-
公开(公告)号：CN110377969B
公开(公告)日：2023-02-21
申请号：CN201910566107.5
申请日：2019-06-27
Applicant: 东南大学
Abstract: 本发明公开了一种基于ELM的区域电离层延迟实时建模方法。首先根据CORS站观测值获得信号穿刺点处电离层VTEC值和穿刺点经纬度，建立区域电离层球谐函数模型；然后使用球谐函数模型求解各穿刺点的VTEC模型值和模型值残差；其次建立ELM模型，将穿刺点经纬度、球谐函数模型自变量参数、VTEC模型值作为ELM模型输入参数，VTEC模型值残差作为输出参数，构建学习样本数据进行训练建模；最后利用训练好的ELM模型实时计算模型残差补偿值，结合VTEC球谐函数模型值得到VTEC预测值。使用本发明提出的方法，能够实时建立区域高精度电离层延迟模型。
-
公开(公告)号：CN110084850A
公开(公告)日：2019-08-02
申请号：CN201910270280.0
申请日：2019-04-04
Applicant: 东南大学
Abstract: 本发明公开了一种基于图像语义分割的动态场景视觉定位方法，属于SLAM（Simultaneous Localization and Mapping，同步定位与建图）领域。本发明首先采用深度学习中的有监督学习方式对原始图像中的动态物体进行分割，得到语义图像；在此基础上，从原始图像中提取ORB特征点并根据语义图像对动态物体特征点进行剔除；最后，基于剔除后的特征点采用基于点特征的单目SLAM方法对相机运动进行定位跟踪。定位结果表明，相比于传统方法，本发明公开的方法在动态场景中的定位精度提高13%到30%。
-
公开(公告)号：CN110030994A
公开(公告)日：2019-07-19
申请号：CN201910216776.X
申请日：2019-03-21
Applicant: 东南大学
IPC: G01C21/16
Abstract: 本发明公开了一种基于单目的鲁棒性视觉惯性紧耦合定位方法，步骤包括：通过相机采集视觉数据，通过IMU单元采集惯性数据；进行IMU预积分，并得到IMU先验值；将所述IMU先验值代入视觉惯性联合初始化模型，完成参数的初始化；在所述参数的初始化所需时间内，利用连续关键帧之间的变换矩阵计算运动信息，带入视觉惯性融合定位框架的后端模块，实现紧耦合定位；参数的初始化完成后，转而将所述参数带入视觉惯性融合定位模型，计算得到运动信息，带入视觉惯性融合定位框架的后端模块，实现紧耦合定位。使用本发明提出的方法，初始化时间可缩短至10秒内，相比传统的基于ORB_SLAM2的单目视觉惯性定位系统，定位精度可提高约30%。
-
公开(公告)号：CN110084850B
公开(公告)日：2023-05-23
申请号：CN201910270280.0
申请日：2019-04-04
Applicant: 东南大学
IPC: G06T7/73 , G06T7/10 , G06N3/0464
Abstract: 本发明公开了一种基于图像语义分割的动态场景视觉定位方法，属于SLAM（Simultaneous Localization and Mapping，同步定位与建图）领域。本发明首先采用深度学习中的有监督学习方式对原始图像中的动态物体进行分割，得到语义图像；在此基础上，从原始图像中提取ORB特征点并根据语义图像对动态物体特征点进行剔除；最后，基于剔除后的特征点采用基于点特征的单目SLAM方法对相机运动进行定位跟踪。定位结果表明，相比于传统方法，本发明公开的方法在动态场景中的定位精度提高13%到30%。
-
公开(公告)号：CN108981693A
公开(公告)日：2018-12-11
申请号：CN201810685385.8
申请日：2018-06-28
Applicant: 东南大学
Abstract: 本发明公开了一种基于单目相机的VIO快速联合初始化方法，包括如下步骤：(1)用ORB-SLAM处理几秒钟的视频以获得初始的位姿和几个关键帧；(2)通过步骤(1)中的关键帧与IMU预积分构建代价函数计算陀螺仪偏差；(3)通过解算连续帧间的线性模型求取重力加速度计偏置、重力加速度、重力加速度校准与重力加速度计偏置；(4)通过步骤(3)中的重力加速度校准与参数分离求出尺度与速度信息。本发明的初始化方法具有更快的初始化速度，对定位精度影响很小，本发明提出的方法可以将初始化时间控制在10秒以内；提高联合初始化的速度对于提高实时性具有重要意义。
-
Patent Agency Ranking
公开(公告)号：CN110030994B
公开(公告)日：2022-08-05
申请号：CN201910216776.X
申请日：2019-03-21
Applicant: 东南大学
IPC: G01C21/16
Abstract: 本发明公开了一种基于单目的鲁棒性视觉惯性紧耦合定位方法，步骤包括：通过相机采集视觉数据，通过IMU单元采集惯性数据；进行IMU预积分，并得到IMU先验值；将所述IMU先验值代入视觉惯性联合初始化模型，完成参数的初始化；在所述参数的初始化所需时间内，利用连续关键帧之间的变换矩阵计算运动信息，带入视觉惯性融合定位框架的后端模块，实现紧耦合定位；参数的初始化完成后，转而将所述参数带入视觉惯性融合定位模型，计算得到运动信息，带入视觉惯性融合定位框架的后端模块，实现紧耦合定位。使用本发明提出的方法，初始化时间可缩短至10秒内，相比传统的基于ORB_SLAM2的单目视觉惯性定位系统，定位精度可提高约30%。
-
公开(公告)号：CN109029448A
公开(公告)日：2018-12-18
申请号：CN201810685436.7
申请日：2018-06-28
Applicant: 东南大学
CPC classification number: G01C21/206 , G01C21/165
Abstract: 本发明公开了一种单目视觉惯性定位的IMU辅助跟踪模型，包括：初始化阶段和初始化完成后的阶段；初始化阶段时，在匀速模型设定当前帧初始平移的基础上，将IMU获取的原始数据做预积分，解算得到IMU先验旋转，获得当前帧的初始位姿；初始化完成后，在提供初始位姿的基础上，加入IMU预积分的先验速度信息，由以上计算的初始状态建立跟踪模型，实现精确定位。本发明能够有效的克服剧烈运动等影响。
-
公开(公告)号：CN108731700A
公开(公告)日：2018-11-02
申请号：CN201810239808.3
申请日：2018-03-22
Applicant: 东南大学
Abstract: 本发明公开了一种视觉惯性里程计中的加权欧拉预积分方法，惯性测量单元的预积分在VIO处理流程中是很重要的数据预处理部分，提高预积分的精度对于后续的联合初始化、运动估计及优化具有重要意义。本发明方法首先在积分运动模型上使用加权欧拉预积分，然后将两关键帧间的IMU测量值通过迭代求和处理，得到两关键帧之间的运动约束，再通过公式处理进一步得到相对运动增量模型以及预积分测量模型。与传统的预积分方法相比，提出的方法能充分利用测量的角速度和加速度测量值，并且更真实地反映速度和角度的变化趋势。在视觉与惯性器件紧耦合的系统中，使用EuRoc MAV数据集，实验结果较理想，在定位精度上有显著的提升，RMSE提高约40％。
-
公开(公告)号：CN109029448B
公开(公告)日：2021-11-12
申请号：CN201810685436.7
申请日：2018-06-28
Applicant: 东南大学
Abstract: 本发明公开了一种单目视觉惯性定位的IMU辅助跟踪模型，包括：初始化阶段和初始化完成后的阶段；初始化阶段时，在匀速模型设定当前帧初始平移的基础上，将IMU获取的原始数据做预积分，解算得到IMU先验旋转，获得当前帧的初始位姿；初始化完成后，在提供初始位姿的基础上，加入IMU预积分的先验速度信息，由以上计算的初始状态建立跟踪模型，实现精确定位。本发明能够有效的克服剧烈运动等影响。
-
公开(公告)号：CN108981693B
公开(公告)日：2021-10-29
申请号：CN201810685385.8
申请日：2018-06-28
Applicant: 东南大学
Abstract: 本发明公开了一种基于单目相机的VIO快速联合初始化方法，包括如下步骤：(1)用ORB‑SLAM处理几秒钟的视频以获得初始的位姿和几个关键帧；(2)通过步骤(1)中的关键帧与IMU预积分构建代价函数计算陀螺仪偏差；(3)通过解算连续帧间的线性模型求取重力加速度计偏置、重力加速度、重力加速度校准与重力加速度计偏置；(4)通过步骤(3)中的重力加速度校准与参数分离求出尺度与速度信息。本发明的初始化方法具有更快的初始化速度，对定位精度影响很小，本发明提出的方法可以将初始化时间控制在10秒以内；提高联合初始化的速度对于提高实时性具有重要意义。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.02 seconds)
