-
公开(公告)号:CN110378345B
公开(公告)日:2022-10-04
申请号:CN201910481706.7
申请日:2019-06-04
Applicant: 广东工业大学
Abstract: 本发明公开了一种基于YOLACT实例分割模型的动态场景SLAM方法,首先采用YOLACT实例分割模型对当前帧图像进行实例分割处理,从而区分得到图像中的动态像素和静态像素;对于当前帧图像中的静态像素部分,提取出该部分的特征点;在提取的特征点的基础上选取关键帧;针对选出的关键帧再次剔除动态像素,留下静态像素构造地图,并进行地图初始化;对于剩余下来的静态像素区域,提取该区域的ORB特征点,更新关键帧;在关键帧之间进行特征点的匹配,利用ORB特征点更新局部地图;用局部集束调整优化关键帧的位姿;利用回环检测来优化位姿,更正漂移误差。本方法在动态场景下能快速识别出动态物体,并实时建图导航,具有广泛的应用场景。
-
公开(公告)号:CN112635047A
公开(公告)日:2021-04-09
申请号:CN202011001313.0
申请日:2020-09-22
Applicant: 广东工业大学
Abstract: 本发明公开了一种鲁棒的心电R峰检测方法,包括以下步骤:S1、采用已人工标注R峰位置的ECG信号,构建训练数据集;S2、搭建并训练具有注意力机制的R峰概率估计模块,通过训练好的R峰概率估计模块估计得出待选R峰时段;S3、对待选R峰时段的解码向量进行峰值检测,选择R峰概率局部最大值,从而确定具体R峰时刻。本发明综合利用整段ECG信号的时序信息,抵御QRS波形畸变和大幅伪迹的干扰,从而能够进一步提高R峰检测精度,为病理特征提取提供可靠的依据。
-
公开(公告)号:CN110458863A
公开(公告)日:2019-11-15
申请号:CN201910555539.6
申请日:2019-06-25
Applicant: 广东工业大学
Abstract: 了解决现有技术中SLAM系统都采用GPU进行辅助计算而导致的硬件成本过高的问题,本发明提供一种基于RGBD与编码器融合的动态SLAM系统,首先,通过基于RGB-D深度相机和编码器的追踪模块先将RGB-D深度相机中的每一个关键帧提取ORB特征点,然后再将机器人上的编码器数据进行融合,形成追踪局部地图;然后,动态像素剔除模块采用成对链接的点云分割算法将追踪局部地图中属于同一物体或同一物体的不同部分的像素,并打上相同的标签,最后,通过对每一个簇进行切片,再对切片进行合并,即可得到最终的分割结果;最后,八叉树建图模块采用八叉树的结构去存储3D点,形成八叉树建图。
-
公开(公告)号:CN110378345A
公开(公告)日:2019-10-25
申请号:CN201910481706.7
申请日:2019-06-04
Applicant: 广东工业大学
Abstract: 本发明公开了一种基于YOLACT实例分割模型的动态场景SLAM方法,首先采用YOLACT实例分割模型对当前帧图像进行实例分割处理,从而区分得到图像中的动态像素和静态像素;对于当前帧图像中的静态像素部分,提取出该部分的特征点;在提取的特征点的基础上选取关键帧;针对选出的关键帧再次剔除动态像素,留下静态像素构造地图,并进行地图初始化;对于剩余下来的静态像素区域,提取该区域的ORB特征点,更新关键帧;在关键帧之间进行特征点的匹配,利用OBR特征点更新局部地图;用局部集束调整优化关键帧的位姿;利用回环检测来优化位姿,更正漂移误差。本方法在动态场景下能快速识别出动态物体,并实时建图导航,具有广泛的应用场景。
-
公开(公告)号:CN110458863B
公开(公告)日:2023-12-01
申请号:CN201910555539.6
申请日:2019-06-25
Applicant: 广东工业大学
Abstract: 了解决现有技术中SLAM系统都采用GPU进行辅助计算而导致的硬件成本过高的问题,本发明提供一种基于RGBD与编码器融合的动态SLAM系统,首先,通过基于RGB‑D深度相机和编码器的追踪模块先将RGB‑D深度相机中的每一个关键帧提取ORB特征点,然后再将机器人上的编码器数据进行融合,形成追踪局部地图;然后,动态像素剔除模块采用成对链接的点云分割算法将追踪局部地图中属于同一物体或同一物体的不同部分的像素,并打上相同的标签,最后,通过对每一个簇进行切片,再对切片进行合并,即可得到最终的分割结果;最后,八叉树建图模块采用八叉树的结构去存储3D点,形成八叉树建图。
-
公开(公告)号:CN112635047B
公开(公告)日:2021-09-07
申请号:CN202011001313.0
申请日:2020-09-22
Applicant: 广东工业大学
Abstract: 本发明公开了一种鲁棒的心电R峰检测方法,包括以下步骤:S1、采用已人工标注R峰位置的ECG信号,构建训练数据集;S2、搭建并训练具有注意力机制的R峰概率估计模块,通过训练好的R峰概率估计模块估计得出待选R峰时段;S3、对待选R峰时段的解码向量进行峰值检测,选择R峰概率局部最大值,从而确定具体R峰时刻。本发明综合利用整段ECG信号的时序信息,抵御QRS波形畸变和大幅伪迹的干扰,从而能够进一步提高R峰检测精度,为病理特征提取提供可靠的依据。
-
-
-
-
-