申请/专利权人:北京理工大学
申请日:2023-12-15
公开(公告)日:2024-04-26
公开(公告)号:CN117934739A
主分类号:G06T17/05
分类号:G06T17/05;G06T5/50;G06T7/269;G06V10/44;G06V10/774;G06V10/80;G06V10/82;G06N3/0895
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.14#实质审查的生效;2024.04.26#公开
摘要:本发明公开了一种ESDF地图隐式构建方法,能够在保证地图轻量存储、全局光滑连续、具有补全能力的同时提升地图的局部精度。包括如下步骤:构建隐式ESDF地图神经网络。针对被观测场景采集获取带位姿的深度图像序列;针对带位姿的深度图像序列中每一帧图像均进行像素采样和点采样,获得采样点集合。捕获采样点的有符号距离;将被观测空间离散为轴对齐的网格,从不同帧采样但属于同一网格的点的有符号距离被合并,并与网格中心相关联,实现局部融合,获得离散显式ESDF地图。从离散显式ESDF地图中选取训练栅格作为训练数据,构建损失函数,对隐式ESDF地图神经网络进行全局学习。训练好的隐式ESDF地图神经网络用于输出隐式地图并进行可视化。
主权项:1.一种ESDF地图隐式构建方法,其特征在于,包括如下步骤:设计隐式ESDF地图神经网络;针对被观测场景采集获取带位姿的深度图像序列;针对所述带位姿的深度图像序列中每一帧图像均进行像素采样和点采样,获得采样点集合;捕获所述采样点的有符号距离;将被观测空间离散为轴对齐的网格,从不同帧采样但属于同一网格的点的有符号距离被合并,并与网格中心相关联,实现局部融合,获得离散显式ESDF地图;从所述离散显式ESDF地图中选取训练栅格作为训练数据,构建损失函数,对隐式ESDF地图神经网络进行全局学习;训练好的隐式ESDF地图神经网络作为隐式地图输出并进行可视化。
全文数据:
权利要求:
百度查询: 北京理工大学 一种ESDF地图隐式构建方法
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。