[发明专利]基于深度学习的视觉里程计特征点提取方法及视觉里程计有效
| 申请号： | 201910948470.3 | 申请日： | 2019-10-08 |
| 公开（公告）号： | CN110766024B | 公开（公告）日： | 2023-05-23 |
| 发明（设计）人： | 熊炜;金靖熠;李敏;李利荣;王娟;曾春艳;刘敏 | 申请（专利权）人： | 湖北工业大学 |
| 主分类号： | G06V10/44 | 分类号： | G06V10/44;G06V10/75;G06V10/82;G06N3/0895;G06N3/0464 |
| 代理公司： | 武汉科皓知识产权代理事务所(特殊普通合伙) 42222 | 代理人： | 魏波 |
| 地址： | 430068 湖北*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的视觉里程计特征点提取方法及视觉里程计，首先构建深度学习特征点模型，然后优化深度学习特征点模型，接着特征点检测，最后进行特征点匹配；本发明使用深度学习的方法解决图像特征点提取与匹配问题，可以自由灵活的设计角点特征。本发明实时性是视觉里程计性能的重要参考标准之一，使用深度学习特征点法相较于传统方法可以更充分地利用图形显卡硬件资源，从而达到加速目的。本发明相较于传统的特征点法，在视点变化、光度变化场景下，检测精度明显提高，鲁棒性明显增强。 | ||
| 搜索关键词： | 基于 深度 学习 视觉 里程计 特征 提取 方法 | ||
【主权项】：
1.一种基于深度学习的视觉里程计特征点提取方法，其特征在于，包括以下步骤：/n步骤1：构建深度学习特征点模型；/n所述模型是利用自监督学习方式对角点进行提取并生成对应描述子的网络模型，包括对人工角点预训练、对真实图片角点自标注、联合训练三个阶段；/n步骤2：优化深度学习特征点模型；/n步骤3：特征点检测；/n步骤4：特征点匹配。/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湖北工业大学，未经湖北工业大学许可，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/201910948470.3/，转载请声明来源钻瓜专利网。
