-
公开(公告)号:CN115578435A
公开(公告)日:2023-01-06
申请号:CN202211226585.X
申请日:2022-10-09
Applicant: 华南理工大学 , 国家海洋局南海调查技术中心(国家海洋局南海浮标中心)
Abstract: 本发明公开了一种静态环境和动态物体的稠密重建方法、系统及介质,方法包括:对输入的图像进行实例分割;在静态图像上提取和匹配第一特征点,计算相机的初始位姿;在实例图像上提取和追踪第二特征点,计算动态物体的初始相对位姿;对相机的位姿、动态物体的相对位姿、第一特征点坐标和第二特征点坐标的约束关系进行紧耦合非线性优化;对输入图像通过深度估计获得深度图并进行预处理;对静态环境建立稠密点云图;筛选物体点云片段,将保留的点云片段变换到参考片段下进行融合,从而稠密重建动态物体。本发明通过输入双目图像,即可输出静态环境和动态物体的稠密重建点云图,全过程自动处理,具有精度高、拖影和噪声少、鲁棒性好等特点。
-
公开(公告)号:CN110780305B
公开(公告)日:2023-04-21
申请号:CN201910995353.2
申请日:2019-10-18
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于多线激光雷达的赛道锥桶检测及目标点追踪方法,包括以下步骤:1)读取激光雷达点云数据;2)对激光雷达点云数据进行直通滤波;3)排除地面点云数据对锥桶检测的干扰;4)筛选出锥桶的点云簇;5)对聚类得到的点云簇进行统计分析,根据锥桶实际尺寸的特征,设置最大标准差阈值,筛选出锥桶;6)获取其点云簇中心点坐标;7)对激光雷达左右两侧的锥桶中心点坐标进行计算平均值,得到锥桶的中心点为当前状态下的最近目标点;8)循环以上步骤,获取最新目标点。本发明通过对激光雷达点云的实时滤波、分割、聚类等处理,不断控制车辆朝目标点移动,最终实现基于多线激光雷达的赛道锥桶检测及目标点追踪。
-
公开(公告)号:CN112734765B
公开(公告)日:2023-08-22
申请号:CN202011393477.2
申请日:2020-12-03
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于实例分割与多传感器融合的移动机器人定位方法、系统及介质,方法包括下述步骤:对相机图像进行目标实例分割;对分割后的图像提取并追踪特征点;计算特征点深度值并使用EPnP算法进行位姿解算;基于IMU预积分的位姿解算;根据实例分割信息和特征点提取情况,选择位姿初值的更新方式;视觉传感器与IMU进行紧耦合的位姿优化,获取精准的姿态;本发明获取图像的实例分割信息,选取复杂环境中的静态特征点作为基准,估计自身位姿状态,并且可以在相机定位不理想时切换至IMU更新定位初值信息,使得机器人的定位在高度动态环境下也具有精准度和鲁棒性。
-
公开(公告)号:CN112734765A
公开(公告)日:2021-04-30
申请号:CN202011393477.2
申请日:2020-12-03
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于实例分割与多传感器融合的移动机器人定位方法、系统及介质,方法包括下述步骤:对相机图像进行目标实例分割;对分割后的图像提取并追踪特征点;计算特征点深度值并使用EPnP算法进行位姿解算;基于IMU预积分的位姿解算;根据实例分割信息和特征点提取情况,选择位姿初值的更新方式;视觉传感器与IMU进行紧耦合的位姿优化,获取精准的姿态;本发明获取图像的实例分割信息,选取复杂环境中的静态特征点作为基准,估计自身位姿状态,并且可以在相机定位不理想时切换至IMU更新定位初值信息,使得机器人的定位在高度动态环境下也具有精准度和鲁棒性。
-
公开(公告)号:CN110780305A
公开(公告)日:2020-02-11
申请号:CN201910995353.2
申请日:2019-10-18
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于多线激光雷达的赛道锥桶检测及目标点追踪方法,包括以下步骤:1)读取激光雷达点云数据;2)对激光雷达点云数据进行直通滤波;3)排除地面点云数据对锥桶检测的干扰;4)筛选出锥桶的点云簇;5)对聚类得到的点云簇进行统计分析,根据锥桶实际尺寸的特征,设置最大标准差阈值,筛选出锥桶;6)获取其点云簇中心点坐标;7)对激光雷达左右两侧的锥桶中心点坐标进行计算平均值,得到锥桶的中心点为当前状态下的最近目标点;8)循环以上步骤,获取最新目标点。本发明通过对激光雷达点云的实时滤波、分割、聚类等处理,不断控制车辆朝目标点移动,最终实现基于多线激光雷达的赛道锥桶检测及目标点追踪。
-
-
-
-