-
公开(公告)号：CN112634451B
公开(公告)日：2022-08-23
申请号：CN202110028706.9
申请日：2021-01-11
Applicant: 福州大学
Abstract: 本发明提供了一种融合多传感器的室外大场景三维建图方法，将实现流程分为两个模块，视觉惯性里程计模块，激光里程计与建图模块。视觉惯性里程计模块包括光流追踪，IMU预积分，初始化，滑窗优化，边缘化，建立词袋模型。激光里程计与建图模块包含点云分割，去除点云畸变，特征提取和帧间匹配，回环检测和建图。相对于单一的雷达建图方案，本发明融合视觉惯性里程计的高频位姿，具有点云畸变去除效果好，回环检测精度高，建图精度高的特点。解决了室外大场景三维地图精度较低的问题，为无人驾驶的进一步发展提供了突破口。
-
公开(公告)号：CN114842447A
公开(公告)日：2022-08-02
申请号：CN202210486042.5
申请日：2022-05-06
Applicant: 福州大学
Abstract: 本发明提供了一种基于卷积神经网络的车位快速识别方法，包括如下步骤：S1、通过广角摄像头采集车位图像，通过逆透视变换将车位图像转换成俯视图；S2、通过Ghost卷积、深度可分离卷积等构建轻量化的车位检测网络；S3、通过卷积神经网络同时预测车位角点、入口线和分隔线方位；S4、根据网络预测结果对车位角点进行配对，推理出完整车位。应用本技术方案构建轻量化深度学习卷积神经网络预测车位角点、入口线和分隔线方位，利用入口线和车位角点的位置关系配对车位角点，并确定车位方位，进而推断出完整车位。
-
公开(公告)号：CN114842447B
公开(公告)日：2024-08-02
申请号：CN202210486042.5
申请日：2022-05-06
Applicant: 福州大学
IPC: G06V20/58 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于卷积神经网络的车位快速识别方法，包括如下步骤：S1、通过广角摄像头采集车位图像，通过逆透视变换将车位图像转换成俯视图；S2、通过Ghost卷积、深度可分离卷积等构建轻量化的车位检测网络；S3、通过卷积神经网络同时预测车位角点、入口线和分隔线方位；S4、根据网络预测结果对车位角点进行配对，推理出完整车位。应用本技术方案构建轻量化深度学习卷积神经网络预测车位角点、入口线和分隔线方位，利用入口线和车位角点的位置关系配对车位角点，并确定车位方位，进而推断出完整车位。
-
公开(公告)号：CN112634451A
公开(公告)日：2021-04-09
申请号：CN202110028706.9
申请日：2021-01-11
Applicant: 福州大学
Abstract: 本发明提供了一种融合多传感器的室外大场景三维建图方法，将实现流程分为两个模块，视觉惯性里程计模块，激光里程计与建图模块。视觉惯性里程计模块包括光流追踪，IMU预积分，初始化，滑窗优化，边缘化，建立词袋模型。激光里程计与建图模块包含点云分割，去除点云畸变，特征提取和帧间匹配，回环检测和建图。相对于单一的雷达建图方案，本发明融合视觉惯性里程计的高频位姿，具有点云畸变去除效果好，回环检测精度高，建图精度高的特点。解决了室外大场景三维地图精度较低的问题，为无人驾驶的进一步发展提供了突破口。
-
-
-
Search Results
4
records
(took 0.014 seconds)
