-
公开(公告)号：CN109766924B
公开(公告)日：2023-05-26
申请号：CN201811561702.1
申请日：2018-12-20
Applicant: 东南大学
Abstract: 本发明公开了一种基于图像信息熵与自适应阈值DAISY特征点的图像检测方法。由于常见图像检测算法会出现特征点分布不均匀且在局部区域稀少的问题，导致后续重建中点云会出现空洞现象。本发明首先通过统计分析确定了图像信息熵与SIFT特征点密度的约束关系；其次提出了一种基于图像信息熵的自适应阈值SIFT特征检测器，解决了特征点分布不均的问题；然后针对SIFT特征点在非极值特征点处可靠性降低，提出采用改进的DAISY特征点，提高了特征点的可靠性；最后将自适应阈值检测器中的特征点替换为DAISY特征点，并用于图像检测。实验表明本发明提出的方法在保证了特征点较高的可靠性，且改善了特征点分布，达到了预期目标。
-
公开(公告)号：CN110853100A
公开(公告)日：2020-02-28
申请号：CN201911015560.3
申请日：2019-10-24
Applicant: 东南大学
Abstract: 本发明公开了一种基于改进点线特征的结构化场景视觉SLAM方法，首先对RGB-D相机进行基础标定，获得内参信息，之后通过该深度相机对结构化场景进行SLAM初始化；提取结构化场景中的ORB点特征与LSD线特征，根据点线特征对应的空间点与空间直线，建立误差模型，通过最小化该模型，对相机位姿进行估计并生成结构化场景的三维地图点；在视频帧中决策生成关键帧，使用关键帧集合，建立词袋模型，对三维地图点进行闭环检测；检测到闭环条件后，通过误差模型，对相机位姿与结构化场景三维地图点进行优化，改进SLAM效果。本发明解决了结构化场景中视觉SLAM对于闭环检测精度与效率不高的问题，并为视觉SLAM工作提供了较大的便利。
-
公开(公告)号：CN114359643B
公开(公告)日：2024-11-19
申请号：CN202111564380.8
申请日：2021-12-20
Applicant: 东南大学
IPC: G06V10/771 , G06V20/56 , G06V20/64
Abstract: 本发明公开了一种基于曼哈顿世界假设的结构化征筛选方法，可以在弱纹理结构化场景下的同步定位与制图（SLAM，Simultaneously positioning and mapping）系统中对提取的线面特征进行筛选，提高同步定位与制图的精度和稳健性。其思路是使用基于曼哈顿世界假设计算候选平面和线的能量函数，通过最小化能量函数剔除误提取的线面特征。该算法首先根据点云集合与平面或线的点云拟合程度构造一阶数据项，再根据结构化场景的几何关系构造二阶几何结构约束项，然后迭代的置信区域优化算法对能量函数进行求解，并对平面集合和线集合进行滤波。本发明可以对提取到的线面特征进行滤波，增加弱纹理结构化场景中SLAM的鲁棒性和准确性。
-
公开(公告)号：CN114359643A
公开(公告)日：2022-04-15
申请号：CN202111564380.8
申请日：2021-12-20
Applicant: 东南大学
IPC: G06V10/771 , G06V20/10 , G06V20/64 , G06K9/62
Abstract: 本发明公开了一种基于曼哈顿世界假设的结构化征筛选方法，可以在弱纹理结构化场景下的同步定位与制图（SLAM，Simultaneously positioning and mapping）系统中对提取的线面特征进行筛选，提高同步定位与制图的精度和稳健性。其思路是使用基于曼哈顿世界假设计算候选平面和线的能量函数，通过最小化能量函数剔除误提取的线面特征。该算法首先根据点云集合与平面或线的点云拟合程度构造一阶数据项，再根据结构化场景的几何关系构造二阶几何结构约束项，然后迭代的置信区域优化算法对能量函数进行求解，并对平面集合和线集合进行滤波。本发明可以对提取到的线面特征进行滤波，增加弱纹理结构化场景中SLAM的鲁棒性和准确性。
-
公开(公告)号：CN108230364B
公开(公告)日：2022-02-11
申请号：CN201810028891.X
申请日：2018-01-12
Applicant: 东南大学
Abstract: 本发明公开了一种基于神经网络的前景物体运动状态分析方法，将采集的视频经过高斯混合模型进行前景提取；采用深度学习中的SSD模型将提取出的前景进行目标分类，得到各个前景物体的类别信息；利用SIFT特征匹配算法得到相邻帧的前景物的对应信息；基于前景的质心计算其运动轨迹，利用RNN时空序列模型分析其运动状态以及对下一时刻物体运动状态进行预判。本发明从速度、实用、鲁棒性等方面考虑，提出了一种基于运动目标重心分析的新思路，适用于视频图像序列中场景复杂的情况下对监控视频范围内出现的运动物体进行准确识别、跟踪并预警，实用价值高，具有广阔的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN109101981B
公开(公告)日：2021-08-24
申请号：CN201810797155.0
申请日：2018-07-19
Applicant: 东南大学
Abstract: 本发明公开了一种街景场景下基于全局图像条纹码的回环检测方法，包括如下步骤：对已有地图的所有图像帧进行编码，并将编码存储在分层数据结构中；对新采集到的关键帧也进行二进制编码，与已有的二进制描述码进行对比，获取汉明距离最小的前K张图片；将K张图片与新采集的图像关键帧一起进行特征点提取比对操作，比对两个图像间的特征相似度，得到分值最高的图，以此获知此时机器人的位置。本发明只需要对图像进行简单的编码，利用已有的算法对编码进行匹配即能完成目的，可操作性高；不需要借助图像的特征点以及提前进行提前训练，减小了计算量；与传统方法相比，解决了不能进行回环检测、工作强度大、效率低等问题。
-
公开(公告)号：CN108230364A
公开(公告)日：2018-06-29
申请号：CN201810028891.X
申请日：2018-01-12
Applicant: 东南大学
Abstract: 本发明公开了一种基于神经网络的前景物体运动状态分析方法，将采集的视频经过高斯混合模型进行前景提取；采用深度学习中的SSD模型将提取出的前景进行目标分类，得到各个前景物体的类别信息；利用SIFT特征匹配算法得到相邻帧的前景物的对应信息；基于前景的质心计算其运动轨迹，利用RNN时空序列模型分析其运动状态以及对下一时刻物体运动状态进行预判。本发明从速度、实用、鲁棒性等方面考虑，提出了一种基于运动目标重心分析的新思路，适用于视频图像序列中场景复杂的情况下对监控视频范围内出现的运动物体进行准确识别、跟踪并预警，实用价值高，具有广阔的应用前景。
-
公开(公告)号：CN110853100B
公开(公告)日：2022-11-18
申请号：CN201911015560.3
申请日：2019-10-24
Applicant: 东南大学
Abstract: 本发明公开了一种基于改进点线特征的结构化场景视觉SLAM方法，首先对RGB‑D相机进行基础标定，获得内参信息，之后通过该深度相机对结构化场景进行SLAM初始化；提取结构化场景中的ORB点特征与LSD线特征，根据点线特征对应的空间点与空间直线，建立误差模型，通过最小化该模型，对相机位姿进行估计并生成结构化场景的三维地图点；在视频帧中决策生成关键帧，使用关键帧集合，建立词袋模型，对三维地图点进行闭环检测；检测到闭环条件后，通过误差模型，对相机位姿与结构化场景三维地图点进行优化，改进SLAM效果。本发明解决了结构化场景中视觉SLAM对于闭环检测精度与效率不高的问题，并为视觉SLAM工作提供了较大的便利。
-
公开(公告)号：CN114241050A
公开(公告)日：2022-03-25
申请号：CN202111562336.3
申请日：2021-12-20
Applicant: 东南大学
IPC: G06T7/73
Abstract: 本发明公开了一种基于曼哈顿世界假设及因子图的相机位姿优化方法，可以在弱纹理环境下的同步定位与制图（SLAM，Simultaneously positioning and mapping）系统中增加定位的准确性和鲁棒性，其思路是计算特征的重投影误差以及结构化特征的结构误差项，构建因子图模型并进行位姿优化。该算法首先计算特征的重投影误差，然后根据曼哈顿世界假设构造结构化特征的结构误差项，最后在SLAM后端中对上述误差项构建因子图模型并进行位姿优化。本发明通过将结构化特征的重投影误差和结构误差加入到后端优化中，可以提高弱纹理场景下SLAM系统位姿解算的准确度和鲁棒性，以便满足机器人更加广阔的应用场景。
-
公开(公告)号：CN114241050B
公开(公告)日：2024-05-07
申请号：CN202111562336.3
申请日：2021-12-20
Applicant: 东南大学
IPC: G06T7/73
Abstract: 本发明公开了一种基于曼哈顿世界假设及因子图的相机位姿优化方法，可以在弱纹理环境下的同步定位与制图（SLAM，Simultaneously positioning and mapping）系统中增加定位的准确性和鲁棒性，其思路是计算特征的重投影误差以及结构化特征的结构误差项，构建因子图模型并进行位姿优化。该算法首先计算特征的重投影误差，然后根据曼哈顿世界假设构造结构化特征的结构误差项，最后在SLAM后端中对上述误差项构建因子图模型并进行位姿优化。本发明通过将结构化特征的重投影误差和结构误差加入到后端优化中，可以提高弱纹理场景下SLAM系统位姿解算的准确度和鲁棒性，以便满足机器人更加广阔的应用场景。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.022 seconds)
