-
公开(公告)号：CN112308921B
公开(公告)日：2024-01-12
申请号：CN202011241578.8
申请日：2020-11-09
Applicant: 重庆大学
Abstract: 本发明公开了一种基于语义和几何的联合优化动态SLAM方法，包括：将原始图像进行语义分割及几何分割得到二进制掩模maskseg与二进制掩模maskmvg；计算特征点权重；基于特征点权重确定语义和几何均为静态的特征点；初始化位姿；基于特征点权重对位姿进行优化求解；利用位姿优化的结果检测关键帧，利用关键帧进行局部建图及回环检测。与现有技术相比，本发明重点研究动态环境下的SLAM系统，综合分析几何分割和语义分割的优势与不足，将语义分割结果紧耦合进几何分割，提高动态特征点识别的准确率。此外，本发明提出了特征点权重的概念，基于动态特征点分割的结果初始化权重后，联合优化特征点权重和位姿，在优化相机位姿估计值的同时进一步权衡特征点的动态率。
-
公开(公告)号：CN112308921A
公开(公告)日：2021-02-02
申请号：CN202011241578.8
申请日：2020-11-09
Applicant: 重庆大学
Abstract: 本发明公开了一种基于语义和几何的联合优化动态SLAM方法，包括：将原始图像进行语义分割及几何分割得到二进制掩模maskseg与二进制掩模maskmvg；计算特征点权重；基于特征点权重确定语义和几何均为静态的特征点；初始化位姿；基于特征点权重对位姿进行优化求解；利用位姿优化的结果检测关键帧，利用关键帧进行局部建图及回环检测。与现有技术相比，本发明重点研究动态环境下的SLAM系统，综合分析几何分割和语义分割的优势与不足，将语义分割结果紧耦合进几何分割，提高动态特征点识别的准确率。此外，本发明提出了特征点权重的概念，基于动态特征点分割的结果初始化权重后，联合优化特征点权重和位姿，在优化相机位姿估计值的同时进一步权衡特征点的动态率。
-
公开(公告)号：CN114501028A
公开(公告)日：2022-05-13
申请号：CN202210131265.X
申请日：2022-02-11
Applicant: 重庆大学
IPC: H04N19/42 , H04N19/176 , H04N19/124 , G06N3/04 , G06N3/08 , H03M7/30
Abstract: 本发明公开了一种图像压缩感知方法、恢复方法、设备、系统及存储介质。该图像压缩感知方法包括：获取原始图像，将原始图像划分为多个图像块；基于可伸缩的基准采样矩阵获得与目标采样率对应的实际采样矩阵；利用所述实际采样矩阵对图像块进行采样获得所述图像块的压缩感知数据。通过可伸缩的基准采样矩阵能够获得对应不同采样率的采样矩阵，实现了压缩感知端仅需存储基准采样矩阵就能对原始图像进行不同采样率采样，极大地节省了存储开销和提高了采样的灵活性。
-
公开(公告)号：CN114501028B
公开(公告)日：2024-02-13
申请号：CN202210131265.X
申请日：2022-02-11
Applicant: 重庆大学
IPC: H04N19/42 , H04N19/176 , H04N19/124 , G06N3/0475 , G06N3/08 , H03M7/30
Abstract: 本发明公开了一种图像压缩感知方法、恢复方法、设备、系统及存储介质。该图像压缩感知方法包括：获取原始图像，将原始图像划分为多个图像块；基于可伸缩的基准采样矩阵获得与目标采样率对应的实际采样矩阵；利用所述实际采样矩阵对图像块进行采样获得所述图像块的压缩感知数据。通过可伸缩的基准采样矩阵能够获得对应不同采样率的采样矩阵，实现了压缩感知端仅需存储基准采样矩阵就能对原始图像进行不同采样率采样，极大地节省了存储开销和提高了采样的灵活性。
-
-
-
Search Results
4
records
(took 0.02 seconds)
