[发明专利]一种基于深度学习的端到端的语义即时定位与建图方法有效
| 申请号： | 201810236640.0 | 申请日： | 2018-03-21 |
| 公开（公告）号： | CN108665496B | 公开（公告）日： | 2021-01-26 |
| 发明（设计）人： | 严超华;龚小谨 | 申请（专利权）人： | 浙江大学 |
| 主分类号： | G06T7/70 | 分类号： | G06T7/70;G06T7/10;G06T7/50;G06N3/04 |
| 代理公司： | 杭州求是专利事务所有限公司 33200 | 代理人： | 林超 |
| 地址： | 310058 浙江*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的端到端的语义即时定位与建图方法。通过彩色相机和激光雷达分别采集得到连续的原始图像序列以及与图像序列对应的原始三维点云序列，处理获得连续五帧图像序列的位姿变换信息、深度信息和语义分割信息；构建带分支的多任务深度神经网络，输入到多任务深度神经网络中，训练多任务深度神经网络获得参数，采用训练后的多任务深度神经网络对连续五帧的待测图像序列进行处理，获得图像帧之间的位姿变换信息、深度信息和语义分割信息。与传统的ORB‑SLAM算法和同样基于深度学习的方法相比，本发明方法有更好的性能。 | ||
| 搜索关键词： | 一种 基于 深度 学习 端到端 语义 即时 定位 方法 | ||
【主权项】：
1.一种基于深度学习的端到端的语义即时定位与建图方法，其特征是，包括如下步骤：(1)通过彩色相机和激光雷达分别采集得到连续的原始图像序列以及与图像序列对应的原始三维点云序列；(2)对于每一帧图像It，由当前帧图像It与其相邻帧图像构建形成连续五帧图像序列，以连续五帧图像序列为基本单位对原始图像序列和原始三维点云序列进行划分，并处理获得位姿变换信息、深度信息和语义分割信息；(3)构建带分支的多任务深度神经网络；(4)将连续五帧短图像序列及其位姿变换信息、深度信息和语义分割信息输入到多任务深度神经网络中，利用带动量(momentum)的Adam算法训练多任务深度神经网络，获得多任务深度神经网络的参数；(5)采用训练后的多任务深度神经网络对连续五帧的待测图像序列进行处理，获得图像帧之间的位姿变换信息、深度信息和语义分割信息。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于浙江大学，未经浙江大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810236640.0/，转载请声明来源钻瓜专利网。
- 上一篇：图像处理方法及装置、移动终端
- 下一篇：一种用于虚拟现实的图像识别定位方法
