[发明专利]基于深度学习和注意力机制的单目视觉里程计的计算方法有效
| 申请号： | 201910839780.1 | 申请日： | 2019-09-06 |
| 公开（公告）号： | CN110533724B | 公开（公告）日： | 2021-10-22 |
| 发明（设计）人： | 肖卓凌;刘旺;蓝心悦;郭志勇 | 申请（专利权）人： | 电子科技大学 |
| 主分类号： | G06T7/73 | 分类号： | G06T7/73 |
| 代理公司： | 成都正华专利代理事务所(普通合伙) 51229 | 代理人： | 肖芳 |
| 地址： | 611731 四川省成*** | 国省代码： | 四川;51 |
| 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和注意力机制的单目视觉里程计算方法，具体步骤包括：先采集原始单目彩色图像，并将图像尺寸裁剪为统一大小；将裁剪过后的第i张图像和第i+1张图片输入PWCnet光流计算模块，获取光流向量场，并将光流向量场按照4个象限等分为4个光流子向量场；将4个光流子向量场输入卷积神经网络，分别获取4个子特征向量；将4个子特征向量合并为一个总特征向量，然后将总特征向量输入全连接网络，获取估计位姿向量；实时采集图片，并依次送入卷积神经网络，得到若干连续的估计位姿向量，通过若干连续的估计位姿向量获取估计里程。本发明拥有很好的视觉里程计算精度和计算速度。 | ||
| 搜索关键词： | 基于 深度 学习 注意力 机制 目视 里程计 计算方法 | ||
【主权项】：
1.一种基于深度学习和注意力机制的单目视觉里程计算方法，其特征在于，包括以下步骤：/nS1、采用注意力机制构造注意力机制模块，并在注意力机制模块的基础上构建卷积神经网络；/nS2、采集原始单目彩色图像，并将原始单目彩色图像尺寸裁剪为统一大小；/nS3、将裁剪过后的第i张图像和第i+1张图片输入PWCnet光流计算模块，获取光流向量场，并将光流向量场按照4个象限等分为4个光流子向量场；/nS4、将4个光流子向量场输入卷积神经网络，分别获取4个子特征向量；/nS5、将4个子特征向量合并为一个总特征向量，然后将总特征向量输入全连接网络，获取估计位姿向量；/nS6、以减少估计位姿误差为目标，对卷积神经网络进行训练；/nS7、实时采集图片，并依次送入训练完成的卷积神经网络，得到若干连续的估计位姿向量，通过若干连续的估计位姿向量获取估计里程。/n
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电子科技大学，未经电子科技大学许可，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/201910839780.1/，转载请声明来源钻瓜专利网。
