-
公开(公告)号：CN116403133A
公开(公告)日：2023-07-07
申请号：CN202310228534.9
申请日：2023-03-09
申请人： 广东工业大学
IPC分类号： G06V20/40 , G06V10/25 , G06V10/44 , G06V10/774 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/08 , G06N3/0464
摘要： 本发明涉及目标检测技术领域，且公开了一种基于YOLO v7改进的车辆检测算法，包括：步骤S1，获取Vehicle‑Dataset车辆检测数据集，对获得的所有数据集进行马赛克数据增强扩充样本集；步骤S2，基于现有YOLO v7算法的网络结构进行优化，得到改进的YOLO v7的目标检测算法；步骤S3，基于所述马赛克数据增强后的数据集，训练改进后的YOLO v7目标检测网络，获取平均精确度最高的权重文件，用于Pytorch环境下的目标检测算法；步骤S4，利用所述改进后的YOLO v7目标检测算法检测视频或图片，输出检测后的视频或图片。在保证检测速度的同时，解决小目标漏检、背景识别错误的问题。
-
公开(公告)号：CN114898062A
公开(公告)日：2022-08-12
申请号：CN202210595103.1
申请日：2022-05-28
申请人： 广东工业大学
摘要： 本发明实施例提供了一种基于动态场景下SLAM的地图构建方法及装置，包括：使用RGB‑D相机获取输入图像；对当前帧的RGB图像转换为灰度图，进行ORB特征点提取；得到语义分割图；对语义分割图进行深度补偿，将分割不完整的物体补全；根据语义分割图中动态物体像素的位置，剔除分布在动态物体上的特征点；利用静态特征点对进行相机位姿计算；生成关键帧，利用关键帧进行静态环境稠密点云建立地图，对于每一帧提取动态物体的像素点，进行动态稠密点云建立地图；生成关键帧，利用关键帧进行静态环境稠密点云建立地图提升了位姿估计精度，优化了稠密点云建图效果；能够显示动态物体运动模型的点云，能够将动态物体在全局环境下的运动模型可视化。
-
公开(公告)号：CN115358941A
公开(公告)日：2022-11-18
申请号：CN202210917151.8
申请日：2022-08-01
申请人： 广东工业大学
摘要： 本发明公开了一种基于深度图修复的实时语义vSLAM算法，涉及计算机视觉技术领域。该基于深度图修复的实时语义vSLAM算法，采用不阻塞跟踪线程结构，语义线程分割最新输入帧，跟踪线程利用最新分割帧，使跟踪线程不必等待语义线程分割完成才开始进行位姿的计算，提高了系统的实时性，满足现实世界SLAM系统的应用，使用Deeplabv3+语义分割算法来获取图像的语义分割图，比现有技术使用的Segnet以及Mask‑RCNN的分割速度快，还能满足高精度分割结果的要求。利用LK多层光流法配对ORB关键点来剔除动态点，弥补语义延迟。还提出利用深度图恢复语义图像方法来修复语义分割缺失部分，提高分割精度。
-
-
搜索结果
3 条记录 (耗时 0.031 秒)
