-
公开(公告)号：CN118129791A
公开(公告)日：2024-06-04
申请号：CN202311643470.5
申请日：2023-12-04
Applicant: 哈尔滨工业大学
Abstract: 视觉惯性轮速里程计系统安装误差优化模型构建方法及装置、优化方法及装置，涉及车载视觉‑惯性‑轮速里程计系统技术领域。为解决现有自校准方法难以实现传感器间空间参数的精确估计的技术问题，本发明提供了视觉惯性轮速里程计系统安装误差优化模型构建方法，包括：根据IMU和里程计之间的位置和姿态偏差、时间延迟和里程计的尺度因子，得到IMU‑里程计预积分的连续时间公式并得到预积分残差模型的步骤；根据IMU和相机之间的位置和姿态偏差和时间延迟，得到带有时间偏移变量的视觉重投影残差模型的步骤；根据预积分残差模型和视觉重投影残差模型，得到系统安装误差优化模型的步骤。适用于视觉惯性轮速里程计系统的设计和优化工作中。
-
公开(公告)号：CN117782072A
公开(公告)日：2024-03-29
申请号：CN202311728008.5
申请日：2023-12-15
Applicant: 哈尔滨工业大学
Abstract: 一种多源信息融合的列车定位方法、装置及设备，涉及铁路定位技术领域，方法包括：采集激光雷达数据、IMU数据和列车图像数据；融合所述激光雷达数据和IMU数据得到激光惯性里程计轨迹，融合所述IMU数据和列车图像数据得到视觉惯性里程计轨迹；在所述列车图像数据中识别公里标并计算所述公里标与列车的距离，获取列车绝对位置；基于所述列车绝对位置校正所述激光惯性里程计轨迹和视觉惯性里程计轨迹；进行退化检测，并通过卡尔曼滤波器融合校正后的所述激光惯性里程计轨迹和视觉惯性里程计轨迹，计算列车实时位置以及定位置信区间；该方法基于公里标校正激光惯性里程计和视觉惯性里程计轨迹并融合定位结果，定位精度高于现有方法且具有良好的鲁棒性。
-
公开(公告)号：CN117782070A
公开(公告)日：2024-03-29
申请号：CN202311717206.1
申请日：2023-12-14
Applicant: 哈尔滨工业大学
IPC: G01C21/16
Abstract: 基于公里标信息辅助的铁路列车视觉惯性定位方法和系统，涉及铁路列车定位技术领域。解决了目前现有技术中“车‑地协作”式列车定位技术在实际应用中存在成本高、维护困难且现有铁路列车智能定位在缺少回环检测情况下，无法消除累计误差的问题。所述定位方法包括采用视觉惯性里程计获取铁路列车运行前方的RGB图像、公里标数字语义信息和IMU的多源信息；基于VINS Fusion框架构建公里标检测模块，获取公里标像素位置；基于OCR文字识别器在公里标像素位置区域识别公里标数字语义信息，获得所述公里标在电子地图的位置信息；提取公里标顶点以及顶点坐标；根据公里标顶点坐标建立含有公里标位置信息约束的全局优化目标函数，完成定位。还适用于轨道交通领域中。
-
Patent Agency Ranking
公开(公告)号：CN116029978A
公开(公告)日：2023-04-28
申请号：CN202211405145.0
申请日：2022-11-10
Applicant: 哈尔滨工业大学
Abstract: 一种工业长方体提取方法、装置、计算机及存储介质，解决了需要一种适用于工业领域的长方体高精度提取方法的问题。方法包括：基于目标检测的长方体粗提取和基于筛选区域线段重组的长方体精提取；基于目标检测的长方体粗提取包括：将基于并行的残差卷积神经网络作为长方体目标检测的主干网络并与并行残差块融合，获取融合的多维特征；根据多维特征与反卷积模块融合，获取目标检测网络模型；长方体精提取包括：根据目标检测网络模型进行线段特征聚类，获取线段集；根据线段集进行线段连接，获取直线集；根据直线集进行边界动态筛选，获取长方体边缘；根据长方体边缘获取长方体所在的图像区域并建立坐标系，获取长方体顶点，完成工业长方体提取。
-
公开(公告)号：CN116703967A
公开(公告)日：2023-09-05
申请号：CN202310398539.6
申请日：2023-04-14
Applicant: 哈尔滨工业大学
IPC: G06T7/246 , G01C21/00 , G01C21/16 , G06T7/73 , G06V10/774 , G06V10/82 , G06N3/088 , G06N3/0464
Abstract: 一种基于视觉惯性系统和置信度指导的无监督深度补全方法和系统，涉及机器人计算机视觉技术领域。解决现有无监督深度补全方法网络参数复杂，不能广泛应用的问题。方法包括：采用视觉惯性系统获取图像、稀疏深度地图和相机姿态；建立非指导稠密深度补全网络，非指导稠密深度补全网络处理稀疏深度地图，获取置信度和非指导稠密深度地图；指导深度补全网络处理置信度和非指导稠密深度地图，获取指导稠密深度地图；运动残差网络处理指导稠密深度地图、图像和相机运动位姿，获取平移残差矩阵；损失函数训练指导深度补全网络，获取指导深度补全网络训练模型；损失函数训练运动残差网络，获取运动残差网络训练模型。应用于图像处理技术领域。
-
公开(公告)号：CN116523745A
公开(公告)日：2023-08-01
申请号：CN202310413240.3
申请日：2023-04-18
Applicant: 哈尔滨工业大学
IPC: G06T3/40 , G06F30/20 , G06F17/11 , G06F17/16 , G06Q10/0639 , G06F111/04
Abstract: 本发明是一种基于扩展点线特征的自然图像拼接方法。本发明涉及图像拼接技术领域，本发明通过区域线段连接的方法对图像中的直线进行几何运算，从而尽可能保存图像重叠区域的线特征。然后利用匹配的线特征生成点特征，对匹配点进行补充，优化图像预对齐，并尽可能保留图像的几何形状特征。最后通过匹配的点线特征进行图像预对齐、单应性矩阵估计和网格化变形等一系列操作，实现图像拼接。实验表明本发明的方法对具有明显几何形状的复杂图像拼接具有明显优势，相较现有的方法Ddis最大提升28.8％,Ddir最大提升63.2％。
-
公开(公告)号：CN116309815A
公开(公告)日：2023-06-23
申请号：CN202211608131.9
申请日：2022-12-14
Applicant: 哈尔滨工业大学
Abstract: 本发明是一种基于旋转参数的特征点加权不确定相机位姿估计方法。本发明涉及相机位姿估计技术领域，针对视觉测量中的相机位姿估计问题，本发明提出了一种基于CGR参数化的加权不确定非迭代位姿估计方法。该方法根据图像中的灰度信息，建立了干扰误差不确定性椭圆模型，利用奇异值分解构造了加权不确定矩阵，并带入到特征点空间共线误差目标函数中，采用基技术通过求解旋转参数得到相机位姿的全局最优解。实验结果表明，该方法具有较高的精度和抗干扰能力，可以稳定求解3D构型和平面构型中的透视n点问题。
-
公开(公告)号：CN115619824A
公开(公告)日：2023-01-17
申请号：CN202211198360.8
申请日：2022-09-29
Applicant: 哈尔滨工业大学
Abstract: 一种视觉惯性动态目标跟踪SLAM装置、方法、计算机及存储介质，涉及人工智能领域。本发明解决了现有技术耗费了过重的计算资源来获取动态目标语义信息，不适用于对实时性较高要求的SLAM系统的问题。本发明所述装置包括：输入单元、跟踪线程单元、建图线程单元和输出单元；所述输入单元用于获取图像信息和IMU数据；所述跟踪线程单元用于根据获取的图像信息和IMU数据进行位姿估计，获取相机和动态对象位姿信息；所述建图线程单元用于根据局部和全局批量优化方法进行所述相机和动态对象位姿信息的优化，获取局部和全局地图；所述输出单元用于输出获取的全局地图。本发明应用于机器人自主定位与动态目标跟踪领域。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.023 seconds)
