-
公开(公告)号：CN112164117A
公开(公告)日：2021-01-01
申请号：CN202011060495.9
申请日：2020-09-30
Applicant: 武汉科技大学
Abstract: 本发明公开了一种基于Kinect相机的V‑SLAM位姿估算方法，包括以下步骤：1)通过Kinect采集图像信息，获取彩色图像和深度图像，并且进行彩色图像和深度图像配准，获取三维点云；2)采用改进的FAST对采集的彩色图像进行特征点检测，并且计算描述子；3)利用FLANN匹配方法，对待匹配图像和基准图像进行特征点匹配，得到特征点匹配对；4)对步骤3)中的匹配对剔除误匹配；5)对步骤4)中精准匹配对求解位姿。本发明根据图像灰度设计一种自适应阈值来改变算法的鲁棒性，同时，特征点提取后利用非极大值抑制的方法筛选掉密集的特征点，改善特征点分布不均的问题。该方法具有良好的位姿估算效果，可广泛应用于机器人、VR和无人机等方面。
-
公开(公告)号：CN111079826B
公开(公告)日：2023-09-29
申请号：CN201911284647.0
申请日：2019-12-13
Applicant: 武汉科技大学
IPC: G06V10/764 , G06V10/82 , G01S17/89 , G06V10/75 , G06N3/0464 , G06N3/048 , G06N3/08 , G06V10/80
Abstract: 本发明公开了一种融合SLAM和图像处理的施工进度实时识别方法。首先，激光雷达采集室内环境信息，通过帧间匹配和坐标变换建立子图，随着激光帧的加入，地图误差累计后，通过后端优化缩小误差，最终得到全局地图。该全局地图即施工场地实时图。利用卷积神经网络提取地图轮廓以减小噪声干扰，然后利用改进哈希算法进行图像对比后得到施工进度数据。本发明开创性地将激光SLAM和图像处理方法与工程应用结合起来，降低了工程建设的成本，提高了系统的可行性和实时性，并丰富了SLAM算法和图像处理应用。
-
Patent Agency Ranking
公开(公告)号：CN112991193B
公开(公告)日：2022-09-23
申请号：CN202011279718.0
申请日：2020-11-16
Applicant: 武汉科技大学
Abstract: 本发明公开了一种深度图像修复方法、设备及计算机可读存储介质，通过Kinect传感器获取彩色图像和深度图像；对相机进行标定、对深度图像进行可视化处理；深度图像和彩色图像裁剪对齐；然后判断空洞类型，根据空洞的类型使用不同算法分步进行修复：利用改进的快速行进法修复物体表面空洞，对遮挡空洞利用基于方向的联合双边滤波进行填充，最后用自适应中值滤波去噪。本发明能够有效的修复空洞且深度图边缘细节更加清晰，为后续的三维重建提供高质量的深度信息。
-
公开(公告)号：CN112991193A
公开(公告)日：2021-06-18
申请号：CN202011279718.0
申请日：2020-11-16
Applicant: 武汉科技大学
Abstract: 本发明公开了一种深度图像修复方法、设备及计算机可读存储介质，通过Kinect传感器获取彩色图像和深度图像；对相机进行标定、对深度图像进行可视化处理；深度图像和彩色图像裁剪对齐；然后判断空洞类型，根据空洞的类型使用不同算法分步进行修复：利用改进的快速行进法修复物体表面空洞，对遮挡空洞利用基于方向的联合双边滤波进行填充，最后用自适应中值滤波去噪。本发明能够有效的修复空洞且深度图边缘细节更加清晰，为后续的三维重建提供高质量的深度信息。
-
公开(公告)号：CN110264563A
公开(公告)日：2019-09-20
申请号：CN201910435580.X
申请日：2019-05-23
Applicant: 武汉科技大学
Abstract: 本发明公开了一种基于ORBSLAM2的八叉树建图方法，包括以下步骤：1)根据ORB-SLAM2的RGBD相机数据视觉里程计，得到相机位姿信息和关键帧图像信息；2)构建点云地图；2.1)将关键帧图像信息转换为点云信息；2.2)根据相机位姿信息和点云信息进行位姿转换完成点云拼接，获得点云地图；2.3)对点云地图进行滤波，去除Kinect传感器量程之外的无效测量点以及距离均值过大的离群点云点，然后利用降采样对点云地图进行轻量化处理；3)将点云地图转换为八叉树地图。本发明方法对原始ORBSLAM2进行了扩充性研究，得到的八叉树地图相比于一般的稀疏地图应用性更强，存储代价低，更重要的是此方法对于ORBSLAM2在后续应用层上的研究具有重要的实际意义。
-
公开(公告)号：CN111862119A
公开(公告)日：2020-10-30
申请号：CN202010704516.X
申请日：2020-07-21
Applicant: 武汉科技大学
Abstract: 本发明公开了一种基于Mask-RCNN的语义信息提取方法，应用于语义地图构建环节，其特征在于结合深度学习实例分割算法Mask-RCNN对室内物品进行不同个体的区分，对于语义地图中含有语义信息的图像精确标注并进行实例分割。对分割后的结果进行优化处理，使用DenseCRF算法对Mask-RCNN分割后的图像边缘进行处理，使分割后的结果更加精确和平滑，提取到更加精确的环境信息，为后续语义地图构建奠定良好的基础，从而使移动机器人实现更好的人机交互。
-
公开(公告)号：CN111079826A
公开(公告)日：2020-04-28
申请号：CN201911284647.0
申请日：2019-12-13
Applicant: 武汉科技大学
Abstract: 本发明公开了一种融合SLAM和图像处理的施工进度实时识别方法。首先，激光雷达采集室内环境信息，通过帧间匹配和坐标变换建立子图，随着激光帧的加入，地图误差累计后，通过后端优化缩小误差，最终得到全局地图。该全局地图即施工场地实时图。利用卷积神经网络提取地图轮廓以减小噪声干扰，然后利用改进哈希算法进行图像对比后得到施工进度数据。本发明开创性地将激光SLAM和图像处理方法与工程应用结合起来，降低了工程建设的成本，提高了系统的可行性和实时性，并丰富了SLAM算法和图像处理应用。
-
-
-
-
-
-
Search Results
7
records
(took 0.049 seconds)
