[发明专利]基于深度学习的单目视觉里程计方法及系统

权利要求书

1.一种基于深度学习的单目视觉里程计方法，其特征在于，所述方法包括：

基于单目相机所获取的多个运动图像，通过预设的图像特征提取模型，获取所述运动图像的运动特征信息，其中，所述图像特征提取模型基于神经网络构建，通过预设的第一训练集训练并用于获取运动图像的运动特征信息，所述运动特征信息包括所述运动图像的高维特征向量；

基于所述运动特征信息，通过预设的位姿估计模型，获取所述单目相机的位姿信息，其中，所述位姿估计模型基于神经网络构建，通过预设的第二训练集并用于获取相机的位姿信息。

2.根据权利要求1所述的方法，其特征在于，“基于单目相机所获取的多个运动图像，通过预设的图像特征提取模型，获取所述运动图像的运动特征信息”，其方法包括：

基于多个所述运动图像中连续的两幅运动图像，将连续的两幅运动图像的颜色通道进行堆叠，并根据所述图像特征提取模型的编码器，获取颜色通道堆叠后的两幅运动图像的运动特征信息，其中，所述图像特征提取模型的编码器包括所述图像特征提取模型的卷积层。

3.根据权利要求1所述的方法，其特征在于，在“获取所述运动图像的运动特征信息”的步骤之后，在“获取所述单目相机的位姿信息”的步骤之前，所述方法还包括：

基于所获取的运动特征信息，通过图像特征提取模型的解码器，获取所述运动图像对应的光流信息，所述光流信息用于训练预设的位姿估计模型，以使所述位姿估计模型输出的单目相机的位姿信息趋近于所述单目相机的实际位姿信息。

4.根据权利要求3所述的方法，其特征在于，“获取所述运动图像对应的光流信息”，其方法包括：

按照如下公式所示的方法获取所述运动图像对应的光流信息：

其中，L_warp(I_t,I_t+1)表示I_t+1和合成的I_t+1的光度损失，I_t表示t时刻的图片，I_t+1表示t+1时刻的图片，T表示总的图片序列长度，I(i,j,t+1)表示t+1时刻的图片在(i,j)位置的像素值，I′(i,j,t+1)表示通过光流和I_t合成的I_t+1在(i,j)位置的像素值，L_photometric是光流估计部分的损失函数。