公开(公告)号：CN111899280A

公开(公告)日：2020-11-06

申请号：CN202010667153.7

申请日：2020-07-13

Applicant: 哈尔滨工程大学

Inventor： 王宏健 ,  班喜程 ,  李娟 ,  李庆 ,  肖瑶 ,  汤扬华 ,  韩宇辰 ,  刘越

IPC: G06T7/246 ,  G06T7/73 ,  G01C22/00 ,  G01C11/04

Abstract: 本发明公开了一种采用深度学习和混合型位姿估计的单目视觉里程计方法，包括：利用深度学习神经网络估计连续图像间光流场并从光流场提取关键点匹配对。关键点匹配对作为输入，根据2d-2d位姿估计原理，利用对极几何的方法初步计算出旋转矩阵和平移向量。利用深度神经网络估计得到单目图像深度场，结合几何理论三角测量方法，以深度场为参考值，使用RANSAC算法计算得到绝对尺度，将位姿从归一化坐标系转到真实坐标系，当2d-2d位姿估计失败或绝对尺度估计失败，利用3d-2d位姿估计原理，利用PnP算法进行位姿估计。本发明能够得到精确的位姿估计和绝对尺度估计、具有较好鲁棒性、在不同场景环境下都能够很好的复现出相机轨迹。

公开(公告)号：CN111899280B

公开(公告)日：2023-07-25

申请号：CN202010667153.7

申请日：2020-07-13

Applicant: 哈尔滨工程大学

Inventor： 王宏健 ,  班喜程 ,  李娟 ,  李庆 ,  肖瑶 ,  汤扬华 ,  韩宇辰 ,  刘越

IPC: G06T7/246 ,  G06T7/73 ,  G01C22/00 ,  G01C11/04

Abstract: 本发明公开了一种采用深度学习和混合型位姿估计的单目视觉里程计方法，包括：利用深度学习神经网络估计连续图像间光流场并从光流场提取关键点匹配对。关键点匹配对作为输入，根据2d‑2d位姿估计原理，利用对极几何的方法初步计算出旋转矩阵和平移向量。利用深度神经网络估计得到单目图像深度场，结合几何理论三角测量方法，以深度场为参考值，使用RANSAC算法计算得到绝对尺度，将位姿从归一化坐标系转到真实坐标系，当2d‑2d位姿估计失败或绝对尺度估计失败，利用3d‑2d位姿估计原理，利用PnP算法进行位姿估计。本发明能够得到精确的位姿估计和绝对尺度估计、具有较好鲁棒性、在不同场景环境下都能够很好的复现出相机轨迹。

公开(公告)号：CN111913175A

公开(公告)日：2020-11-10

申请号：CN202010631966.0

申请日：2020-07-02

Applicant: 哈尔滨工程大学

Inventor： 王宏健 ,  阮力 ,  周佳加 ,  王莹 ,  代涛 ,  高伟 ,  韩宇辰 ,  刘越 ,  汤扬华

IPC: G01S13/72 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种传感器短暂失效下带补偿机制的水面目标跟踪方法，包括：采集目标观测信息，将采集数据进行处理并分为训练集和测试集；设计具有时序预测能力LSTM神经网络结构；离线训练LSTM神经网络；采用LSTM神经网络对传感器短时失效下观测量进行在线补偿，对在线补偿后的观测量采用UKF方法得到目标位置和速度信息滤波值。本发明LSTM神经网络能够处理含有噪声数据，对非线性数据有较好学习效果；采取离线训练和在线补偿方式降低训练神经网络内部参数导致的目标跟踪实时性不强；在传感器量测缺失下对观测值进行补偿，降低估计误差；在传感器量测出现缺失和目标发生机动时，降低传统方法中只取信运动模型而造成估计误差。