-
Patent Agency Ranking
公开(公告)号：CN110390336B
公开(公告)日：2023-05-23
申请号：CN201910485720.4
申请日：2019-06-05
Applicant: 广东工业大学
IPC: G06V10/46 , G06V10/75 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/048
Abstract: 本发明公开了一种提高特征点匹配精度的方法，包括下述步骤：(1)通过SIFT检测出图像中的特征点；(2)提取特征点64*64领域的图像块；(3)分别计算该图像块的训练卷积描述符和预训练卷积描述符；(4)将预训练描述符通过一个编码器进行降维；(5)采用典型相关分析融合卷积描述符和降维后的预训练描述符；本发明将光照和视角变化采用两种描述符分别表示，可以有效降低特征点匹配的难度；采用典型相关分析方法来融合两种类型，可以有效提取两类描述符之间的互补信息，提高融合后描述符对光照和视角变化的鲁棒性；描述符融合系统是一个可升级系统，以后随着不同类型的描述符被提出，都可以应用到本系统中。
-
公开(公告)号：CN110245677A
公开(公告)日：2019-09-17
申请号：CN201910333981.4
申请日：2019-04-24
Applicant: 广东工业大学
Abstract: 本发明公开了一种基于卷积自编码器的图像描述符降维方法，包括下述步骤：(1)输入图像数据，对数据进行归一化处理；(2)将数据输入卷积自编码器，通过编码器编码，得到一个低维的描述符；(3)将编码器输出的结果通过解码器解码，输出数据；(4)通过最小化输出数据与输入数据的重构误差来优化模型参数；(5)训练好模型后，将卷积自编码器的输出作为图像降维后的描述符；本发明通过最小化输入数据与输出数据的重构误差，学习图像描述符中的一个低维表示，这个低维描述符就是图像降维后的描述符，保留了原来高维描述符中的重要信息，让图像在低维空间中仍然具有很好的区分度。
-
公开(公告)号：CN110390336A
公开(公告)日：2019-10-29
申请号：CN201910485720.4
申请日：2019-06-05
Applicant: 广东工业大学
Abstract: 本发明公开了一种提高特征点匹配精度的方法，包括下述步骤：(1)通过SIFT检测出图像中的特征点；(2)提取特征点64*64领域的图像块；(3)分别计算该图像块的训练卷积描述符和预训练卷积描述符；(4)将预训练描述符通过一个编码器进行降维；(5)采用典型相关分析融合卷积描述符和降维后的预训练描述符；本发明将光照和视角变化采用两种描述符分别表示，可以有效降低特征点匹配的难度；采用典型相关分析方法来融合两种类型，可以有效提取两类描述符之间的互补信息，提高融合后描述符对光照和视角变化的鲁棒性；描述符融合系统是一个可升级系统，以后随着不同类型的描述符被提出，都可以应用到本系统中。
-
公开(公告)号：CN109739079A
公开(公告)日：2019-05-10
申请号：CN201811590948.1
申请日：2018-12-25
Applicant: 广东工业大学
IPC: G05B11/42
Abstract: 本发明公开了一种提高VSLAM系统精度的方法，在环境探索过程中采集关键帧图像时，区别于已有的静态选择方法，采用动态方式选择关键帧，通过对VSLAM运行过程中的图像信息关联强度进行查询，根据该强度调节关键帧插入条件的阈值，得以动态调整关键帧插入要求的严格程度；在当前视觉跟踪强度低于动态阈值时，插入新的关键帧，以维持视觉跟踪的数据关联强度，保证整体跟踪轨迹的精度。
-
公开(公告)号：CN110097016A
公开(公告)日：2019-08-06
申请号：CN201910380557.5
申请日：2019-05-08
Applicant: 广东工业大学
Abstract: 本发明公开了一种应用于VSLAM回环验证的路标特征点匹配方法，包括以下步骤：对VSLAM运行过程中的潜在回环对图像进行路标的提取；将潜在回环对图像的路标调整为相同大小；将相同大小的路标作为预训练的神经网络的输入，生成提取的路标的卷积特征；利用路标的卷积特征进行路标的匹配，确认相匹配的路标；在确认相匹配的路标上进行特征点提取，并通过特征点匹配方式进行特征点的匹配；将路标上匹配的特征点还原到原图中，并在原图中通过RANSAC进行外点的剔除和重复匹配特征点的剔除以得到内点；通过内点的数量来进行潜在回环对的筛选；可以提高VSLAM中回环验证的精度，改善视觉定位的鲁棒性。
-
-
-
-
Search Results
5
records
(took 0.025 seconds)
