“单目位姿”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果1239097个，建议您升级VIP下载更多相关专利

[发明专利]基于单目视觉的汽车车身位姿参数检测系统-CN201510981354.3在审
发明人：徐观;郑安琪;苏建;张立斌;刘玉梅;潘洪达;林慧英;戴建国;单红梅;陈熔;李晓韬;张馨元;吴广为;袁静 -专利权人：吉林大学
申请日： 2015-12-24 - 公布日： 2016-03-02 - 主分类号： G01C11/00 文献下载
摘要：本发明公开了一种基于单目视觉的汽车车身位姿参数检测系统，旨在解决汽车车身位姿参数非接触视觉检测的问题。基于单目视觉的汽车车身位姿参数检测系统主要由摄像机(1)、圆孔式靶标板(2)与磁性表座(3)组成，由摄像机(1)直接获得摄像机坐标系下圆孔的二次曲线图像从而通过平面坐标系到摄像机坐标系下的矩阵转换得到汽车车身的位姿参数，从而完成对汽车车身位姿参数的检测。采用磁性表座(3)将靶标板与车身固定在一起，可以实现快速安装并实时的检测汽车车身的位姿变化，提高了试验的实时性。系统提供了一种结构简单、检测精度高、操作简便、易于安装、成本较低、性能可靠的基于单目视觉的汽车车身位姿参数检测系统。
基于目视汽车车身参数检测系统

[发明专利]一种混合位姿约束的单自由度六杆机构设计方法-CN202010110076.5在审
发明人：喻陈楠;陈建能;周乔君;赵华成;赵雄 -专利权人：浙江理工大学
申请日： 2020-02-23 - 公布日： 2020-06-09 - 主分类号： G06F30/17 文献下载
摘要：本发明公开了一种混合位姿约束的单自由度六杆机构设计方法。现有的单自由度六杆机构运动综合方法的研究基本上都是针对四个或者五个精确位姿而言，但是对于稍复杂的轨迹，仅凭这四个或者五个精确位姿的约束很可能得不到理想的目标轨迹。本发明如下：一、在目标轨迹中选取精确位姿和近似位姿；二、给定3R开链杆组；三、添加第一RR约束杆件；四、添加第二RR约束杆件，完成目标六杆机构。本发明使得单自由度六杆机构末端执行器能够进行更加精确的复杂轨迹运动。本发明中的K个近似位姿的误差范围事先给定，利用本发明中的方法综合出来的机构解域更广并且可以通过控制近似位姿的误差来调整机构解域。
一种混合约束自由度机构设计方法

[发明专利]一种基于点特征的单目视觉位姿测量方法-CN201911034265.2有效
发明人：王中宇;李亚茹;程银宝 -专利权人：北京航空航天大学
申请日： 2019-10-29 - 公布日： 2020-09-08 - 主分类号： G01C11/04 文献下载
摘要：发明涉及一种基于点特征的单目视觉位姿测量方法，属于单目视觉位姿测量领域，其特征在于：(1)根据共面4个特征点之间的位置关系，分别对平行和相交两种情况进行分析；(2)根据特征点的空间坐标、图像坐标和空间位置关系，推导出世界坐标系中3个坐标轴上的向量变换到摄像机坐标系中的单位向量，进而求解出物体相对于摄像机的初始位姿；(3)用LM算法对初始位姿进行优化，得到最终位姿。上述方法仅需给出任意4个特征点的空间相对位置，其中任意3个特征点不共线，不需要给定其他限制条件，就可求解出物体相对于摄像机的位姿。解决单目视觉位姿求解过程中存在的解不唯一、选解难和解的精度不高等问题。
一种基于特征目视觉位姿测量方法

[发明专利]一种基于概率图的混合概率逆深度估计方法-CN201910380025.1在审
发明人：吴森堂;刘文磊;李凯 -专利权人：北京航空航天大学
申请日： 2019-05-08 - 公布日： 2019-08-27 - 主分类号： G06T7/564 文献下载
摘要：本发明公开了一种基于概率图的混合概率逆深度估计方法，属于图像处理和单目相机深度估计技术领域。所述估计方法首先利用经典的三角形法求出空间中一点的深度和位置；然后利用归一化八点算法求出对极几何中的基本矩阵，进而求出相机的位姿，作为优化的初始值；最后用基于概率图的高斯‑均匀混合分布求逆深度，利用近似推断可以求出递推公式本发明不仅提高了单目相机深度估计的精度，还增强了系统的鲁棒性。
深度估计概率图相机单目深度和位置递推公式基本矩阵三角形法深度信息图像处理归一化鲁棒性概率对极高斯求逆算法位姿推断近似优化

[发明专利]一种基于上下文注意力机制的单目无监督深度估计方法-CN202010541514.3有效
发明人：叶昕辰;徐睿;樊鑫;张明亮 -专利权人：大连理工大学
申请日： 2020-06-15 - 公布日： 2022-11-18 - 主分类号： G06T7/55 文献下载
摘要：本发明公开了一种基于上下文注意力机制的单目无监督深度估计方法，属于图像处理和计算机视觉领域。本发明采用基于混合几何增强损失函数和上下文注意力机制的深度估计方法，采用基于卷积神经网络的深度估计子网络、边缘子网络和相机姿位估计子网络得到高质量的深度图。系统容易构建，使用卷积神经网络即以端到端的方式从单目视频得到对应的高质量深度图；程序框架易于实现；本方法利用无监督方法来求解深度信息，避免了有监督方法中真实数据难以获取的问题，算法运行速度快。本方法利用单目视频即单目图片序列求解深度信息，避免了使用立体图片对解决单目图片深度信息时立体图片对难以获取的问题。
一种基于上下文注意力机制目无监督深度估计方法

[发明专利]一种面向动态环境的单目视觉SLAM方法-CN202211059723.X在审
发明人：田联房;刘海林;杜启亮 -专利权人：华南理工大学
申请日： 2022-08-30 - 公布日： 2022-12-13 - 主分类号： G06V20/10 文献下载
摘要：本发明公开了一种面向动态环境的单目视觉SLAM方法，包括：1)初始化，包括读取图像序列的前两帧、提取并匹配ORB特征点、建立世界坐标系、设置单目尺度信息、建立初始地图、构建关键帧序列以及关键帧滑动窗口；2)追踪参考帧并估计初始位姿；3)剔除动态特征点并优化位姿；4)根据追踪结果，插入关键帧并追踪参考关键帧，然后构造地图点并插入地图；5)剔除滑动窗口上动态地图点，并执行局部光束平差优化；6)剔除冗余关键帧和地图点
一种面向动态环境目视 slam 方法

[发明专利]一种单目实时目标识别及位姿测量方法-CN201410676615.6有效
发明人：杨明强;崔振兴;曾威;陆中州 -专利权人：山东大学
申请日： 2014-11-21 - 公布日： 2018-07-31 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种单目实时目标识别及位姿测量方法，包括：获得各个目标物体特征点数据，与目标平面四个顶点的三维世界坐标和图像坐标一起存入目标数据库；选择要识别的目标，从目标数据库中提取目标的特征点数据及目标信息；摄像机提取实时场景，对提取的实时场景进行图像预处理，提取实时场景特征点，获得实时图像的特征点数据；将目标数据库中目标图像的特征点与实时场景特征点进行匹配；由匹配特征点数据，计算得到单应矩阵，完成目标的识别本发明利用ORB算法的速度优势，以单个摄像机作为传感手段，实现了对运动目标的实时识别和位姿测量。
一种实时目标识别测量方法

[发明专利]一种结合SuperPoint网络特征提取的单目SLAM方法-CN202111484694.7在审
发明人：袁景凌;李宵;俞洋;白立华 -专利权人：武汉理工大学
申请日： 2021-12-07 - 公布日： 2022-04-01 - 主分类号： G06T7/73 文献下载
摘要：本发明公开了一种结合SuperPoint网络特征提取的单目SLAM方法，包括步骤：步骤1)，输入单目相机视频图像，以每帧的格式输入并进行预处理；步骤2)，读取每帧图像，将每帧图像输入到SuperPoint网络中，输出的是图像特征点和描述子；步骤3)，进入跟踪模式，将满足特征点数目的帧作为参考帧，继续读取下一帧进行特征匹配，根据匹配的特征点计算相机位姿轨迹，同时不断加入下一帧；步骤4)，根据计算的相机位姿轨迹绘制局部地图本发明针对GCN‑SLAM系统中只适用于深度相机的缺陷，在保证精度的同时，将GCN‑SLAM系统拓展适用于单目相机，降低设备成本，同时由于采用单目相机不采集深度信息，改进之后的系统可以在室外和室内环境中运行
一种结合 superpoint 网络特征提取 slam 方法

[发明专利]一种基于深度学习的单目相机物体位姿估计方法及装置-CN201910043902.6有效
发明人：刘振;范晓东;王亚运;程栋梁;金霞红;赵福臣 -专利权人：合肥哈工慧拣智能科技有限公司
申请日： 2019-01-17 - 公布日： 2023-03-14 - 主分类号： G06T7/73 文献下载
摘要：本发明公开了一种基于深度学习的单目相机物体位姿估计方法，方法包括：1)、根据所获取的物体的三维图像在二维空间内的投影以及投影对应的物体坐标以及物体的标签文件生成训练集和验证集；2)、利用级联卷积神经网络模型学习训练集，并迭代超参数；3)、使用测试集测试训练后的级联卷积神经网络模型，在训练后的级联卷积神经网络模型的准确率不小于第一预设阈值时，使用所述训练后的级联卷积神经网络模型进行物体位姿估计。本发明公开了一种基于深度学习的单目相机物体位姿估计装置。应用本发明实施例，可以物体位姿估计的应用成本。
一种基于深度学习相机物体估计方法装置

[发明专利]单舵轮AGV点镇定控制方法及装置-CN201810621932.6有效
发明人：陶茂林 -专利权人：广东嘉腾机器人自动化有限公司
申请日： 2018-06-15 - 公布日： 2019-11-15 - 主分类号： G05B19/418 文献下载
摘要：本发明提供了一种单舵轮AGV点镇定控制方法及装置，涉及AGV控制技术领域。所述方法包括：获取AGV的当前位姿及目标位姿；根据当前位姿及目标位姿计算位姿偏差；基于第一控制律使AGV移动至经过目标点且指向目标方向的直线上；基于第二控制律使AGV跟随所述指向目标方向直线向目标点移动直至到达目标点本发明通过减少控制参数简化控制方法，能够实现任一型单舵轮AGV从全局坐标系中的任一初始位姿镇定到任一目标位姿，可有效解决诸如无人叉车的定点泊车等问题，本发明提供的控制方法简单、调试方便，且运动平稳、通用性强
目标位姿目标点舵轮位姿控制律指向控制技术领域全局坐标系控制参数通用性强有效解决初始位叉车移动泊车调试

[发明专利]基于单目变焦视觉的大型筒框对接的同轴度测量方法-CN202211055955.8在审
发明人：李根;李泷杲;黄翔;陆蕴仪;潘高健;邓德淞;楼佩煌;宋允辉 -专利权人：南京航空航天大学苏州研究院
申请日： 2022-08-31 - 公布日： 2022-12-02 - 主分类号： G01B11/27 文献下载
摘要：一种基于单目变焦视觉的大型筒框对接同轴度测量方法，其特征包括以下步骤：1)变焦相机调整至近焦端，采集图像，识别框体前端面内圆、后端面内圆和筒体前端面内圆特征，并解算框体前端面内圆、后端面内圆和筒体前端面内圆空间位姿；2)变焦相机调整至远焦端，采集图像，识别筒体后端面内圆特征，并解算筒体后端面内圆空间位姿；3)拟合过渡框轴线；4)计算筒体前端面、后端面同轴度；5)测量完成后判断是否满足对接精度要求，如满足结束测量，否则调整筒体位姿后重新测量。本发明可有效提高航空航天产品装配过程中的位姿测量精度，尤其适用于大型筒框对接。
基于变焦视觉大型对接同轴测量方法

[发明专利]一种对目标测距的方法、装置、图像采集设备及介质-CN202210151108.5在审
发明人：高健;包汉彬 -专利权人：济南博观智能科技有限公司
申请日： 2022-02-14 - 公布日： 2022-05-27 - 主分类号： G06T7/70 文献下载
摘要：该方法首先获取双目相机中对相同目标在双目中建立的映射关系；然后检测待测目标的第一位置，并根据映射关系以及第一位置获取待测目标的第二位置；最后根据第一位置以及第二位置获取待测目标距离单目相机的距离。由于第一位置为单目相机作为第一单目相机检测得到的；第二位置与单目相机作为第二单目相机检测得到的待测目标的位置相同，因此通过单目相机测距实现了双目相机测距的功能，故而不受双目相机测距要求的限制，并且相比于传统的单目相机测距，提高了对目标测距的准确性，此外，通过单目中的坐标预测出另一目中的目标位置，提升了对遮挡目标的预测。
一种目标测距方法装置图像采集设备介质

[发明专利]一种空间非合作目标的位姿解算方法及装置-CN202310081955.3在审
发明人：亓晨;王嘉智 -专利权人：北京环境特性研究所
申请日： 2023-01-13 - 公布日： 2023-05-02 - 主分类号： G06T7/73 文献下载
摘要：本发明提供了一种空间非合作目标的位姿解算方法及装置，该方法包括：获取非合作目标的待处理影像；确定相邻待处理影像之间的同名特征点，并计算得到单应性矩阵；根据单应性矩阵得到初始位姿解；其中，不同的初始位姿解对应的核点不同；利用平面诱导视差束法，从初始位姿解对应的核点中确定目标核点；确定目标核点对应的基础矩阵，并分解得到目标位姿解。本方案提供的空间非合作目标的位姿解算方法有效解决了现有空间非合作目标姿态反演信息不准确和不稳定的问题。
一种空间合作目标位姿解算方法装置

[发明专利]一种直接法无监督单目图像场景深度估计方法-CN202010754803.1有效
发明人：张治国;孙业昊;孙浩然;王海霞;卢晓;盛春阳;李玉霞 -专利权人：山东科技大学
申请日： 2020-07-31 - 公布日： 2022-07-19 - 主分类号： G06T7/55 文献下载
摘要：本发明公开了一种直接法无监督单目图像场景深度估计方法，属于计算机视觉、深度估计领域，包括如下步骤：构建神经网络；图像重投影误差计算；图像蒙版计算和相机位姿更新。本发明方法克服了单目图像深度估计对环境要求高、容易受到低纹理区域干扰、相机位姿估计精度差等缺陷，而且通过将传统的单目深度估计问题与视觉里程计相结合，不仅显著提高了深度估计精度，对移动车辆的定位与导航也有辅助作用
一种直接监督图像场景深度估计方法

[发明专利]一种基于半直接法的单目视觉里程计的设计方法-CN202111651540.2在审
发明人：洪慧;单珂珂 -专利权人：杭州电子科技大学
申请日： 2021-12-30 - 公布日： 2022-05-13 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于半直接法视觉里程计的设计方法，包括如下步骤：S1、通过相机采集图像数据，获得图像序列；S2、对单目相机初始化，确定其尺度；S3、采用稀疏图像对齐最小化两个像素块之间的光度误差，获取粗略的相机位姿，以及像素点之间的对应关系；S4、进行ORB特征提取和BRIEF描述子的计算，优化相机的位姿；S5、将三维地图点与当前帧的特征点进行匹配，利用最小化重投影误差进一步优化当前位姿；S6、输出相机位姿；S7
一种基于直接目视里程计设计方法