买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜重庆高开清芯科技产业发展有限公司申请的专利一种适于动态环境中单目视觉相机的位姿估计方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN110298884B 。

龙图腾网通过国家知识产权局官网在2023-05-30发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：201910444196.6，技术领域涉及：G06T7/73；该发明授权一种适于动态环境中单目视觉相机的位姿估计方法是由林孝康;罗一鸣;傅嵩设计研发完成，并于2019-05-27向国家知识产权局提交的专利申请。

本一种适于动态环境中单目视觉相机的位姿估计方法在说明书摘要公布了：本发明提供一种适于动态环境中单目视觉相机的位姿估计方法，方法包括：获取图像，对每一帧图像进行ORB特征点检测；对连续两帧图像进行特征点局部匹配；判断特征点是否满足约束条件，若不满足约束条件，则将该特征点标记为动态点；对每一帧图像进行实例级分割得到物体轮廓，当得到的物体轮廓内动态点的个数超过阈值，则将物体轮廓内的所有特征点标记为动态点；利用RANSAC算法对未标记的动态点的特征点进行特征匹配，计算相机位姿变换的基础矩阵，得到相机旋转矩阵和平移向量，实现相机位姿估计。本发明提供能够提高相机位姿的准确度，从而提高整个SLAM系统的精度。

本发明授权一种适于动态环境中单目视觉相机的位姿估计方法在权利要求书中公布了：1.一种适于动态环境中单目视觉相机的位姿估计方法，其特征在于，所述方法包括：获取图像，对每一帧图像进行ORB特征点检测；对连续两帧图像进行特征点局部匹配；判断特征点是否满足约束条件，若不满足约束条件，则将该特征点标记为动态点；所述约束条件包括极线约束和FVB约束；获取图像，对每一帧图像进行实例级分割得到物体轮廓，其中，对每个目标对象，在FasterR-CNN测试网络结构，增加一个指示对象在窗口中像素位置的二进制掩模图像的输出，通过卷积和最大池化层把二进制掩模图像压缩至原始大小的132进行分类预测；当得到的物体轮廓内动态点的个数超过阈值，则将物体轮廓内的所有特征点标记为动态点；利用RANSAC算法对未标记的动态点的特征点进行特征匹配，计算相机位姿变换的基础矩阵，得到相机旋转矩阵和平移向量，实现相机位姿估计；通过RANSAC算法循环计算得到误差最小的基础矩阵；由F＝K-Tt×RK-1将得到误差最小的基础矩阵进行分解，求得对应的相机旋转矩阵R和平移向量t，其中，K为相机内参，F为基础矩阵；任选一未标记的动态点的特征点对得到的相机旋转矩阵R和平移向量t进行验证，当选取的未标记的动态点的特征点，经过相机旋转矩阵R和平移向量t变换得到的像点坐标深度为负，则舍弃该相机旋转矩阵R和平移向量t；对每个目标对象，在FasterR-CNN测试网络结构，增加一个指示对象在窗口中像素位置的二进制掩模图像的输出，通过卷积和最大池化层把二进制掩模图像压缩至原始大小的132进行分类预测，具体包括：在FasterR-CNN测试网络结构上添加完全卷积网络，作为一个分支网络；在第一个阶段，通过FasterR-CNN测试网络结构，扫描图像并生成提议；在第二阶段，通过完全卷积网络分类提议并生成边界框和掩码；第一阶段中，对于每个图像，FasterR-CNN测试网络结构都有两个输出，第一个分类标签，第二个候选窗口；对每个目标对象，在FasterR-CNN测试网络结构，增加一个指示对象在窗口中像素位置的二进制掩模图像的输出，通过卷积和最大池化层把二进制掩模图像压缩至原始大小的132进行分类预测；在这个细粒度级别进行分类预测，通过卷积和最大池化层把二进制掩模图像压缩至原始大小的132进行分类预测后，通过上采样和去卷积层进行图像还原；从而分割目标像素。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人重庆高开清芯科技产业发展有限公司，其通讯地址为：400039 重庆市九龙坡区科城路60号康田西锦荟2幢9层15号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。