申请/专利权人：重庆邮电大学

申请日：2021-07-16

公开（公告）日：2024-03-22

公开（公告）号：CN113643322B

主分类号：G06T7/215

分类号：G06T7/215;G06T3/4038;G06V10/764;G06V10/80;G06N3/006

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2021.11.30#实质审查的生效;2021.11.12#公开

摘要：本发明公开了一种基于DeepLabv3+_SLAM的动态对象检测方法，该方法包括步骤：S1，对采集的图像序列进行关键帧的筛选；S2，利用DeepLabv3+算法结合上下文信息分割出潜在的先验动态对象；S3，采用多视图几何的方法，依据相邻关键帧检测图像中物体的运动状态信息，判断其是否为动态对象；S4，利用新蚁群策略，通过最优路径找到所有的动态特征点所在组，避免遍历所有特征点；S5，融合物体的先验信息和运动状态信息检测其是否为动态对象并进行剔除。通过在公共数据集PASCALVOC2012和TUM上分别进行实验，并与近几年的相关文献相比，结果均表明该发明能够有效检测到环境中的动态对象，减少其对系统的影响。

主权项：1.基于DeepLabv3+_SLAM的动态对象检测方法，其特征在于，包括以下步骤：S1，对输入的图像进行关键帧的筛选，生成关键帧队列；S2，利用DeepLabv3+算法结合上下文信息分割出潜在的先验动态对象，具体包括以下步骤：采用ResNest网络替换原分类网络ResNet来提取图像特征并获得图像的分类，将得到的分类结果送入空洞空间金字塔池化模块提取多尺度的特征图信息，并将得到的特征图信息在通道维度上拼接融合，然后经过1×1卷积降维，得到含有高级语义特征的特征图，最后将ResNest的特征图与含有高级语义特征的特征图进行拼接融合，获得最终的语义分割结果，即获得潜在先验动态对象所处的区域分布情况；S3，采用多视图几何的方法，依据相邻关键帧检测图像中物体的运动状态信息，判断其是否为动态对象；S4，利用新蚁群策略，通过最优路径找到所有的动态特征点所在组，避免遍历所有特征点；所述新蚁群策略具体为，根据特征点在图像中的分布情况，设计一条从起始点start到目的地target的路径l，蚁群从路径上的特征点ki＝0连续移动到kii＝1,...,n，直到到达目的地，在移动的路径上每个特征点ki将会以自身为原点，搜索半径为R内的特征点，如果没有发现有动态点，则继续在路径l上前进；当找到动态点时，以Δz的带宽向外扩展，如果找到下一个新的动态点，再继续以Δz向外扩展，直到在扩展的区域内找不到动态点为止，然后重新回到路径l中，继续依次搜索下一个符合动态特征的特征点ki，直到走完整条路径l；S5，融合物体的先验信息和运动状态信息检测其是否为动态对象并进行剔除。

全文数据：

权利要求：

百度查询： 重庆邮电大学 基于DeepLabv3+_SLAM的动态对象检测方法

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