[发明专利]基于深度卷积神经网络的环境语义建图方法

摘要

本发明提出了一种基于深度卷积神经网络的环境语义建图方法，该方法能够借助深度学习在场景识别方面的优势，与SLAM技术的自主定位优势相结合，构建包含物体类别信息的环境地图。具体地，利用ORB‑SLAM对输入图像序列进行关键帧筛选和帧间位姿估计；利用一种基于Deeplab图像分割的改进方法进行二维语义分割；在卷积网络最后一层的后面引入上采样卷积层；利用深度信息作为门限信号控制不同卷积核的选择，并对齐分割后的图像与深度图，利用相邻关键帧之间的空间对应关系构建三维稠密语义地图。上述方案能够提高图像分割的精度，具有更高的构图效率。

主权项

1.一种基于深度卷积神经网络的环境语义建图方法，其特征在于，包括：S1、采集图像序列，根据采集的图像序列，筛选关键帧；根据关键帧，获取关键帧彩色图序列和关键帧深度图序列、相邻关键帧间的位姿估计；S2、采用基于深度学习的语义分割网络结构，对关键帧彩色图序列进行处理，获取带有语义标签的分割结果图像；S3、将语义分割结果图像与关键帧深度图序列中的深度图进行时间戳对齐，通过相邻关键帧间的位姿估计构建三维点云地图，所述三维点云地图的场景三维携带标签信息。