-
公开(公告)号：CN111241986A
公开(公告)日：2020-06-05
申请号：CN202010017054.4
申请日：2020-01-08
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于端到端关系网络的视觉SLAM闭环检测方法，包括以下步骤：S1：向VGG16网络中输入视觉传感器采集的先前图像和当前图像；S2：对原始数据进行预处理；S3：通过5个卷积阶段获取预处理后的先前图像和当前图像的特征，得到多层特征；S4：对多层特征进行加权融合；S5：对多层特征进行标准化，得到标准特征；S6：对标准特征进行组合，得到组合图像；S7：通过CNN关系模块回归得到组合图像的相似性得分，完成闭环检测。本发明可避免学习冗余特征，使得学习到的特征更加适应相似性度量要求的可区分性，可以更加准确地检测闭环并节省检测时间，提高闭环检测地精度。
-
公开(公告)号：CN111241986B
公开(公告)日：2021-03-30
申请号：CN202010017054.4
申请日：2020-01-08
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于端到端关系网络的视觉SLAM闭环检测方法，包括以下步骤：S1：向VGG16网络中输入视觉传感器采集的先前图像和当前图像；S2：对原始数据进行预处理；S3：通过5个卷积阶段获取预处理后的先前图像和当前图像的特征，得到多层特征；S4：对多层特征进行加权融合；S5：对多层特征进行标准化，得到标准特征；S6：对标准特征进行组合，得到组合图像；S7：通过CNN关系模块回归得到组合图像的相似性得分，完成闭环检测。本发明可避免学习冗余特征，使得学习到的特征更加适应相似性度量要求的可区分性，可以更加准确地检测闭环并节省检测时间，提高闭环检测地精度。
-
公开(公告)号：CN111623797B
公开(公告)日：2022-05-20
申请号：CN202010524292.4
申请日：2020-06-10
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于深度学习的步数测量方法，其包括以下步骤：S1、采集足部的惯性原始数据；S2、采用固定步长滑动窗口对惯性原始数据进行分割，得到若干分割后的序列数据；S3、对于每个序列数据，将其拆分并排列为前向数据和后向数据；S4、基于前向数据和后向数据通过对称型循环卷积神经网络获取目标对象处于站立状态的概率；S5、判断目标对象的足部是处于摆动状态还是处于站立状态；S6、将目标对象由站立状态切换为摆动状态的总次数作为其测量过程中的总步数，完成步数测量。本方法在不需要运动模式和行人信息的情况下，将原始的惯性单元数据通过滑动窗口的形式送入神经网络，可以准确且鲁棒的实现行人步数的检测。
-
公开(公告)号：CN111623797A
公开(公告)日：2020-09-04
申请号：CN202010524292.4
申请日：2020-06-10
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于深度学习的步数测量方法，其包括以下步骤：S1、采集足部的惯性原始数据；S2、采用固定步长滑动窗口对惯性原始数据进行分割，得到若干分割后的序列数据；S3、对于每个序列数据，将其拆分并排列为前向数据和后向数据；S4、基于前向数据和后向数据通过对称型循环卷积神经网络获取目标对象处于站立状态的概率；S5、判断目标对象的足部是处于摆动状态还是处于站立状态；S6、将目标对象由站立状态切换为摆动状态的总次数作为其测量过程中的总步数，完成步数测量。本方法在不需要运动模式和行人信息的情况下，将原始的惯性单元数据通过滑动窗口的形式送入神经网络，可以准确且鲁棒的实现行人步数的检测。
-
-
-
Search Results
4
records
(took 0.015 seconds)
