申请/专利权人：南昌大学

申请日：2023-06-09

公开（公告）日：2023-09-15

公开（公告）号：CN116758116A

主分类号：G06T7/246

分类号：G06T7/246;G06V10/46;G06V10/82;G06V10/22;G06V10/762

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.10.03#实质审查的生效;2023.09.15#公开

摘要：本发明提出了一种基于YOLO的面向室内动态场景的VSLAM方法，包括1）采集彩色图像和深度图像，输入SLAM系统；提取特征点及深度，并将特征点ID与深度值一一对应；2）通过YOLO目标检测算法检测图像中的物体，并获取其检测框；3）对于动态物体，将检测框中的特征点进行基于深度的聚类，将动态特征点进一步分离出来；4）对于潜在的动态物体，利用多视图几何原理结合深度阈值判断其动态性，当该物体被判断为动态物体时，认为其检测框内的特征点均为动态特征点；5）将所有动态特征点剔除，其余特征点输入SLAM系统，进行后续跟踪、建图和回环检测线程。与传统的视觉SLAM算法对比，本发明方法的精度可提升至96.58%。

主权项：1.一种基于YOLO的面向室内动态场景的VSLAM方法，其特征在于，包括以下步骤：步骤S1、通过深度相机采集彩色图像和深度图像，将彩色图像和深度图像输入SLAM系统；对彩色图像提取ORB特征点，通过深度图像获取特征点深度，并将特征点ID与特征点深度值一一对应；步骤S2、通过YOLO目标检测算法检测图像中的物体，将物体分为动态物体、潜在的动态物体和静态物体，并获取其检测框；步骤S3、对于动态物体，将检测框中的特征点进行基于深度的聚类，将动态特征点进一步分离出来；步骤S4、对于潜在的动态物体，利用多视图几何原理结合深度阈值判断其动态性，当该物体被判断为动态物体时，认为其检测框内的特征点均为动态特征点；步骤S5、将所有动态特征点剔除，其余特征点输入SLAM系统，进行后续跟踪、建图和回环检测线程。

全文数据：

权利要求：

百度查询： 南昌大学 一种基于YOLO的面向室内动态场景的VSLAM方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD