基于自监督深度学习的视觉里程计方法技术

本发明专利技术公开了一种基于自监督深度学习的视觉里程计方法，它包括如下步骤：第一步，使用双目摄像头硬件装置采集图片数据前，对双目摄像头进行标定；第二步，通过双目进行视频图像数据的采集；第三步，对采集得到视频图像数据进行预处理；第四步，搭建深度估计模型；第五步，搭建位姿估计模型；第六步，搭建双目视觉SLAM系统框架。本发明专利技术具有很强的鲁棒性来处理由光照变化，图像噪声和图像运动模糊引起的问题，适用于多场景。适用于多场景。适用于多场景。

【技术实现步骤摘要】
基于自监督深度学习的视觉里程计方法


[0001]本专利技术涉及一种基于自监督深度学习的视觉里程计方法。

技术介绍

[0002]进入21世纪以来，人工智能技术开始广泛的应用在人们日常生活的方方面面，例如高级驾驶员辅助系统，自动驾驶，智能车辆，机器人等。其中，感知场景3D结构和解析场景几何关系有助于机器人理解现实环境，这对于广泛的人工智能应用是至关重要的。在诸多人工智能工程应用中，感知与解析场景3D结构的同时，我们还需要应用计算机视觉技术做检测、识别、路径规划和目标定位等任务。正是由于场景3D信息的帮助，这些计算机视觉任务才得以简化。毕竟知道场景的结构信息就更容易分辨出物体的边界，分辨出物体边界就更容易检测、识别出物体，而检测、识别出物体又是其他计算机视觉任务的基础。
[0003]前端视觉里程计在整个视觉SLAM技术中最基础的问题，只有一个好的前端初始值，才能顺利的进行后端的优化和回环检测以及最后的建图。而在求解视觉里程计问题上，图像只具有二维信息，丢失了场景深度信息，如何恢复深度信息对求解视觉里程计十分重要。在视觉SLAM中，是如何得到场本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自监督深度学习的视觉里程计方法，其特征在于，它包括如下步骤：第一步，使用双目摄像头硬件装置采集图片数据前，对双目摄像头进行标定；第二步，通过双目进行视频图像数据的采集；第三步，对采集得到视频图像数据进行预处理；第四步，搭建深度估计模型；第五步，搭建位姿估计模型；第六步，搭建双目视觉SLAM系统框架。2.如权利要求1所述的基于自监督深度学习的视觉里程计方法，其特征在于，第三步中，数据预处理如下：图像降噪采用高斯平滑滤波；图像增强使用尺度变换、随机裁剪、颜色调整的方法；将RGB图像数据归一化到0到1之间。3.如权利要求1所述的基于自监督深度学习的视觉里程计...

【专利技术属性】
技术研发人员：吴锦洲，冯小渝，吕文琪，向毅，何龙，刘子樊，蒋鸿伟，傅普杰，简夜明，
申请(专利权)人：重庆科技学院，
类型：发明
国别省市：