-
公开(公告)号：CN110428461B
公开(公告)日：2022-07-05
申请号：CN201910696435.7
申请日：2019-07-30
Applicant: 清华大学
Abstract: 本发明公开了一种结合深度学习的单目SLAM方法及装置，其中，方法包括以下步骤：使用CNN处理输入图像以得到初始的深度信息；利用深度图作为初值初始化单目同时定位及地图构建SLAM系统，并结合优化的深度图获得高精度深度图；根据高精度深度图辅助关键帧进行选取与优化，并利用优化后的关键帧进行定位与建图优化，得到最终同时定位及地图构建结果。该方法将CNN网络得到的深度信息作为图像深度的初值，从而大大提高了SLAM系统初始化的速度以及之后联合优化的精度。
-
Patent Agency Ranking
公开(公告)号：CN113940640B
公开(公告)日：2023-04-18
申请号：CN202111339208.2
申请日：2021-11-12
Applicant: 清华大学
IPC: A61B5/02 , A61B5/00 , G06F18/214 , G06N20/00
Abstract: 本发明涉及智能医疗领域，提供一种心血管疾病风险控制方法、系统及存储介质，能够对待检测者的心血管疾病风险进行预警，并且能够帮助心血管疾病发病风险高的检测者通过给出心血管疾病风险控制方案来不断调整其生活习惯，进而达到降低其未来罹患心血管病的风险的技术效果。
-
公开(公告)号：CN110610486B
公开(公告)日：2022-07-19
申请号：CN201910800196.5
申请日：2019-08-28
Applicant: 清华大学
Abstract: 本发明公开了一种单目图像深度估计方法及装置，其中，该方法包括：获取单目视频序列，通过SLAM算法对单目视频序列进行处理生成关键帧稀疏特征点深度信息；根据关键帧稀疏特征点深度信息和单目视频序列构建训练集；构建端对端网络模型；对关键帧稀疏特征点深度信息进行恢复生成深度图，根据深度图及深度图对应的深度点计算几何误差，根据几何误差、相似性误差及深度图光滑度构造损失函数；根据训练集和损失函数对端对端网络模型进行训练，生成单目图像深度估计模型，通过单目图像深度估计模型对单目图像的深度信息进行估计。该方法通过SLAM系统得到的深度信息作为弱监督信息并基于此训练网络模型，提高了CNN输出深度图的准确度。
-
公开(公告)号：CN110428461A
公开(公告)日：2019-11-08
申请号：CN201910696435.7
申请日：2019-07-30
Applicant: 清华大学
Abstract: 本发明公开了一种结合深度学习的单目SLAM方法及装置，其中，方法包括以下步骤：使用CNN处理输入图像以得到初始的深度信息；利用深度图作为初值初始化单目同时定位及地图构建SLAM系统，并结合优化的深度图获得高精度深度图；根据高精度深度图辅助关键帧进行选取与优化，并利用优化后的关键帧进行定位与建图优化，得到最终同时定位及地图构建结果。该方法将CNN网络得到的深度信息作为图像深度的初值，从而大大提高了SLAM系统初始化的速度以及之后联合优化的精度。
-
公开(公告)号：CN113940640A
公开(公告)日：2022-01-18
申请号：CN202111339208.2
申请日：2021-11-12
Applicant: 清华大学
Abstract: 本发明涉及智能医疗领域，提供一种心血管疾病风险控制方法、系统及存储介质，能够对待检测者的心血管疾病风险进行预警，并且能够帮助心血管疾病发病风险高的检测者通过给出心血管疾病风险控制方案来不断调整其生活习惯，进而达到降低其未来罹患心血管病的风险的技术效果。
-
公开(公告)号：CN110610486A
公开(公告)日：2019-12-24
申请号：CN201910800196.5
申请日：2019-08-28
Applicant: 清华大学
Abstract: 本发明公开了一种单目图像深度估计方法及装置，其中，该方法包括：获取单目视频序列，通过SLAM算法对单目视频序列进行处理生成关键帧稀疏特征点深度信息；根据关键帧稀疏特征点深度信息和单目视频序列构建训练集；构建端对端网络模型；对关键帧稀疏特征点深度信息进行恢复生成深度图，根据深度图及深度图对应的深度点计算几何误差，根据几何误差、相似性误差及深度图光滑度构造损失函数；根据训练集和损失函数对端对端网络模型进行训练，生成单目图像深度估计模型，通过单目图像深度估计模型对单目图像的深度信息进行估计。该方法通过SLAM系统得到的深度信息作为弱监督信息并基于此训练网络模型，提高了CNN输出深度图的准确度。
-
-
-
-
-
Search Results
6
records
(took 0.015 seconds)
