公开(公告)号：CN116228816A

公开(公告)日：2023-06-06

申请号：CN202310157589.5

申请日：2023-02-23

Applicant: 三峡大学

Inventor： 冉昌艳 ,  李维文

IPC: G06T7/246 ,  G06V10/75 ,  G06V10/40

Abstract: 一种融合深度学习特征匹配的同步跟踪与建图方法，它包括以下步骤：步骤S1、采集视觉前端图像，进行初始化；步骤S2、通过特征匹配估计运动位姿，跟踪局部地图，决定下一关键帧；步骤S3、依据关键帧信息，构建局部地图；步骤S4、回环检测和优化。本发明提供一种融合深度学习特征匹配的同步跟踪与建图方法，解决现有SLAM方法在动态、低纹理等环境中跟踪效果差、位姿解算误差大的技术问题。

公开(公告)号：CN112381844B

公开(公告)日：2022-12-02

申请号：CN202011264191.4

申请日：2020-11-12

Applicant: 三峡大学

Inventor： 冉昌艳 ,  吴佳慧 ,  李维文 ,  孙水发 ,  汪方毅 ,  崔文超

IPC: G06T7/12 ,  G06T7/13 ,  G06V10/75

Abstract: 本发明公开了基于图像分块的自适应ORB特征提取方法，包括图像分块；构造金字塔；改进的FAST特征提取；利用Harris角点分数高低，选取前Sum个较好的特征点；在原图中显示特征点位置。本发明为图像匹配提供了一种基于图像分块的自适应ORB特征提取方法，可以让较好的特征点更加均匀的分布在图像中，提高了图像匹配成功率。

公开(公告)号：CN115641456A

公开(公告)日：2023-01-24

申请号：CN202211248056.X

申请日：2022-10-12

Applicant: 三峡大学

Inventor： 冉昌艳 ,  李维文

IPC: G06V10/75 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 一种基于RepVGG轻量级网络的图像匹配方法，步骤为：步骤S1、构建轻量级特征提取网络，提取多通道特征图。步骤S2、从多通道特征图中提取特征点和计算描述子。步骤S3、使用FLANN算法进行特征匹配。步骤S4、采用改进的RANSAC算法剔除误匹配，得到最终匹配对。本发明是基于深度学习的一种特征匹配方法，提出了一种基于RepVGG轻量级网络的图像匹配方法。以RepVGG网络为基础，结合GCNv2网络的特点，针对图像匹配领域设计了一种结构简单、可读性强的轻量级特征匹配网络，节省算力的同时，使网络训练负担更小，易于训练和部署。

公开(公告)号：CN112381844A

公开(公告)日：2021-02-19

申请号：CN202011264191.4

申请日：2020-11-12

Applicant: 三峡大学

Inventor： 冉昌艳 ,  吴佳慧 ,  李维文 ,  孙水发 ,  汪方毅 ,  崔文超

IPC: G06T7/12 ,  G06T7/13 ,  G06K9/62

Abstract: 本发明公开了基于图像分块的自适应ORB特征提取方法，包括图像分块；构造金字塔；改进的FAST特征提取；利用Harris角点分数高低，选取前Sum个较好的特征点；在原图中显示特征点位置。本发明为图像匹配提供了一种基于图像分块的自适应ORB特征提取方法，可以让较好的特征点更加均匀的分布在图像中，提高了图像匹配成功率。