[发明专利]基于深度特征的相机姿态估计优化方法在审
| 申请号： | 201810878967.8 | 申请日： | 2018-08-03 |
| 公开（公告）号： | CN109035329A | 公开（公告）日： | 2018-12-18 |
| 发明（设计）人： | 纪荣嵘;郭锋;陈晗 | 申请（专利权）人： | 厦门大学 |
| 主分类号： | G06T7/70 | 分类号： | G06T7/70;G06T7/80;G06T7/90 |
| 代理公司： | 厦门南强之路专利事务所(普通合伙) 35200 | 代理人： | 马应森 |
| 地址： | 361005 *** | 国省代码： | 福建;35 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 基于深度特征的相机姿态估计优化方法，涉及基于有监督学习SLAM系统的优化方法。使用基于随机森林的匹配算法，快速计算2D‑3D点的相似性以映射2D‑3D点信息；使用约束函数和多特征融合的方法评估相机姿态；针对基于深度学习的SLAM算法中存在的不稳定性问题，提出一种多特征集束优化算法。使用三维重建数据作为参考，然后使用可见的3D点及来自随机森林的离线数据集的相关关键点映射，并使用多特征融合和约束函数来测量姿态评估分数。以上方法用于优化基于深度学习SLAM的性能。实验结果证明，算法鲁棒性。 | ||
| 搜索关键词： | 相机姿态 多特征融合 深度特征 随机森林 映射 优化 算法鲁棒性 不稳定性 测量姿态 快速计算 离线数据 匹配算法 评估分数 三维重建 使用约束 优化算法 约束函数 点信息 关键点 集束 算法 学习 参考 评估 监督 | ||
【主权项】：
1.基于深度特征的相机姿态估计优化方法，其特征在于包括以下步骤：1)使用基于随机森林的匹配算法，快速计算2D‑3D点的相似性以映射2D‑3D点信息；2)使用约束函数和多特征融合的方法评估相机姿态；3)针对基于深度学习的SLAM算法中存在的不稳定性问题，提出一种多特征集束优化算法。
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厦门大学，未经厦门大学许可，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/201810878967.8/，转载请声明来源钻瓜专利网。
