abstract: 本发明公开了一种深度网络与滤波结合的定位方法，步骤一：建议视觉惯性里程计运动学模型；步骤二：将时序上相邻k+1帧图像视频序列输入堆叠网络，组合相邻帧的图像得到k组图像对；步骤三：k组图像对输入CNN‑LSTM‑ATT‑VO网络后输出6‑dof的位姿估计Δx,Δy,Δz,#imgabs0#Δλ,Δψ，其中Δx,Δy,Δz分别为x轴、y轴和z轴平移量，#imgabs1#Δλ,Δψ分别为绕x轴、y轴和z轴旋转量；所述网络依次包括卷积神经网络、CBAM模块、LSTM网络和全连接层；步骤四：通过基于李群的以机器人为中心的Kalman滤波算法进行视觉惯性里程计的融合定位。本发明提高了系统的鲁棒性并提高了协同定位精度，避免了传统EKF算法的不一致性。

公开(公告)号：CN119048824A

公开(公告)日：2024-11-29

申请号：CN202411166231.X

申请日：2024-08-23

Applicant: 哈尔滨工程大学

Inventor： 徐博 ,  白靖 ,  戴秋阳 ,  甄亚楠 ,  翟莜薇 ,  李想

IPC: G06V10/764 ,  G06T7/80 ,  G06T5/50 ,  G06T5/80 ,  G06T7/246 ,  G06F17/11 ,  G06V10/74 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习目标检测的动态环境SLAM方法，包括：基于视觉SLAM前端获取多相机输入图像，并进行去畸变处理，将去畸变后的点投影到像素平面上，获得目标图像；提取所述多相机输入图像中的特征点；在多相机输入的不同图像之间进行特征匹配，进行特征关联，实现不同相机之间对于同一特征点跨相机跟踪；根据特征点来源对特征点进行类别；根据分类结果筛选特征点；对于通过筛选的特征点，按照不同的特征点类别构建残差方程进行优化，输出位姿。本发明提出基于多相机图像的SLAM方法，最大限度的利用多相机提供的更丰富的环境信息，实现更鲁棒的视觉惯性SLAM方法。

公开(公告)号：CN115046545A

公开(公告)日：2022-09-13

申请号：CN202210348112.0

申请日：2022-03-29

Applicant: 哈尔滨工程大学

Inventor： 徐博 ,  戴秋阳 ,  赵玉新 ,  李浩泽 ,  吴磊 ,  周广涛

IPC: G01C21/16 ,  G01C21/20 ,  G06N3/04 ,  G06T7/277

Abstract: 本发明公开了一种深度网络与滤波结合的定位方法，步骤一：建议视觉惯性里程计运动学模型；步骤二：将时序上相邻k+1帧图像视频序列输入堆叠网络，组合相邻帧的图像得到k组图像对；步骤三：k组图像对输入CNN‑LSTM‑ATT‑VO网络后输出6‑dof的位姿估计Δx,Δy,Δz,Δλ,Δψ，其中Δx,Δy,Δz分别为x轴、y轴和z轴平移量，Δλ,Δψ分别为绕x轴、y轴和z轴旋转量；所述网络依次包括卷积神经网络、CBAM模块、LSTM网络和全连接层；步骤四：通过基于李群的以机器人为中心的Kalman滤波算法进行视觉惯性里程计的融合定位。本发明提高了系统的鲁棒性并提高了协同定位精度，避免了传统EKF算法的不一致性。