-
公开(公告)号：CN114782913A
公开(公告)日：2022-07-22
申请号：CN202210303258.3
申请日：2022-03-24
Applicant: 同济大学
Abstract: 本发明涉及一种面向地库泊车的鲁棒视觉特征匹配和检测方法，包括：采集原始RGB图像对特征点检测深度学习模型进行离线训练，得到训练好的特征点检测模型；将待测的数据输入特征点检测深度学习模型，进行特征点检测，得到对应的特征点检测结果；将待测RGB图像与真值标签输入库位检测深度学习模型进行离线训练，得到训练好的库位检测模型；将待测RGB图像输入库位检测深度学习模型，进行库位检测，得到对应的库位检测结果；将特征点检测结果与库位检测结果进行匹配，得到匹配结果。与现有技术相比，本发明能够在光照昏暗或纹理不明显的情况下检测特征点，从而实现精度较高的定位及建图，进而协助车辆完成自动泊车。
-
公开(公告)号：CN115346190A
公开(公告)日：2022-11-15
申请号：CN202210301702.8
申请日：2022-03-24
Applicant: 同济大学
Abstract: 本发明涉及一种单目车库语义建图尺度恢复方法，包括：根据相机外参，对原图像进行鸟瞰图变换，得到对应的鸟瞰图；在鸟瞰图上检测库位角点；在库位角点对应的前视图上，为库位角点添加描述子；通过描述子对连续图像进行库位角点关联，并根据单目建图已有的定位信息，对关联的库位角点进行三角化处理，获得每一个库位角点的3D位置；根据轨迹与库位角点的相对位置，恢复全局尺度。与现有技术相比，本发明在使用单目视觉进行建图的基础上，能够恢复全局尺度，从而保证后续语义建图的准确性。
-
公开(公告)号：CN114022563A
公开(公告)日：2022-02-08
申请号：CN202111238591.2
申请日：2021-10-25
Applicant: 同济大学
Abstract: 本发明提供一种用于自动驾驶的动态障碍物检测方法，包括以下步骤：通过车载传感器设备获取车辆运行过程中的环境图像流、点云数据和定位数据；将所述环境图像流分成连续的帧图像，对每一对连续的帧图像依次进行2D特征点的检测和匹配、2D特征点的3D位置的还原和恢复、3D特征点的动静态点的甄别，以及构建动静二值标签；将所有帧图像的动静二值标签作为神经网络的输入，训练神经网络；实时采集车辆运行过程中的环境图像流，以点云数据和定位数据，并输入训练好的神经网络，获取动静二值分割图像，进而实现动态障碍物的检测。与现有技术相比，该方法能够通过对动态目标和静态目标进行分割，进而实现动态障碍物检测，并提高障碍物检测的准确性。
-
公开(公告)号：CN114782913B
公开(公告)日：2024-11-12
申请号：CN202210303258.3
申请日：2022-03-24
Applicant: 同济大学
Abstract: 本发明涉及一种面向地库泊车的鲁棒视觉特征匹配和检测方法，包括：采集原始RGB图像对特征点检测深度学习模型进行离线训练，得到训练好的特征点检测模型；将待测的数据输入特征点检测深度学习模型，进行特征点检测，得到对应的特征点检测结果；将待测RGB图像与真值标签输入库位检测深度学习模型进行离线训练，得到训练好的库位检测模型；将待测RGB图像输入库位检测深度学习模型，进行库位检测，得到对应的库位检测结果；将特征点检测结果与库位检测结果进行匹配，得到匹配结果。与现有技术相比，本发明能够在光照昏暗或纹理不明显的情况下检测特征点，从而实现精度较高的定位及建图，进而协助车辆完成自动泊车。
-
-
-
Search Results
4
records
(took 0.014 seconds)
