-
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
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
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。
-
Patent Agency Ranking
公开(公告)号：CN113643322B
公开(公告)日：2024-03-22
申请号：CN202110804957.1
申请日：2021-07-16
Applicant: 重庆邮电大学
IPC: G06T7/215 , G06T3/4038 , G06V10/764 , G06V10/80 , G06N3/006
Abstract: 本发明公开了一种基于DeepLabv3+_SLAM的动态对象检测方法，该方法包括步骤：S1，对采集的图像序列进行关键帧的筛选；S2，利用DeepLabv3+算法结合上下文信息分割出潜在的先验动态对象；S3，采用多视图几何的方法，依据相邻关键帧检测图像中物体的运动状态信息，判断其是否为动态对象；S4，利用新蚁群策略，通过最优路径找到所有的动态特征点所在组，避免遍历所有特征点；S5，融合物体的先验信息和运动状态信息检测其是否为动态对象并进行剔除。通过在公共数据集PASCAL VOC2012和TUM上分别进行实验，并与近几年的相关文献相比，结果均表明该发明能够有效检测到环境中的动态对象，减少其对系统的影响。
-
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
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：CN113643322A
公开(公告)日：2021-11-12
申请号：CN202110804957.1
申请日：2021-07-16
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于DeepLabv3+_SLAM的动态对象检测方法，该方法包括步骤：S1，对采集的图像序列进行关键帧的筛选；S2，利用DeepLabv3+算法结合上下文信息分割出潜在的先验动态对象；S3，采用多视图几何的方法，依据相邻关键帧检测图像中物体的运动状态信息，判断其是否为动态对象；S4，利用新蚁群策略，通过最优路径找到所有的动态特征点所在组，避免遍历所有特征点；S5，融合物体的先验信息和运动状态信息检测其是否为动态对象并进行剔除。通过在公共数据集PASCAL VOC2012和TUM上分别进行实验，并与近几年的相关文献相比，结果均表明该发明能够有效检测到环境中的动态对象，减少其对系统的影响。
-
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
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：CN113379792A
公开(公告)日：2021-09-10
申请号：CN202110512558.8
申请日：2021-05-11
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于浅‑中‑深三级特征融合与可变矩形窗滤波的Siamese网络跟踪方法，该方法包括步骤：S1，提出了一种浅‑中‑深三级特征融合孪生网络；S2，从浅、中、深三类网络层提取出对应的特征图并进行特征级别的融合得到互补特征图；S3，利用孪生网络两条分支的互补特征图通过相关计算得到一对相似性得分图，并将相似性得分图进行分数级别的融合得到最终的得分图；S4，寻找得分图中的峰值点作为初始聚类中心完成聚类，计算聚类中心与最远聚类点的距离；S5，以该距离控制矩形窗尺寸大小的变化，完成对得分图的滤波。实验结果证明，SiamSMDFFF相较于传统跟踪器在多项性能方面均有明显提高。
-
-
-
-
-
-
Search Results
7
records
(took 0.014 seconds)
