[发明专利]一种基于分类检测网络构建地图方法及装置

权利要求书

1.一种基于分类检测网络构建地图方法，其特征在于，包括：

获取当前帧的图片数据；

对所述图片数据进行分类；

根据分类后的图片数据和惯性测量数据计算位姿变化数据；

对当前帧的图片数据和上一帧的图片数据进行回环检测，获得回环检测结果；

根据位姿变化数据和回环检测结果，估计相机的运动轨迹，并构建地图。

2.如权利要求1所述的基于分类检测网络构建地图方法，其特征在于，所述对当前帧的图片数据和上一帧的图片数据进行回环检测，获得回环检测结果，包括：

检测当前帧的图片数据与上一帧的图片数据的类别是否相同，获得类别检测结果；

对比当前帧的图片数据中任两个物体的窗口之间的距离与上一帧的图片数据中所述两个物体的窗口之间的距离是否相同，获得距离检测结果；

对比当前帧的惯性测量数据与上一帧的惯性测量数据是否相同，获得惯性测量数据检测结果；

对类别检测结果、距离检测结果和惯性测量数据检测结果进行融合，获得回环检测结果。

3.如权利要求2所述的基于分类检测网络构建地图方法，其特征在于，所述对比当前帧的图片数据中任两个物体的窗口之间的距离与上一帧的图片数据中所述两个物体的窗口之间的距离是否相同，获得距离检测结果之前，包括：

识别当前帧的图片数据中的所有物体，并获取所有物体的候选窗口；

去除当前帧的图片数据中的冗余候选窗口，获得当前帧的图片数据中的任一物体的窗口；

计算当前帧的图片数据中的任两个物体的窗口之间的距离；

识别上一帧的图片数据中的所有物体，并获取所有物体的候选窗口；

去除上一帧的图片数据中的冗余候选窗口，获得上一帧的图片数据中的任一物体的窗口；

计算上一帧的图片数据中的任两个物体的窗口之间的距离。

4.如权利要求1所述的基于分类检测网络构建地图方法，其特征在于，所述图片数据的种类包括动态图片、静态图片和动静混合图片；

所述根据分类后的图片数据和惯性测量数据计算位姿变化数据，包括：

分离动静混合图片数据中的静态图片数据和动态图片数据；

去除所有动态图片数据；

通过同步定位与建图算法对静态图片数据和惯性测量数据进行位姿估计，获得位姿变化数据。

5.如权利要求1所述的基于分类检测网络构建地图方法，其特征在于，所述对所述图片数据进行分类之前，包括：

通过预训练数据对深度学习网络进行预训练，获得预训练后的深度学习网络，作为分类检测网络；其中，分类检测网络用于对输入的图片数据进行分类。

6.一种基于分类检测网络构建地图装置，其特征在于，包括：

获取模块，用于获取当前帧的图片数据；

分类模块，用于对所述图片数据进行分类；

计算模块，用于根据分类后的图片数据和惯性测量数据计算位姿变化数据；

检测模块，用于对当前帧的图片数据和上一帧的图片数据进行回环检测，获得回环检测结果；

建图模块，用于根据位姿变化数据和回环检测结果，估计相机的运动轨迹，并构建地图。

7.如权利要求6所述的基于分类检测网络构建地图装置，其特征在于，所述检测模块，包括：

检测单元，用于检测当前帧的图片数据与上一帧的图片数据的类别是否相同，获得类别检测结果；

第一对比单元，用于对比当前帧的图片数据中任两个物体的窗口之间的距离与上一帧的图片数据中所述两个物体的窗口之间的距离是否相同，获得距离检测结果；

第二对比单元，用于对比当前帧的惯性测量数据与上一帧的惯性测量数据是否相同，获得惯性测量数据检测结果；

融合单元，用于对类别检测结果、距离检测结果和惯性测量数据检测结果进行融合，获得回环检测结果。