摘要
本申请实施例提供了一种基于多模态特征融合的高精度机器视觉标定方法、系统及介质,该方法包括:基于多模态传感器采集标定板拍摄,得到多模态的标定板图像与点云信息;基于多模态的标定板图像提取多模态图像特征,基于点云信息提取点云特征;基于多模态融合网络对多模态图像特征与点云特征进行融合处理;基于标定算法对多模态传感器进行初始标定,将融合特征向量输入标定算法,计算重投影误差与点云匹配误差,对初始标定参数进行优化调整,得到标定结果;通过多模态特征融合处理,得到图像特征与点云特征之间的关系,增强特征的表示能力,基于标定算法分析重投影误差与点云匹配误差动态调整标定参数,提高标定精度。
技术关键词
高精度机器视觉
多模态特征融合
标定板图像
可见光图像
多模态传感器
标定方法
匹配误差
标定算法
红外图像特征
点云特征
可见光相机
区域形状特征
点云信息
红外相机
图像特征向量
系统为您推荐了相关专利信息
分析模型构建方法
三维模型可视化
多模态医学影像
深度学习算法
三维重建算法
输电线路异物
可见光图像
测距算法
机载点云
测距机制
可见光图像
融合特征
多模态交互
元素
实时跟踪系统
疲劳驾驶状态
识别方法
深度学习模型
车辆行驶数据
量子深度学习
可见光图像
语义
融合方法
图像编码器
文本特征向量