公开(公告)号：CN113838135B

公开(公告)日：2024-03-19

申请号：CN202111181525.6

申请日：2021-10-11

Applicant: 重庆邮电大学

Inventor： 罗元 ,  曾勇超 ,  胡章芳

IPC: G06T7/73 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明请求保护一种基于LSTM双流卷积神经网络的位姿估计方法、系统及介质，该方法包括步骤：S1，对彩色图像和深度图像进行预处理，将相邻的两帧彩色图像和深度图像分别进行级联，并且深度图像进一步采用MND编码预处理，最后将彩色图像和深度图像进行归一化处理；S2，将预处理完成的彩色图像和深度图像分别输入双流卷积神经网络的彩色流和深度流进行特征提取；S3，将彩色流输出的rgb feature map和深度流输出的depth feature map进行融合生成新的fusion feature map；S4，将新生成的fusion feature map进行全局均值池化处理；S5，利用LSTM神经网络，通过训练，预测当前位姿。结果表明本文提出的位姿估计模型在运动模糊和光线不足的情况下具有更高的精度和鲁棒性。

公开(公告)号：CN113838135A

公开(公告)日：2021-12-24

申请号：CN202111181525.6

申请日：2021-10-11

Applicant: 重庆邮电大学

Inventor： 罗元 ,  曾勇超 ,  胡章芳

IPC: G06T7/73 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明请求保护一种基于LSTM双流卷积神经网络的位姿估计方法、系统及介质，该方法包括步骤：S1，对彩色图像和深度图像进行预处理，将相邻的两帧彩色图像和深度图像分别进行级联，并且深度图像进一步采用MND编码预处理，最后将彩色图像和深度图像进行归一化处理；S2，将预处理完成的彩色图像和深度图像分别输入双流卷积神经网络的彩色流和深度流进行特征提取；S3，将彩色流输出的rgb feature map和深度流输出的depth feature map进行融合生成新的fusion feature map；S4，将新生成的fusion feature map进行全局均值池化处理；S5，利用LSTM神经网络，通过训练，预测当前位姿。结果表明本文提出的位姿估计模型在运动模糊和光线不足的情况下具有更高的精度和鲁棒性。