-
公开(公告)号：CN112446845A
公开(公告)日：2021-03-05
申请号：CN202011368165.6
申请日：2020-11-27
Applicant: 鹏城实验室 , 哈尔滨工业大学(深圳)
IPC: G06T5/50
Abstract: 本发明公开一种地图构建方法，应用于包括N个相机的SLAM系统，所述方法包括以下步骤：通过所述N个相机获取目标地区的目标图像，N为大于等于2的正整数；根据所述目标图像，获得融合帧，所述N个相机同一时刻的目标图像对应一个融合帧；判断所述融合帧是否满足第一预设条件；在所述融合帧满足所述第一预设条件时，将所述融合帧添加到关键帧队列；利用所述关键帧队列，构建目标区域的地图。本发明还公开了一种地图构建装置、SLAM系统以及存储介质。利用本发明构建目标区域的地图时，数据处理量较少，建图效率较高。
-
公开(公告)号：CN112446845B
公开(公告)日：2024-12-10
申请号：CN202011368165.6
申请日：2020-11-27
Applicant: 鹏城实验室 , 哈尔滨工业大学(深圳)
IPC: G06T5/50
Abstract: 本发明公开一种地图构建方法，应用于包括N个相机的SLAM系统，所述方法包括以下步骤：通过所述N个相机获取目标地区的目标图像，N为大于等于2的正整数；根据所述目标图像，获得融合帧，所述N个相机同一时刻的目标图像对应一个融合帧；判断所述融合帧是否满足第一预设条件；在所述融合帧满足所述第一预设条件时，将所述融合帧添加到关键帧队列；利用所述关键帧队列，构建目标区域的地图。本发明还公开了一种地图构建装置、SLAM系统以及存储介质。利用本发明构建目标区域的地图时，数据处理量较少，建图效率较高。
-
公开(公告)号：CN112446431B
公开(公告)日：2024-08-27
申请号：CN202011368267.8
申请日：2020-11-27
Applicant: 鹏城实验室 , 哈尔滨工业大学(深圳)
IPC: G06V10/75 , G06V10/82 , G06N3/0464 , G06N3/0442 , G06N3/084 , G06V10/80
Abstract: 本发明公开了一种特征点提取与匹配方法，该方法包括：将图像输入特征及其权重参数进行二值化处理，并对二值化后的数据进行计算以提取特征点；通过卷积网络获取输入图像的多个层次的、分辨率依次降低的特征图像，将所述多个层次的、分辨率依次降低的特征图像进行多尺度融合，以对特征点进行定位；将进行定位后在空间中相邻的特征点的数据进行哈希运算，建立二进制化的哈希表；当进行匹配时，计算查询数据与所述哈希表中数据的匹配度，返回所述哈希表中匹配度最高的数据。解决了特征点提取方法存储匹配速度慢、精度不高等问题。使得特征点提取、匹配速度以及特征点定位精度都达到了很大的提升。
-
公开(公告)号：CN112183217A
公开(公告)日：2021-01-05
申请号：CN202010914531.7
申请日：2020-09-02
Applicant: 鹏城实验室 , 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种手势识别方法，所述方法包括以下步骤：获取待识别手势的深度图序列；基于所述深度图序列，获取所述深度图序列的关键帧序列；将所述关键帧序列输入预先训练的手势识别模型，以获得所述待识别手势的第一语义序列；基于所述第一语义序列，获得所述待识别手势的语义结果。本发明还公开了基于手势识别的交互方法与混合现实眼镜。采用本发明提供的方法旨在解决现有的基于深度学习的手势识别算法受到深度图的预设算法的误差限制精度低的技术问题。
-
公开(公告)号：CN112183217B
公开(公告)日：2024-12-13
申请号：CN202010914531.7
申请日：2020-09-02
Applicant: 鹏城实验室 , 哈尔滨工业大学(深圳)
IPC: G06V40/20 , G06V10/82 , G06N3/0464 , G06N3/0442 , G06N3/08 , G06N3/044 , G06N3/049
Abstract: 本发明公开了一种手势识别方法，所述方法包括以下步骤：获取待识别手势的深度图序列；基于所述深度图序列，获取所述深度图序列的关键帧序列；将所述关键帧序列输入预先训练的手势识别模型，以获得所述待识别手势的第一语义序列；基于所述第一语义序列，获得所述待识别手势的语义结果。本发明还公开了基于手势识别的交互方法与混合现实眼镜。采用本发明提供的方法旨在解决现有的基于深度学习的手势识别算法受到深度图的预设算法的误差限制精度低的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN112212864A
公开(公告)日：2021-01-12
申请号：CN202010913778.7
申请日：2020-09-02
Applicant: 鹏城实验室 , 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种基于深度学习的火灾场景导航方法及系统、计算机可读存储介质，该方法包括以下步骤：利用当前环境信息确定用户的当前位置；将当前火势信息输入已训练的深度神经网络模型，进行预测得到预估火势信息；根据所述当前火势信息及预估火势信息计算火势变化程度；若所述火势变化程度大于或等于预设值，则根据所述当前位置及预估火势信息利用启发式搜索算法对当前逃生路径进行重新规划；展示所述当前逃生路径，并引导用户进行移动。本发明解决了传统技术无法在火灾场景中提供实时路径导航的问题，实现了在火灾场景中对用户的精确定位以及对最佳逃生路线的实时选取，达到了在火灾场景中为用户提供实时路径导航的效果。
-
公开(公告)号：CN113822906B
公开(公告)日：2024-12-10
申请号：CN202110963016.2
申请日：2021-08-20
Applicant: 鹏城实验室 , 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种适用于红外SLAM的特征提取方法、装置及终端，方法包括：获取待处理图像，提取所述待处理图像的线特征；根据所述待处理图像的线特征确定所述待处理图像的特征点；根据所述待处理图像的每个特征点的周围像素确定每个特征点对应的描述子。本发明对待处理图像，先提取待处理图像的线特征，再根据线特征确定特征点和特征点的描述子，线特征是图像中的边缘信息，在红外图像中，不同距离物体的边缘信息在红外图像中都可以很好地保留下来，采用线特征进行边缘提取可以过滤掉近处纹理的干扰，降低红外SLAM的误匹配率。
-
公开(公告)号：CN113822906A
公开(公告)日：2021-12-21
申请号：CN202110963016.2
申请日：2021-08-20
Applicant: 鹏城实验室 , 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种适用于红外SLAM的特征提取方法、装置及终端，方法包括：获取待处理图像，提取所述待处理图像的线特征；根据所述待处理图像的线特征确定所述待处理图像的特征点；根据所述待处理图像的每个特征点的周围像素确定每个特征点对应的描述子。本发明对待处理图像，先提取待处理图像的线特征，再根据线特征确定特征点和特征点的描述子，线特征是图像中的边缘信息，在红外图像中，不同距离物体的边缘信息在红外图像中都可以很好地保留下来，采用线特征进行边缘提取可以过滤掉近处纹理的干扰，降低红外SLAM的误匹配率。
-
公开(公告)号：CN112446846A
公开(公告)日：2021-03-05
申请号：CN202011369012.3
申请日：2020-11-27
Applicant: 鹏城实验室 , 哈尔滨工业大学(深圳)
IPC: G06T5/50
Abstract: 本发明公开一种融合帧获得方法，所述方法包括以下步骤：通过所述N个相机获取目标区域的N个目标图像，N为大于等于2的正整数；对所述N个目标图像进行特征提取，获得特征点集；基于所述特征点集，获得哈希表；基于所述哈希表，获得地图点集；基于所述哈希表，获得描述子集；基于所述哈希表、所述地图点集和所述描述子集，获得融合帧。本发明还公开了一种融合帧获得装置、SLAM系统以及存储介质。通过本发明获得的融合帧包括较多的视觉特征信息，使得融合帧的准确性较好。
-
公开(公告)号：CN112446846B
公开(公告)日：2025-01-21
申请号：CN202011369012.3
申请日：2020-11-27
Applicant: 鹏城实验室 , 哈尔滨工业大学(深圳)
IPC: G06T5/50
Abstract: 本发明公开一种融合帧获得方法，所述方法包括以下步骤：通过所述N个相机获取目标区域的N个目标图像，N为大于等于2的正整数；对所述N个目标图像进行特征提取，获得特征点集；基于所述特征点集，获得哈希表；基于所述哈希表，获得地图点集；基于所述哈希表，获得描述子集；基于所述哈希表、所述地图点集和所述描述子集，获得融合帧。本发明还公开了一种融合帧获得装置、SLAM系统以及存储介质。通过本发明获得的融合帧包括较多的视觉特征信息，使得融合帧的准确性较好。
-
-
-
-
-
-
-
-
-
Search Results
65
records
(took 0.037 seconds)
