基于深度学习点线特征和IMU紧耦合的机器人运动估计方法
本发明公开了一种基于深度学习点线特征和IMU紧耦合的机器人运动估计方法,包括:对当前帧图像进行实例分割处理得到动态像素和静态像素;对于静态像素部分,提取预测的重复性单元和稠密描述子并进行线特征提取;获取像素级可重复性图和分块级可重复性图,采用基于可重复性的残差,构造点特征重投影误差函数,从而估计机器人位姿;利用线特征构建线特征重投影误差函数,约束位姿估计;对连续两帧图像之间的IMU数据进行预积分,构造IMU误差函数对位姿的迭代优化;最小化点特征重投影误差函数、线特征重投影误差函数以及IMU误差函数之和来优化所有状态变量,求得准确的机器人位姿信息。本发明解决了现有技术在动态环境中定位精度不高、鲁棒性差等问题。
《基于深度学习点线特征和IMU紧耦合的机器人运动估计方法》是一发明专利,专利号为 2022102838588,当前法律状态为已售,由广东工业大学提出申请,发明人为许泽曦;蔡述庭;熊晓明;刘远;黄楠;张启航,申请日期为2022-03-22,公开(公告)日期为2026-03-06,国际专利分类号(IPC)为 G06T 7/207 (2017.01),高新资质:未报高企,所属技术领域包括:工业机器人、机器人定位导航、、移动机器人、计算机视觉、无人机自主飞行、智能仓储物流、工业自动化巡检。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点线特征和IMU紧耦合的机器人运动估计方法,包括:对当前帧图像进行实例分割处理得到动态像素和静态像素;对于静态像素部分,提取预测的重复性单元和稠密描述子并进行线特征提取;获取像素级可重复性图和分块级可重复性图,采用基于可重复性的残差,构造点特征重投影误差函数,从而估计机器人位姿;利用线特征构建线特征重投影误差函数,约束位姿估计;对连续两帧图像之间的IMU数据进行预积分,构造IMU误差函数对位姿的迭代优化;最小化点特征重投影误差函数、线特征重投影误差函数以及IMU误差函数之和来优化所有状态变量,求得准确的机器人位姿信息。本发明解决了现有技术在动态环境中定位精度不高、鲁棒性差等问题。
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!
