摘要
本申请公开了一种基于点线特征的视觉里程计方法、系统、设备及介质。视觉里程计对于自主机器人的导航和规划至关重要,但弱光条件、剧烈的照明变化和低纹理场景对里程计估计构成了重大挑战。为此,本申请提供的基于点线特征的视觉里程计方法集成了点线特征和深度学习,通过兴趣点检测的自监督学习模型和将线光流跟踪与交叉约束相结合的线检测方式来获取点特征和线特征,克服了复杂照明条件的影响。同时,基于点特征计数和线特征重叠角度约束来选取关键帧,并集成卷积神经网络和图神经网络进行稀疏匹配,提高准确性和计算效率。
技术关键词
视觉里程计方法
点线特征
关键帧
深度匹配模型
图像
计算机可读程序
集成卷积神经网络
监督学习模型
序列
特征点
自主机器人
策略
检测器
阈值机制
可读存储介质
特征提取模块
解码器
处理器
系统为您推荐了相关专利信息
行人检测模型
手部特征
样本
闸机
非暂态计算机可读存储介质
卫星遥感影像
信息提取方法
卫星影像数据
样本
机制
数据存储卡
设备显示系统
高清信号接口
图像分析模块
生成热力图
计算机存储介质
三维特征提取
检测头
特征提取网络
图像获取模块