公开(公告)号：CN114612530A

公开(公告)日：2022-06-10

申请号：CN202210071960.1

申请日：2022-01-21

Applicant: 桂林电子科技大学

Inventor： 吴军 ,  周阳 ,  翁裕斌

IPC: G06T7/33 ,  G06T7/73 ,  G06T7/80

Abstract: 本发明涉及同步定位与地图构建技术领域，尤其涉及一种双视觉里程计约束的RGB‑D SLAM位姿优化方法，在传统的RGB‑D SLAM技术上加以改进，基于ORB特征点匹配计算构建第一视觉里程计，基于点云数据配准方法构建第二视觉里程计，通过双视觉里程计增加后端图优化约束条件，从而能在不影响RGB‑D SLAM正常运行速度下，对系统运行产生的漂移进行有效修正，同时利用局部优化能够更好的提高地图构建的精度，并且由于本发明中基于ORB特征点的视觉里程计是对影像中所有的帧进行优化，能够减少由于前期误差的叠加对后续帧定位与建图的影响。

公开(公告)号：CN118379358A

公开(公告)日：2024-07-23

申请号：CN202410333591.8

申请日：2024-03-22

Applicant: 桂林电子科技大学

Inventor： 吴军 ,  翁裕斌 ,  徐刚

IPC: G06T7/80 ,  G06T5/60 ,  G06T5/80 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/084 ,  G06N3/094

Abstract: 本发明涉及深度学习图像处理技术领域，具体涉及一种基于对抗神经网络的RGB‑D相机深度模块标定方法，计算深度相机畸变函数和畸变矫正函数；根据场景真实深度值和计算的观测深度值构建神经网络数据集；构建对抗式深度图矫正神经网络模型；将训练集数据送入构建的生成器网络进行训练；使用训练的生成器去进行深度围矫正预测，并送入构建的判别器网络进行判别；优化生成器网络的参数和判别器网络的参数；对训练所得到的网络模型进行深度围矫正和深度相机标定。训练了一个基于条件对抗神经网络的端到端深度图矫正网络，提高深度信息的准确性。设计了一个参数回归网络，进一步提升深度模块的标定精度。

公开(公告)号：CN118195963A

公开(公告)日：2024-06-14

申请号：CN202410334131.7

申请日：2024-03-22

Applicant: 桂林电子科技大学

Inventor： 吴军 ,  翁裕斌 ,  徐刚

IPC: G06T5/77 ,  G06T5/60 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明涉及计算机视觉技术领域，具体涉及一种基于生成式对抗神经网络的RGB‑D深度图补全方法，构建对抗式深度图补全神经网络模型，包括生成器与判别器；将训练集数据送入构建的生成器网络进行训练；使用训练的生成器进行深度图补全预测，将预测的结果和当前使用的数据集送入构建的判别器网络进行判别；计算损失函数，并优化生成器网络的参数和判别器网络的参数；使用测试集数据测试生成器网络的补全效果；对训练所得到的网络模型进行深度图补全应用。显著提高深度图补全的精度，使得生成的深度图更加准确和清晰。进一步优化深度图的补全效果，使得补全后的深度图包含更多深层次信息，提升其质量。