公开(公告)号：CN113837243A

公开(公告)日：2021-12-24

申请号：CN202111033552.9

申请日：2021-09-03

Applicant: 重庆邮电大学

Inventor： 胡章芳 ,  吕润哲 ,  欧俊雄 ,  凌鉴

IPC: G06K9/62 ,  G06T7/215

Abstract: 本发明公开了一种基于边缘信息的RGB‑D相机的动态环境觉里程计方法，该方法包括以下步骤：将采集图像根据深度信息进行场景聚类；再通过光度信息、边缘信息构建出残差模型，引入平均背景深度，加大前景残差；将残差模型与面元3D重建算法结合，分离动态物体并得到聚类权重；将加权聚类残差加入到位姿估计的非线性优化函数中，以降低动态物体的影响，提高位姿估计的精度。通过在TUM RGB‑D数据集上进行实验，实验表明本发明在动态环境下比现有算法有更高的精度与鲁棒性。

公开(公告)号：CN113837243B

公开(公告)日：2024-05-24

申请号：CN202111033552.9

申请日：2021-09-03

Applicant: 重庆邮电大学

Inventor： 胡章芳 ,  吕润哲 ,  欧俊雄 ,  凌鉴

IPC: G06V10/762 ,  G06T7/215

Abstract: 本发明公开了一种基于边缘信息的RGB‑D相机的动态环境觉里程计方法，该方法包括以下步骤：将采集图像根据深度信息进行场景聚类；再通过光度信息、边缘信息构建出残差模型，引入平均背景深度，加大前景残差；将残差模型与面元3D重建算法结合，分离动态物体并得到聚类权重；将加权聚类残差加入到位姿估计的非线性优化函数中，以降低动态物体的影响，提高位姿估计的精度。通过在TUM RGB‑D数据集上进行实验，实验表明本发明在动态环境下比现有算法有更高的精度与鲁棒性。

公开(公告)号：CN113377987B

公开(公告)日：2023-03-28

申请号：CN202110511040.2

申请日：2021-05-11

Applicant: 重庆邮电大学

Inventor： 胡章芳 ,  欧俊雄 ,  吕润哲 ,  陈旭 ,  李天奎

IPC: G06F16/583 ,  G06F18/22 ,  G06F18/213

Abstract: 本发明公开了一种基于ResNeSt‑APW的多模块闭环检测方法，包括在去除ResNeSt模型中的全局平均池化层及其之后的网络层，在此之后增加一个1×1大小的卷积层；之后添加APW对卷积后的特征图进行下采样计算，并采用ReLU激活函数对输出结果进行激活，所述APW对任意大小的特征图进行计算之后，都生成一个固定大小的特征图；采用LLE算法对输出特征进行降维，并将该特征展开为一个一维矩阵，进行相似度计算；在基于超级字典的基础上将超级字典与历史帧映射区域分为若干个小模块，在每个模块的首尾部分别选取一张图片；采用多线程的方式同时计算所选取的图片与当前图片的相似度。本发明在准确率‑召回率的性能上是具有优势的，同时，检索方式相比于超级字典等方法在耗时方面是有所提升的。

公开(公告)号：CN113377987A

公开(公告)日：2021-09-10

申请号：CN202110511040.2

申请日：2021-05-11

Applicant: 重庆邮电大学

Inventor： 胡章芳 ,  欧俊雄 ,  吕润哲 ,  陈旭 ,  李天奎

IPC: G06F16/583 ,  G06K9/62

Abstract: 本发明公开了一种基于ResNeSt‑APW的多模块闭环检测方法，包括在去除ResNeSt模型中的全局平均池化层及其之后的网络层，在此之后增加一个1×1大小的卷积层；之后添加APW对卷积后的特征图进行下采样计算，并采用ReLU激活函数对输出结果进行激活，所述APW对任意大小的特征图进行计算之后，都生成一个固定大小的特征图；采用LLE算法对输出特征进行降维，并将该特征展开为一个一维矩阵，进行相似度计算；在基于超级字典的基础上将超级字典与历史帧映射区域分为若干个小模块，在每个模块的首尾部分别选取一张图片；采用多线程的方式同时计算所选取的图片与当前图片的相似度。本发明在准确率‑召回率的性能上是具有优势的，同时，检索方式相比于超级字典等方法在耗时方面是有所提升的。