一种基于改进k-means聚类的Yolov3锚框确定方法

    公开(公告)号:CN113344113B

    公开(公告)日:2024-03-19

    申请号:CN202110715329.6

    申请日:2021-06-27

    Applicant: 东南大学

    Abstract: 本发明提供的是一种基于改进k‑means聚类的Yolov3锚框确定方法。本发明改变传统一次k‑means聚类直接得到Yolov3锚框的方法,对样本数据进行两次聚类。第一次聚类把样本数据聚类到不同大小的三个尺度上,达到尺度分化的目的。第二次聚类在前一次聚类得到的三个聚类子集的基础上,根据样本标注框的形状特征再次进行聚类,最终得到分布三个尺度下的9个聚类结果,适配Yolov3的锚框。本发明利用两次聚类得到的锚框更加符合Yolov3的检测过程,能够减少k‑means随机初始点对最终结果的影响,两次聚类大大减少了样本的数据量,提高算法速度。

    一种基于单目相机的VO加权优化方法

    公开(公告)号:CN113362377B

    公开(公告)日:2022-06-03

    申请号:CN202110726415.7

    申请日:2021-06-29

    Applicant: 东南大学

    Inventor: 张涛 赵声根

    Abstract: 一种基于单目相机的VO加权优化方法。1)通过KLT对图像进行特征点提取和匹配,并进行RANSAC剔除误匹配点,并进行关键帧筛选;2)通过八点法和三角化的方式,得到特征点的位置的初始值以及帧间位姿,逆深度;3)计算光度误差和逆深度误差,从而得到权重的初始值;4)构建最小二乘问题,准备优化变量特征点位置与相机的位姿;5)迭代运算,求得最优解,获得特征点位置与相机位姿。本发明方法通过利用匹配特征点的像素差和空间逆深度差服从t‑分布的特点,分别对每一帧的特征点进行加权,尽量降低像素差异大,在相机视野内较近和较远距离的特征点对全局优化的最优解的影响。

    一种基于单目相机的VO加权优化方法

    公开(公告)号:CN113362377A

    公开(公告)日:2021-09-07

    申请号:CN202110726415.7

    申请日:2021-06-29

    Applicant: 东南大学

    Inventor: 张涛 赵声根

    Abstract: 一种基于单目相机的VO加权优化方法。1)通过KLT对图像进行特征点提取和匹配,并进行RANSAC剔除误匹配点,并进行关键帧筛选;2)通过八点法和三角化的方式,得到特征点的位置的初始值以及帧间位姿,逆深度;3)计算光度误差和逆深度误差,从而得到权重的初始值;4)构建最小二乘问题,准备优化变量特征点位置与相机的位姿;5)迭代运算,求得最优解,获得特征点位置与相机位姿。本发明方法通过利用匹配特征点的像素差和空间逆深度差服从t‑分布的特点,分别对每一帧的特征点进行加权,尽量降低像素差异大,在相机视野内较近和较远距离的特征点对全局优化的最优解的影响。

    一种基于改进k-means聚类的Yolov3锚框确定方法

    公开(公告)号:CN113344113A

    公开(公告)日:2021-09-03

    申请号:CN202110715329.6

    申请日:2021-06-27

    Applicant: 东南大学

    Abstract: 本发明提供的是一种基于改进k‑means聚类的Yolov3锚框确定方法。本发明改变传统一次k‑means聚类直接得到Yolov3锚框的方法,对样本数据进行两次聚类。第一次聚类把样本数据聚类到不同大小的三个尺度上,达到尺度分化的目的。第二次聚类在前一次聚类得到的三个聚类子集的基础上,根据样本标注框的形状特征再次进行聚类,最终得到分布三个尺度下的9个聚类结果,适配Yolov3的锚框。本发明利用两次聚类得到的锚框更加符合Yolov3的检测过程,能够减少k‑means随机初始点对最终结果的影响,两次聚类大大减少了样本的数据量,提高算法速度。

Patent Agency Ranking