[发明专利]一种应用于稀疏地图稠密化的深度补全方法在审
| 申请号： | 201910356917.8 | 申请日： | 2019-04-29 |
| 公开（公告）号： | CN110097589A | 公开（公告）日： | 2019-08-06 |
| 发明（设计）人： | 张宏;黄兴鸿;林旭滨;陈创斌;何力;管贻生 | 申请（专利权）人： | 广东工业大学 |
| 主分类号： | G06T7/50 | 分类号： | G06T7/50;G06N3/04;G06N3/08 |
| 代理公司： | 北京集佳知识产权代理有限公司 11227 | 代理人： | 张春水;唐京桥 |
| 地址： | 510060 广东省*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种应用于稀疏地图稠密化的深度补全方法，通过对抗神经网络构建回归模型，包括以下步骤：采用卷积神经网络构建生成器，根据真实的稠密深度图构建L1损失函数，采用卷积神经网络构建判断器，通过对L1损失函数和判断器的损失函数进行加权得到生成器的损失函数；将生成器的损失函数反向传播给生成器进行参数优化，得到更加准确的预测的稠密深度图。该深度补全方法区别于已有的多视图进行图像的深度预测的算法，基于对抗神经网络的深度补全算法有利于提高深度补全的有效性和实时性，从而实现ORB‑SLAM的稀疏地图稠密化并应用于移动机器人视觉导航。 | ||
| 搜索关键词： | 损失函数 生成器 构建 稀疏 稠密 卷积神经网络 稠密深度图 判断器 算法 移动机器人视觉导航 应用 神经网络构建 参数优化 反向传播 回归模型 深度预测 神经网络 实时性 对抗 加权 图像 预测 | ||
【主权项】：
1.一种应用于稀疏地图稠密化的深度补全方法，其特征在于，通过对抗神经网络构建回归模型，包括以下步骤：采用卷积神经网络构建生成器，其中，以当前RGB图像和稀疏深度图作为生成器的输入，生成器的输出作为预测的稠密深度图；根据真实的稠密深度图构建L1损失函数，其中，L1损失函数等于预测的稠密深度图与真实的稠密深度图之间的差值；采用卷积神经网络构建判断器，其中，将预测的稠密深度图、真实的稠密深度图和RGB图像作为判断器的输入，判断器的输出作为判断器的损失函数；通过对L1损失函数和判断器的损失函数进行加权得到生成器的损失函数；将生成器的损失函数反向传播给生成器进行参数优化，得到更加准确的预测的稠密深度图。
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广东工业大学，未经广东工业大学许可，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/201910356917.8/，转载请声明来源钻瓜专利网。
