-
公开(公告)号：CN116524026A
公开(公告)日：2023-08-01
申请号：CN202310505675.0
申请日：2023-05-08
申请人： 哈尔滨理工大学
IPC分类号： G06T7/73 , G06T7/579 , G06T7/254 , G06V10/26 , G06T7/246 , G06T7/33 , G06T7/37 , G06T7/13 , G01C21/20
摘要： 本发明公开了一种基于频域和语义的动态SLAM方法，完成在高动态与复杂光照环境中的定位与建图任务。首先，为精确获得物体的运动区域，采用傅里叶梅林算法在频域对图像进行配准以补偿相机运动，随后应用帧间差分算法获得图像的运动掩膜。同时，图像通过短时密集连接(STDC)网络进行语义分割得到潜在运动物体掩膜。将运动掩膜与物体掩膜相结合，获得最终的物体运动区域，对落在该区域的特征点进行剔除。最后，依据稳定的静态特征点跟踪优化，提升位姿精度。在公开数据集与现实环境中的测试结果表明，本方法在复杂动态场景下具有良好的定位精度与鲁棒性，能够有效的降低运动模糊与光照变化对于运动检测的影响。
-
公开(公告)号：CN117421384B
公开(公告)日：2024-09-17
申请号：CN202311384144.7
申请日：2023-10-24
申请人： 哈尔滨理工大学
摘要： 基于共视投影匹配的视觉惯性SLAM系统滑窗优化方法，涉及SLAM技术领域。本发明是为了解决现有视觉惯性SLAM系统后端的滑动窗口优化方法精度低的问题。本发明在不改变滑动窗口优化快速性的前提下，通过共视投影匹配关系改进滑动窗口优化方法，消除了“影子”地图点，提高了地图点精度；增加了关键帧成功匹配地图点的数量，扩大了关键帧的观测视野，新增了SLAM系统的视觉观测约束，从而提高了滑动窗口优化估计位姿的精度，进而提高了移动机器人的定位精度。
-
公开(公告)号：CN117315547A
公开(公告)日：2023-12-29
申请号：CN202311347737.6
申请日：2023-10-18
申请人： 哈尔滨理工大学
摘要： 本发明提出了一种解决动态物体大占比的视觉SLAM方法，旨在解决动态物体在图像中占比大时，SLAM算法的定位精度低和实时性差的问题，具体包括：首先输入连续图像帧到改进的轻量化目标检测网络(SG‑YOLOv5s)中，提取图像中动态物体语义信息，获得动态物体自适应锚框，同时提取ORB特征点，然后基于几何约束法剔除锚框内的动态特征点，利用PROSAC算法剔除锚框外的动态特征点，最后利用静态特征点进行位姿估计和建图。本发明准确有效的剔除了动态区域内的动态特征点，保留了静态特征点，减少了动态区域外的误匹配点，降低了动态环境对SLAM系统的影响，提高了系统的实时性，同时提升了系统的位姿估计和建图精度。
-
公开(公告)号：CN116524026B
公开(公告)日：2023-10-27
申请号：CN202310505675.0
申请日：2023-05-08
申请人： 哈尔滨理工大学
IPC分类号： G06T7/73 , G06T7/579 , G06T7/254 , G06V10/26 , G06T7/246 , G06T7/33 , G06T7/37 , G06T7/13 , G01C21/20
摘要： 本发明公开了一种基于频域和语义的动态SLAM方法，完成在高动态与复杂光照环境中的定位与建图任务。首先，为精确获得物体的运动区域，采用傅里叶梅林算法在频域对图像进行配准以补偿相机运动，随后应用帧间差分算法获得图像的运动掩膜。同时，图像通过短时密集连接(STDC)网络进行语义分割得到潜在运动物体掩膜。将运动掩膜与物体掩膜相结合，获得最终的物体运动区域，对落在该区域的特征点进行剔除。最后，依据稳定的静态特征点跟踪优化，提升位姿精度。在公开数据集与现实环境中的测试结果表明，本方法在复杂动态场景下具有良好的定位精度与鲁棒性，能够有效的降低运动模糊与光照变化对于运动检测的影响。
-
公开(公告)号：CN117036408A
公开(公告)日：2023-11-10
申请号：CN202311054988.5
申请日：2023-08-22
申请人： 哈尔滨理工大学
摘要： 本发明公开了一种动态环境下联合多目标跟踪的物体SLAM方法，完成在动态环境中对动态与静态对象的定位与建图任务。首先，为精确获得物体的运动区域，通过短时密集连接(STDC)网络进行语义分割得到运动物体掩膜，依据运动物体掩膜对特征点进行区分得到静态特征点与动态特征点。同时，将图像输入到单目3D目标检测(SMOKE)网络进行三维目标检测，并将检测结果输入到数据关联模块进行多目标跟踪。利用动静态特征点与数据关联后的目标位姿共同估计相机与动静态物体位姿。最后，依据动静态特征点、相机与动静态物体位姿进行跟踪优化，提升定位与建图精度。本方法与传统SLAM方法相比，有效提升了SLAM系统的鲁棒性，建立的地图语义明确、可解释性好。
-
公开(公告)号：CN118351145A
公开(公告)日：2024-07-16
申请号：CN202410523480.3
申请日：2024-04-28
申请人： 哈尔滨理工大学
摘要： 本发明提出了一种拥挤环境下基于机器视觉的自适应多目标跟踪方法，旨在解决拥挤场景中的目标跟踪问题。通过结合级联RANSAC和USAC方法来消除相机运动造成的误差，并通过卡尔曼滤波器进行补偿，以提高跟踪的稳定性。该跟踪器利用卡尔曼滤波器估计的轨迹与实际检测结果，计算IoU距离、马氏距离与外观特征的余弦距离，融合这些信息以形成成本矩阵，并通过全局线性匹配实现有效的数据关联。最后根据检测置信度调整噪声协方差矩阵，优化卡尔曼滤波的更新过程，以准确预测未来帧。在MOT17和MOT20数据集上的测试结果显示出本发明在复杂和拥挤环境下的高跟踪精度和鲁棒性。
-
公开(公告)号：CN117830571A
公开(公告)日：2024-04-05
申请号：CN202311868668.3
申请日：2023-12-30
申请人： 哈尔滨理工大学
摘要： 本发明旨在解决传统粒子群方法在路径规划上对初始化条件敏感、参数调整困难、容易陷入局部最优解和收敛速度慢等问题，公开了一种多约束优化的UUV粒子群三维路径规划方法，具体包括：在传统粒子群算法的基础上，利用预先寻优对部分粒子进行初始化，并在起点和终点直线之间生成初始种群；寻优时引入模拟退火准则作为一种局部搜索机制，并在位置更新时根据模拟退火原理进行调整；当模拟退火无法更新个体时，通过一次变异操作增加了搜索空间；在粒子进行速度和位置更新时，对其上下界进行限制并修正，避免速度过大或过小导致粒子跑偏或停滞，同时避免粒子位置出现偏差而偏离地图；最后让部分个体进行局部搜索，以进一步提高收敛性能。
-
公开(公告)号：CN117036408B
公开(公告)日：2024-03-29
申请号：CN202311054988.5
申请日：2023-08-22
申请人： 哈尔滨理工大学
摘要： 本发明公开了一种动态环境下联合多目标跟踪的物体SLAM方法，完成在动态环境中对动态与静态对象的定位与建图任务。首先，为精确获得物体的运动区域，通过短时密集连接(STDC)网络进行语义分割得到运动物体掩膜，依据运动物体掩膜对特征点进行区分得到静态特征点与动态特征点。同时，将图像输入到单目3D目标检测(SMOKE)网络进行三维目标检测，并将检测结果输入到数据关联模块进行多目标跟踪。利用动静态特征点与数据关联后的目标位姿共同估计相机与动静态物体位姿。最后，依据动静态特征点、相机与动静态物体位姿进行跟踪优化，提升定位与建图精度。本方法与传统SLAM方法相比，有效提升了SLAM系统的鲁棒性，建立的地图语义明确、可解释性好。
-
公开(公告)号：CN117421384A
公开(公告)日：2024-01-19
申请号：CN202311384144.7
申请日：2023-10-24
申请人： 哈尔滨理工大学
摘要： 基于共视投影匹配的视觉惯性SLAM系统滑窗优化方法，涉及SLAM技术领域。本发明是为了解决现有视觉惯性SLAM系统后端的滑动窗口优化方法精度低的问题。本发明在不改变滑动窗口优化快速性的前提下，通过共视投影匹配关系改进滑动窗口优化方法，消除了“影子”地图点，提高了地图点精度；增加了关键帧成功匹配地图点的数量，扩大了关键帧的观测视野，新增了SLAM系统的视觉观测约束，从而提高了滑动窗口优化估计位姿的精度，进而提高了移动机器人的定位精度。
-
-
-
-
-
-
-
-
搜索结果
9 条记录 (耗时 0.03 秒)