-
题名深度补全的无动态对象单目视觉SLAM研究
- 1
-
-
作者
白宗文
刘向臻
-
机构
延安大学物理与电子信息学院
-
出处
《延安大学学报（自然科学版）》
2023年第1期1-6,共6页
-
基金
国家自然科学基金项目(62266045)。
-
文摘
现有的单目视觉SLAM方案为了提高精度,大多都是通过增加各种传感器来实现的,这并没有将单目相机的表现发挥到极致。文章提出了一个基于ORB-SLAM3的视觉SLAM系统,旨在最大化地利用单目资源,在单目相机的基础上通过增加深度预测网络来模拟深度相机,利用CNN和ORB融合的方法进行特征点提取,并结合深度图进行特征过滤,旨在提高驾驶场景单目相机位姿预测精度,同时为避免动态对象对SLAM系统造成的干扰,文章引入了图像的实例分割网络。
-
关键词
视觉SLAM
单目
深度图预测
实例分割
-
Keywords
visual SLAM
monocular
depth prediction
instance segmentation
-
分类号
TP391.9
[自动化与计算机技术—计算机应用技术]
-
-
题名单目视觉的深度与位姿联合预测网络
被引量：1
- 2
-
-
作者
贾瑞明
李彤
刘圣杰
苗霞
王一丁
-
机构
北方工业大学信息学院
-
出处
《计算机应用与软件》
北大核心
2021年第12期155-160,186,共7页
-
基金
国家自然科学基金面上项目(61673021)
北方工业大学学生科技活动项目。
-
文摘
深度图与相机位姿参数是图像三维场景重建的重要数据,使用两个卷积网络分别预测,不仅效率低并且切断了二者之间的联系。对此提出一种联合预测深度图与相机位姿的卷积神经网络,输入单幅RGB图像,经过共享编码器编码,经两路子网络分别解码输出深度图与相机位姿参数,其中位姿预测子网络也为双路结构,将位置与姿态参数分离,避免两类参数的串扰。该网络的多任务结构通过信息共享可提升预测精度和效率。实验验证了该方法的可行性与优异性。
-
关键词
卷积神经网络
深度图预测
相机位姿估计
多任务结构
-
Keywords
Convolution neural network
Depth estimation
Camera pose estimation
Multi-task architecture
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
