公开(公告)号：CN113284173A

公开(公告)日：2021-08-20

申请号：CN202110421794.9

申请日：2021-04-20

Applicant: 中国矿业大学

Inventor： 邓慧颖 ,  王光明 ,  缪燕子 ,  王贺升

IPC: G06T7/521

Abstract: 本发明提供了一种基于伪激光雷达的端到端的场景流、位姿联合学习方法，其过程为，首先利用深度网络获得连续两帧单目图像的深度图，并将深度图生成两帧图像对应的伪点云，再将伪点云和激光雷达点云分别生成L层金字塔，在对伪点云和激光雷达点云进行逐层融合之后输入场景流‑位姿网络，实现场景流和位姿的联合估计。本发明采用了深度学习方法，端到端地进行位姿及场景流学习，使用了伪点云和激光雷达点云分层特征提取再融合的方法，并利用分割掩膜实现动态场景流和位姿的联合学习。本发明对伪点云和激光雷达点云进行融合，提高了网络估计的准确性，有利于实际应用。

公开(公告)号：CN113284173B

公开(公告)日：2023-12-19

申请号：CN202110421794.9

申请日：2021-04-20

Applicant: 中国矿业大学

Inventor： 邓慧颖 ,  王光明 ,  缪燕子 ,  王贺升

IPC: G06T7/521

Abstract: 本发明提供了一种基于伪激光雷达的端到端的场景流、位姿联合学习方法，其过程为，首先利用深度网络获得连续两帧单目图像的深度图，并将深度图生成两帧图像对应的伪点云，再将伪点云和激光雷达点云分别生成L层金字塔，在对伪点云和激光雷达点云进行逐层融合之后输入场景流‑位姿网络，实现场景流和位姿的联合估计。本发明采用了深度学习方法，端到端地进行位姿及场景流学习，使用了伪点云和激光雷达点云分层特征提取再融合的方法，并利用分割掩膜实现动态场景流和位姿的联合学习。本发明对伪点云和激光雷达点云进行融合，提高了网络估计的准确性，有利于实际应用。