一种基于深度学习的视觉惯性里程计特征融合方法(人工智能、大数据、自主定位、计算机视觉、多模态特征融合、注意力、阶跃卷积网络)
本发明公开了一种基于深度学习的视觉惯性里程计特征融合方法,包括以下步骤:S1、获取相机采集的相邻两帧图片,将相邻两帧图片输入图像特征提取网络提取图像特征;S2、获取相邻两帧图像之间的惯导信息,将惯导信息输入惯导特征提取网络提取惯导特征;S3、根据步骤S1提取的图像特征,将图像特征输入空间通道注意力模块对图像特征进行筛选;S4、根据步骤S1提取的图像特征与步骤S2提取的惯导特征,将图像特征与惯导特征输入交叉注意力模块对惯导特征进行筛选;S5、将筛选后的图像特征与惯导特征进行拼接,采用解码器结构对融合特征的权重进行调整,得到最终的融合特征;该方法高效融合筛选后的图像与惯导特征,提高了视觉惯性里程计算法的定位精度。
《一种基于深度学习的视觉惯性里程计特征融合方法(人工智能、大数据、自主定位、计算机视觉、多模态特征融合、注意力、阶跃卷积网络)》是一发明专利,专利号为 2023109566466,当前法律状态为已售,由电子科技大学提出申请,发明人为肖卓凌;田蕴祺;李渤;陈宇;张之骏;覃昊洁,申请日期为2023-07-31,公开(公告)日期为2025-08-19,国际专利分类号(IPC)为 G06F 18/25 (2023.01),高新资质:未报高企,所属技术领域包括:传感器数据、人工智能、大数据、自主定位、计算机视觉、多模态特征融合、注意力、阶跃卷积网络。该专利权属清晰,可通过正规流程办理转让,适用于企业技术升级、资质申报与战略布局。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明公开了一种基于深度学习的视觉惯性里程计特征融合方法,包括以下步骤:S1、获取相机采集的相邻两帧图片,将相邻两帧图片输入图像特征提取网络提取图像特征;S2、获取相邻两帧图像之间的惯导信息,将惯导信息输入惯导特征提取网络提取惯导特征;S3、根据步骤S1提取的图像特征,将图像特征输入空间通道注意力模块对图像特征进行筛选;S4、根据步骤S1提取的图像特征与步骤S2提取的惯导特征,将图像特征与惯导特征输入交叉注意力模块对惯导特征进行筛选;S5、将筛选后的图像特征与惯导特征进行拼接,采用解码器结构对融合特征的权重进行调整,得到最终的融合特征;该方法高效融合筛选后的图像与惯导特征,提高了视觉惯性里程计算法的定位精度。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
