[发明专利]一种基于动态场景的RGB-D SLAM方法和系统在审
| 申请号： | 201910913318.1 | 申请日： | 2019-09-25 |
| 公开（公告）号： | CN110738667A | 公开（公告）日： | 2020-01-31 |
| 发明（设计）人： | 吉长江 | 申请（专利权）人： | 北京影谱科技股份有限公司 |
| 主分类号： | G06T7/11 | 分类号： | G06T7/11;G06T7/13;G06T7/579 |
| 代理公司： | 11694 北京万思博知识产权代理有限公司 | 代理人： | 高镇 |
| 地址： | 100000 北京市*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请公开了一种基于动态场景的RGB‑D SLAM方法和系统，该方法包括：采用基于深度学习的语义分割网络模型以确定图像的潜在动态区域；采用运动一致性方法将该潜在动态区域识别为动态区域；提取潜在动态区域和背景区域中的ORB特征点；采用ICP算法对所述ORB特征点进行匹配获得机器人的位姿信息以初始优化机器人的位姿。该系统包括确定模块、识别模块、提取模块和初始优化模块。本申请采用运动一致性方法从潜在动态区域识别出动态区域，即使SLAM系统处于动态环境中，根据潜在动态区域和背景区域中的ORB特征点也能够准确地估计出每个输入图像的在相机中的3D运动轨迹和机器人的位姿信息。 | ||
| 搜索关键词： | 动态区域 特征点 机器人 运动一致性 背景区域 位姿信息 动态场景 动态环境 输入图像 提取模块 网络模型 优化模块 语义分割 位姿 匹配 申请 相机 图像 优化 学习 | ||
【主权项】：
1.一种基于动态场景的RGB-D SLAM方法，该方法包括以下步骤：/n基于深度学习的语义分割网络模型以确定图像的潜在动态区域；/n采用运动一致性方法确定图像中的两个连续帧图像中的特征点是否对应，判断图像中的潜在动态区域和背景区域中的待识别物是否一致；若一致，则将该潜在动态区域识别为动态区域；/n分别提取潜在动态区域和背景区域中的ORB特征点，如果该ORB特征点所在的区域是动态区域，则在当前的图像帧和参考帧中删除该ORB特征点，反之则将该ORB特征点保留于潜在动态区域和背景区域中；/n采用ICP算法对所述ORB特征点进行匹配以获得机器人的位姿信息。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京影谱科技股份有限公司，未经北京影谱科技股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910913318.1/，转载请声明来源钻瓜专利网。
