公开(公告)号：CN119540306A

公开(公告)日：2025-02-28

申请号：CN202411603267.X

申请日：2024-11-11

Applicant: 湖南大学

Inventor： 余洪山 ,  程攀飞 ,  刘常翔 ,  罗堪 ,  邹艳梅 ,  王静文

IPC: G06T7/33 ,  G06V10/75 ,  G06V10/77 ,  G06T7/73 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455

Abstract: 本发明公开了一种基于不变且独特特征的鲁棒点云配准方法及系统，利用深度学习技术构造一个可以训练的特征提取与匹配模型，采用本发明提出的特征提取模块可以帮助网络高效学习局部特征且重点关注周围具有分辨性的标志性特征，从而提高特征匹配准确性和点云配准精度。本发明技术方案可以实现室内外低重叠场景下的高精度配准，具有精度高、鲁棒性强，适用于室内外多种场景等优点。

公开(公告)号：CN118537393A

公开(公告)日：2024-08-23

申请号：CN202410618813.0

申请日：2024-05-17

Applicant: 湖南大学

Inventor： 余洪山 ,  刘常翔 ,  吴春雨 ,  杨玉东 ,  吴文杰 ,  程攀飞

IPC: G06T7/70 ,  G06V10/774 ,  G06V10/75

Abstract: 本发明公开了一种基于深度学习点线特征的单目视觉惯性位姿估计方法，包括：步骤1：参数标定以及IMU数据预积分；步骤2：利用LPSD网络和深度学习DG‑Line网络中，获取特征点、特征线以及特征线匹配对；步骤3：获取相邻帧中的特征点匹配点对以及IMU预积分值，预测得到当前帧二维图像的初始位姿Tinit；步骤4：最小化特征点和特征线的重投影误差，结合IMU预积分误差进行BA优化，确定每帧图像平滑后的位姿估计Tlast。该基于深度学习点线特征的单目视觉惯性估计方法具有精度高、鲁棒性强、能够应对多种挑战性场景等优点。