摘要
本发明提供了一种位姿优化方法、装置、设备及可读存储介质,所述方法包括:在SplaTAM系统的追踪过程中,设定反向传播梯度下降算法的轮次L,利用反向传播梯度下降算法优化当前时刻相机的位姿,得到相机位姿优化结果;其中,在前K轮次中采用多尺度损失进行优化,在后L‑K轮次中采用深度和颜色损失进行优化,多尺度损失为关键点损失、物体级损失或场景级损失。本发明利用了多尺度损失函数来优化基于高斯点云的SLAM系统,用于提高相机位姿追踪的精度和鲁棒性。该系统通过整合不同尺度的信息,优化相机位姿的估计,尤其适用于相机运动剧烈或场景变化复杂的环境。
技术关键词
位姿优化方法
梯度下降算法
关键点
多尺度
图像
箱子
相机
物体
位姿追踪
数值
场景
颜色直方图
可读存储介质
坐标
存储计算机程序
优化设备
优化装置
线段
鲁棒性
系统为您推荐了相关专利信息
影像数据处理系统
图文
图像特征参数
图像识别模型
图像噪声水平
肺结核智能识别方法
风险评估模型
多通道特征
数据
图像