欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2023106161881
申请人: 昆明理工大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于改进的YOLOv5通过加权特性实现动态场景下的视觉SLAM优化方法,其特征在于,包括:步骤1:获取图像帧的RGB图像与深度图像;

步骤2:将RGB图像通过改进的YOLOv5网络分割出先验的动态物体对象语义掩码;

步骤3:将先验的动态物体对象语义掩码进行基于区域增长算法的分割边界优化,获得边界优化语义掩码;

步骤4:将边界优化语义掩码进行ORB语义静态特征点的提取;

步骤5:将RGB图像、深度图像通过多视图几何检测出潜在的动态物体对象几何掩码;

步骤6:将边界优化语义掩码与潜在动态物体对象几何掩码相结合得到动态目标检测结果;根据动态目标检测结果给ORB语义静态特征点赋予权值,获得语义静态特征点的初始化权值;

步骤7:依据语义静态特征点的初始化权值,通过BA联合优化估计相机位姿和ORB语义静态特征点的权值;

步骤8:对经过优化后的相机位姿进行地图构建与回环检测。

2.根据权利要求1所述的基于改进的YOLOv5通过加权特性实现动态场景下的视觉SLAM优化方法,其特征在于,所述改进YOLOv5网络,用于同时进行目标检测与语义分割;包括编码器和解码器,编码器由一个backbone网络和一个neck网络组成,依据backbone网络获得五个骨干输出特征,依据neck网络获得三个颈部输出特征;解码器包括检测头和分割头,分割头包括三个上采样模块,将backbone网络的第二骨干输出特征及neck网络的第三颈部输出特征作为第一上采样模块的输入,将第一上采样模块的输出及backbone网络的第一骨干输出特征作为第二上采样模块的输入,将第二上采样模块的输出作为第三上采样模块的输入,第三上采样模块的输出作为分割头的输出。

3.根据权利要求1所述的基于改进的YOLOv5通过加权特性实现动态场景下的视觉SLAM优化方法,其特征在于,所述步骤3,包括:步骤3.1、对各先验的动态物体选取种子点O′,并加入种子列表中;种子点O′的位置计算为:式中,(xj,yj)为当前先验的动态物体对象语义掩码内的第j个像素点;n是像素点总个数;

步骤3.2、判断种子点列表是否为空,如果种子点列表为空;则结束进程,如果种子点列表不为空;则从列表中随机取出一个种子点;

步骤3.3、对取出的种子点位置标记为已生长区域,并遍历种子点领域内的点;

步骤3.4、如果种子点领域内的点与种子点的深度差值小于设定的第一阈值Th,则该点的像素值设为255,并将该点放入种子点列表中,重复步骤3.2~3.4,直到种子点列表为空,算法结束,获得边界优化语义掩码;否则,直接重复步骤3.2~3.4,直到种子点列表为空,算法结束,获得边界优化语义掩码。

4.根据权利要求3所述的基于改进的YOLOv5通过加权特性实现动态场景下的视觉SLAM优化方法,其特征在于,所述第一阈值Th=ω1*d;其中,ω1为深度权值;d为深度图的比例因子。

5.根据权利要求1所述的基于改进的YOLOv5通过加权特性实现动态场景下的视觉SLAM优化方法,其特征在于,所述通过BA联合优化估计相机位姿和ORB语义静态特征点的权值,具体为:将BA优化乘以语义静态特征点的初始化权值,估计相机位姿和ORB语义静态特征点的权值。

6.一种基于改进的YOLOv5通过加权特性实现动态场景下的视觉SLAM优化系统,其特征在于,包括:用于获取图像帧的RGB图像与深度图像的模块;

用于将RGB图像通过改进的YOLOv5网络分割出先验的动态物体对象语义掩码的模块;

用于将先验的动态物体对象语义掩码进行基于区域增长算法的分割边界优化,获得边界优化语义掩码的模块;

用于将边界优化语义掩码进行ORB语义静态特征点的提取的模块;

用于将RGB图像、深度图像通过多视图几何检测出潜在的动态物体对象几何掩码的模块;

用于将边界优化语义掩码与潜在动态物体对象几何掩码相结合得到动态目标检测结果;根据动态目标检测结果给ORB语义静态特征点赋予权值,获得语义静态特征点的初始化权值的模块;

用于依据语义静态特征点的初始化权值,通过BA联合优化估计相机位姿和ORB语义静态特征点的权值的模块;

用于对经过优化后的相机位姿进行地图构建与回环检测的模块。