-
公开(公告)号：CN111156984B
公开(公告)日：2022-12-09
申请号：CN201911313842.1
申请日：2019-12-18
Applicant: 东南大学
Abstract: 本发明公开了一种面向动态场景的单目视觉惯性SLAM方法，首先视觉前端提取ORB特征点，并使用YOLO‑v3神经网络进行目标识别，进而提取出潜在的静态特征点集合，再结合本质矩阵的RANSAC外点剔除，筛选出最终的静态特征点并进行跟踪；同时，为了提高数据的处理效率，对IMU测量值进行预积分；然后进行初始化，计算包括：姿态、速度、重力向量、陀螺仪偏置的初值；随后进行视觉惯性紧耦合的非线性优化，并建立地图；同时进行回环检测和重定位，最后进行全局的位姿图优化。本发明将深度学习，和视觉惯性SLAM相融合，能够一定程度上消除动态物体对于SLAM定位和建图的影响，提升了系统的长时间工作的稳定性。
-
Patent Agency Ranking
公开(公告)号：CN111307143B
公开(公告)日：2022-07-01
申请号：CN202010095325.8
申请日：2020-02-17
Applicant: 东南大学
Abstract: 基于地磁梯度辅助的多目标进化搜索的仿生导航算法，首先获取载体当前时刻所处位置及目的地的地磁参量信息；导航初始时刻使载体分别沿东向和北向行走来获取地磁参量梯度信息，进而按照地磁参量同时同地收敛原则进行航向角的预测。为减少无效的搜索过程，在进化算法中，根据预测航向角对种群样本空间进行约束，提高其搜索效率。其次，受导弹追踪中的平行接近法启发，对样本的评价准则进行改进，对样本评价更加准确，进而优化导航搜索路径。本申请以终点地磁场多参量为目标值，在没有先验地磁图的情况下，进行高效、快速的路径搜索，实现自主水下航行器长航时地磁自主导航。
-
公开(公告)号：CN111307143A
公开(公告)日：2020-06-19
申请号：CN202010095325.8
申请日：2020-02-17
Applicant: 东南大学
Abstract: 基于地磁梯度辅助的多目标进化搜索的仿生导航算法，首先获取载体当前时刻所处位置及目的地的地磁参量信息；导航初始时刻使载体分别沿东向和北向行走来获取地磁参量梯度信息，进而按照地磁参量同时同地收敛原则进行航向角的预测。为减少无效的搜索过程，在进化算法中，根据预测航向角对种群样本空间进行约束，提高其搜索效率。其次，受导弹追踪中的平行接近法启发，对样本的评价准则进行改进，对样本评价更加准确，进而优化导航搜索路径。本申请以终点地磁场多参量为目标值，在没有先验地磁图的情况下，进行高效、快速的路径搜索，实现自主水下航行器长航时地磁自主导航。
-
公开(公告)号：CN111156984A
公开(公告)日：2020-05-15
申请号：CN201911313842.1
申请日：2019-12-18
Applicant: 东南大学
Abstract: 本发明公开了一种面向动态场景的单目视觉惯性SLAM方法，首先视觉前端提取ORB特征点，并使用YOLO-v3神经网络进行目标识别，进而提取出潜在的静态特征点集合，再结合本质矩阵的RANSAC外点剔除，筛选出最终的静态特征点并进行跟踪；同时，为了提高数据的处理效率，对IMU测量值进行预积分；然后进行初始化，计算包括：姿态、速度、重力向量、陀螺仪偏置的初值；随后进行视觉惯性紧耦合的非线性优化，并建立地图；同时进行回环检测和重定位，最后进行全局的位姿图优化。本发明将深度学习，和视觉惯性SLAM相融合，能够一定程度上消除动态物体对于SLAM定位和建图的影响，提升了系统的长时间工作的稳定性。
-
公开(公告)号：CN110361031A
公开(公告)日：2019-10-22
申请号：CN201910601546.5
申请日：2019-07-05
Applicant: 东南大学
IPC: G01C25/00
Abstract: 本发明公开了一种基于回溯理论的IMU全参数误差的快速标定方法，本发明设计了一种三位置下正反旋转的的标定轨迹，通过惯性组件误差传播规律分析误差状态的可观测性，基于回溯框架理论的标定方法可以短时间内快速标定IMU全参数误差。本发明的有益效果为：基于系统级的标定方法可以标定出光纤陀螺与加速度计的零位误差，刻度因子误差，安装误差以及加速度计在动态环境下的杆臂误差；本发明简化了标定轨迹的编排，极大的缩短了标定时间，提高了IMU误差标定的效率。
-
公开(公告)号：CN109934826A
公开(公告)日：2019-06-25
申请号：CN201910149996.5
申请日：2019-02-28
Applicant: 东南大学
Abstract: 一种基于图卷积网络的图像特征分割方法。用均匀网格分割预处理后的图像；构建以中心图像块为顶点的有向无权图，利用图像块的关系，写出该图对应的邻接矩阵、特征矩阵以及每个节点的度矩阵；根据先验知识设定权重矩阵，用公式f(X，A)＝D-1*A*X*W对图进行第一层图卷积；用卷积结果更新节点信息并作为下一层卷积的初始值；再次构建新的图，进行卷积，层层迭代，直至完成整张图像的特征分割。本发明在做图卷积网络之前，提出以均匀网格分割图像，很大程度上减少卷积运算的计算量，并采用层层迭代的方法，提高特征分割的准确性。本发明用图卷积网络进行图像特征分割，解决卷积神经网络不能处理不规则图像的问题，大幅提升分割效果，并对特征分割结果起到优化作用。
-
-
-
-
-
Search Results
26
records
(took 0.038 seconds)
