申请/专利权人：中南林业科技大学

申请日：2023-10-12

公开（公告）日：2023-12-22

公开（公告）号：CN117274313A

主分类号：G06T7/246

分类号：G06T7/246;G06T7/73;G06T1/20;G06V20/40;G06V20/56;G06V10/46;G06V10/62;G06V10/764;G06V10/82;G06V10/96

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.01.12#实质审查的生效;2023.12.22#公开

摘要：本发明提供一种复杂动态场景下视觉SLAM系统、VSLAM方法，该系统包括视觉传感器、跟踪线程、目标检测模块、逻辑判别模块、局部建图线程、回环线程和全部BA线程，目标检测模块为改进的目标检测网络yolov5s，其中，改进的目标检测网络yolov5s包括输入端、Backbone网络、Neck网络和Head网络，Backbone网络采用轻量级网络Ghostnet，轻量级网络Ghostnet融入CA注意力机制，更好的捕捉环境中的动态因素，目标检测模块以线程的形式高效地嵌入到跟踪线程中，目标检测模块用于检测物体类别。本发明通过改进的目标检测网络yolov5s和逻辑判别模块对视觉SLAM系统前端的动态特征点进行快速剔除，提高了整个视觉SLAM系统的准确率和效率，平衡了定位精度和计算复杂度之间的竞争需求。

主权项：1.一种动态场景下轻量化视觉SLAM系统，其特征在于，包括视觉传感器、跟踪线程、目标检测模块、逻辑判别模块、局部建图线程、回环线程和全部BA线程，其中，所述视觉传感器采用RGBD相机，所述RGBD相机用于采集场景图像；所述目标检测模块为改进的目标检测网络yolov5s，其中，改进的所述目标检测网络yolov5s包括输入端、Backbone网络、Neck网络和Head网络，所述Backbone网络采用轻量级网络Ghostnet，所述轻量级网络Ghostnet融入CA注意力机制，所述目标检测模块以线程的形式嵌入到所述跟踪线程中，所述目标检测模块用于检测物体类别；所述逻辑判别模块用于判别所述目标检测模块检测的物体类别为动态目标还是静态目标，并针对动态目标和静态目标来判别是否剔除；所述跟踪线程包括ORB特征点提取模块，所述跟踪线程通过所述ORB特征点提取模块将所述RGBD相机采集的场景图像进行ORB特征点提取，将动态目标对应的ORB特征点剔除后，剩下的静态目标ORB特征点进行特征匹配恢复RGBD相机位姿，在获得初始位姿后进行局部位姿优化，然后进行关键帧的审核与生成；当待处理关键帧队列非空时，所述局部建图线程开始工作，所述局部建图线程对生成的关键帧进行处理，删除不满足条件的地图点同时创建新的具有匹配关系的地图点进行补充，接着进行局部BA优化，优化所有地图点，同时删除冗余关键帧；所述回环线程用于检测大回环，并通过执行位姿图优化来修正累积误差，所述回环线程在位姿图优化后启动全局BA线程；所述全局BA线程执行全局BA，更新地图。

全文数据：

权利要求：

百度查询： 中南林业科技大学 动态场景下轻量化视觉SLAM系统、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