[发明专利]一种基于递归卷积神经网络的单目视觉里程计方法在审
| 申请号： | 201810990033.3 | 申请日： | 2018-08-28 |
| 公开（公告）号： | CN109272493A | 公开（公告）日： | 2019-01-25 |
| 发明（设计）人： | 鲍振强;李艾华;王涛;崔智高;苏延召;张金明 | 申请（专利权）人： | 中国人民解放军火箭军工程大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/73;G06T7/50;G06N3/04 |
| 代理公司： | 西安通大专利代理有限责任公司 61200 | 代理人： | 徐文权 |
| 地址： | 710025 陕西*** | 国省代码： | 陕西;61 |
| 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递归卷积神经网络的单目视觉里程计方法。该方法首先利用深度卷积神经网络充分提取图像的特征，然后借助于递归神经网络建立图像序列间的联系进行建模；同时利用卷积‑反卷积网络实现对图像的深度恢复。利用双目图像对间的对应像素匹配得到视图合成误差；利用估计的深度图得到左右视差一致性误差；利用左右目图像序列分别预测获得的相机位姿获得位姿一致性误差；利用左目图像序列和右目图像序列在时间上的前后连续性像素匹配得到序列视图合成误差，最小化误差从而获得最优神经网络模型参数。本发明对公开发布的多组图像数据集序列进行测试，并通过与现有方法的比较验证了本发明的有效性和优越性。 | ||
| 搜索关键词： | 卷积神经网络 一致性误差 单目视觉 图像序列 像素匹配 里程计 递归 位姿 递归神经网络 神经网络模型 数据集序列 最小化误差 合成误差 深度恢复 视图合成 双目图像 提取图像 网络实现 序列视图 右目图像 左目图像 反卷积 深度图 组图像 建模 卷积 视差 相机 验证 图像 测试 预测 发布 | ||
【主权项】：
1.一种基于递归卷积神经网络的单目视觉里程计方法，其特征在于，包括以下步骤：步骤1：将单目彩色图像序列输入网络；步骤2：深度估计网络估计图像的深度图并提取深度图的深度值；步骤3：位姿估计网络CNN层提取图像特征生成特征向量；步骤4：将此特征向量输入RNN层，输出6自由度位姿。
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中国人民解放军火箭军工程大学，未经中国人民解放军火箭军工程大学许可，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/201810990033.3/，转载请声明来源钻瓜专利网。
- 上一篇：试验环境下裂纹尖端的识别方法、装置及设备
- 下一篇：一种玩具表皮织品检测方法
