-
公开(公告)号：CN117421384B
公开(公告)日：2024-09-17
申请号：CN202311384144.7
申请日：2023-10-24
Applicant: 哈尔滨理工大学
Abstract: 基于共视投影匹配的视觉惯性SLAM系统滑窗优化方法，涉及SLAM技术领域。本发明是为了解决现有视觉惯性SLAM系统后端的滑动窗口优化方法精度低的问题。本发明在不改变滑动窗口优化快速性的前提下，通过共视投影匹配关系改进滑动窗口优化方法，消除了“影子”地图点，提高了地图点精度；增加了关键帧成功匹配地图点的数量，扩大了关键帧的观测视野，新增了SLAM系统的视觉观测约束，从而提高了滑动窗口优化估计位姿的精度，进而提高了移动机器人的定位精度。
-
公开(公告)号：CN117876489B
公开(公告)日：2025-04-15
申请号：CN202410085304.6
申请日：2024-01-22
Applicant: 哈尔滨理工大学
Abstract: 一种用于视觉惯性点云融合SLAM系统的滑动窗口优化方法，属于SLAM技术领域。本发明涉及三种传感器：相机、IMU、LiDAR，设计了多传感器信息融合SLAM系统的局部优化方法，解决了因图像特征点深度不确定而导致的定位精度低的问题。本发明在滑动窗口内构建了三类传感器信息紧耦合的测量约束关系，在窗口滑动时更新观测约束，保证滑窗内信息的时效性和准确性，有助于定位精度的提高；通过LiDAR点云辅助估计图像特征点的深度信息，在滑窗内维护每个特征点的唯一性，消除“重影”特征点对视觉重定位的影响；本方法不改变滑动窗口的大小，能够保证快速的局部优化，保证了SLAM系统的快速定位响应能力。
-
公开(公告)号：CN119722480A
公开(公告)日：2025-03-28
申请号：CN202411776074.4
申请日：2024-12-05
Applicant: 哈尔滨理工大学
Abstract: 本发明提出了一种用于3D激光雷达视觉惯性SLAM系统的双滑动窗口优化方法，通过多源异构传感器信息融合下的双滑动窗口优化的结构设计，旨在提升SLAM系统适应复杂环境的鲁棒性，及在复杂环境下的定位精度。本发明为SLAM系统设计了双滑动窗口优化结构，视觉滑窗能够快速地估计机器人的位姿，用于实时地位姿跟踪；当视觉滑窗位姿估计失败时，使用激光雷达滑窗修正漂移的位姿或恢复丢失的轨迹。视觉滑窗和激光雷达滑窗分别独立选取关键帧，两种滑窗分别独立进行优化；视觉滑窗估计出的机器人位姿参与到激光雷达滑窗优化中，两种滑窗即独立又联合，充分发挥两者的优势，保证SLAM系统的鲁棒性，即使在光线强烈变化等极端场景下，仍能保证系统稳定运行。
-
Patent Agency Ranking
公开(公告)号：CN119437244A
公开(公告)日：2025-02-14
申请号：CN202411625213.3
申请日：2024-11-14
Applicant: 哈尔滨理工大学
Abstract: 一种用于3D激光雷达惯性SLAM系统的动态滑动窗口优化方法，涉及SLAM技术领域，旨在改善现有激光惯性SLAM系统在机器人复杂运动状态下位姿估计的精度。本发明根据位移差和旋转差选取关键帧，并进一步将关键帧划分为强关键帧和弱关键帧，在窗口滑动时，设计了强弱关键帧的多滑入多滑出的动态优化策略，并结合窗口是否满足优化条件的双标准，赋予SLAM系统根据机器人不同运动状态动态调整窗口大小的能力。此外，本发明设计了滑窗内关键帧优化和滑窗内局部普通帧优化的两次优化方案，关键帧优化后能为普通帧优化提供较精确的优化基准，普通帧优化后能为下一次关键帧的优化提供了更可靠的边缘化先验信息，从而提高SLAM系统在机器人复杂运动状态下位姿估计的精度。
-
公开(公告)号：CN117421384A
公开(公告)日：2024-01-19
申请号：CN202311384144.7
申请日：2023-10-24
Applicant: 哈尔滨理工大学
Abstract: 基于共视投影匹配的视觉惯性SLAM系统滑窗优化方法，涉及SLAM技术领域。本发明是为了解决现有视觉惯性SLAM系统后端的滑动窗口优化方法精度低的问题。本发明在不改变滑动窗口优化快速性的前提下，通过共视投影匹配关系改进滑动窗口优化方法，消除了“影子”地图点，提高了地图点精度；增加了关键帧成功匹配地图点的数量，扩大了关键帧的观测视野，新增了SLAM系统的视觉观测约束，从而提高了滑动窗口优化估计位姿的精度，进而提高了移动机器人的定位精度。
-
公开(公告)号：CN119068299A
公开(公告)日：2024-12-03
申请号：CN202411154232.2
申请日：2024-08-22
Applicant: 哈尔滨理工大学
IPC: G06V10/80 , G06V10/26 , G06T7/13 , G06N3/0464 , G06V10/82 , G06V10/774
Abstract: 本发明提出一种考虑透明物体影响的无人车视觉检测方法，旨在将不同阶段获得的边缘特征进行融合，生成更准确的边缘特征，并与多尺度特征相结合以提高透明物体检测的鲁棒性和稳定性。首先基于无人车实际的工作场景制作数据集；其次，输入网络的图像首先进行特征提取，提取的特征输入到边缘检测模块和初步分割模块。在边缘检测模块中引入置信度因子关注更多的边缘特征。初步分割模块用来获取初步分割图的边缘特征并与边缘检测模块数据融合，使用融合后的边缘特征与多尺度图进行融合；最后融合数据输入到基于Transformer的结构中，省略再次结合操作生成预测图。本发明mIoU和像素准确率分别为74.43％和96.35％，能更稳定、鲁棒地应用于无人车中进行透明物体检测。
-
公开(公告)号：CN118067125A
公开(公告)日：2024-05-24
申请号：CN202410049718.3
申请日：2024-01-12
Applicant: 哈尔滨理工大学
Abstract: 基于增量平滑的多传感器SLAM系统即插即用因子图融合方法，涉及SLAM技术领域。本发明是为了解决使用不同源的多类传感器的SLAM系统的信息紧耦合联合优化的融合问题，涉及使用三种传感器：相机，IMU和LiDAR。本发明通过判断相机和LiDAR传感器数据的可靠性，有针对性的过滤掉不可靠的传感器数据，筛选出数据可靠的传感器信息，提高了SLAM系统的传感器容错能力；选择性地构建约束因子，构建可变结构的、即插即用式的紧耦合因子图，仅使用可靠数据的融合进行状态估计，保证了定位精度，使用增量平滑的方式进行优化求解，通过更新贝叶斯树的方式添加SLAM系统新增的观测信息，保证了全局优化的计算效率，提高了SLAM系统的响应速度。
-
公开(公告)号：CN117876489A
公开(公告)日：2024-04-12
申请号：CN202410085304.6
申请日：2024-01-22
Applicant: 哈尔滨理工大学
Abstract: 一种用于视觉惯性点云融合SLAM系统的滑动窗口优化方法，属于SLAM技术领域。本发明涉及三种传感器：相机、IMU、LiDAR，设计了多传感器信息融合SLAM系统的局部优化方法，解决了因图像特征点深度不确定而导致的定位精度低的问题。本发明在滑动窗口内构建了三类传感器信息紧耦合的测量约束关系，在窗口滑动时更新观测约束，保证滑窗内信息的时效性和准确性，有助于定位精度的提高；通过LiDAR点云辅助估计图像特征点的深度信息，在滑窗内维护每个特征点的唯一性，消除“重影”特征点对视觉重定位的影响；本方法不改变滑动窗口的大小，能够保证快速的局部优化，保证了SLAM系统的快速定位响应能力。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.018 seconds)
