一种基于深度学习的感知增强与运动判断算法、存储介质及设备制造技术

本发明专利技术公开了一种基于深度学习的感知增强与运动判断算法，包括如下步骤：步骤S1、通过融合模糊区域关注模块与增强检测模块的感知增强网络准确检测动态模糊物体；步骤S2、利用感知器对图像中物体的识别，根据获取到的语义信息将场景中的物体分为高动态、中动态和低动态三种；步骤S3、提取图像中的特征点，并将高动态和中动态目标分类为潜在动态区域进行数据关联；步骤S4、通过构建全局条件随机场对潜在动态区域的特征点进行筛选，最后剔除区域内判断为动态的特征点。本发明专利技术基于一元势和二元势函数，通过构建场能量函数并使其最小化来获取全局最佳标签，剔除潜在动态区域中判断为动态的特征点减少动态点对系统的影响。的特征点减少动态点对系统的影响。的特征点减少动态点对系统的影响。

【技术实现步骤摘要】
一种基于深度学习的感知增强与运动判断算法、存储介质及设备


[0001]本专利技术属于同步定位与地图创建(Simultaneous Location And Mapping，SLAM)
，具体涉及一种基于深度学习的感知增强与运动判断算法、存储介质及设备。

技术介绍

[0002]同步定位与地图构建(Simultaneous Location And Mapping，SLAM)是指机移动机器人在没有周围环境先验信息的前提下，使用自身搭载的传感器，完成自身位姿估计与环境地图构建。当前主流SLAM系统都在静态环境中取得了高精度的定位与构图，但在面临复杂环境下SLAM系统位姿估计与地图构建效果较差，特别是在动态模糊环境下系统难以准确识别或错误识别场景物体，无法准确判断物体的运动情况，动态物体对SLAM系统定位精度影响较大。现有技术对图像中动态物体和静态物体进行识别分类以判断图像中的动态点和静态点，但是动态物体不一定处于运动状态，只属于有较大可能处于动态运动的潜在动态区域。现有技术无法根据所采集图像提供的全局信息对其中的潜在动态区域进行判断，造成静态点本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的感知增强与运动判断算法，其特征在于：包括如下步骤：步骤S1、通过融合模糊区域关注模块与增强检测模块的感知增强网络准确检测动态模糊物体；步骤S2、利用感知器对图像中物体的识别，根据获取到的语义信息将场景中的物体分为高动态、中动态和低动态三种；步骤S3、提取图像中的特征点，并将高动态和中动态目标分类为潜在动态区域进行数据关联；步骤S4、通过构建全局条件随机场对潜在动态区域的特征点进行筛选，最后剔除区域内判断为动态的特征点。2.根据权利要求1所述的一种基于深度学习的感知增强与运动判断算法，其特征在于：所述步骤S4中，通过构建全局条件随机场判断潜在动态点的运动状态，全局观测信息包括每个点在不同帧中的观测情况和重投影误差，将构建的全局条件随机场的模型转化为Gibbs能量函数来求解，最小化能量函数E(x)得到所有点的最优标签分配，通过使用有效平均场近似法最小化能量函数得到全局最佳标签；所述能量函数E(x)为：能量函数分为两个部分，分别为一元势函数ψ
u
(x
i
)和二元势函数其中，i和j表示不同的节点，x
i
和x
j
分别表示节点i和j的类别标签；本算法构造一元势模型来拟合全局条件随机场中的每一个顶点，二元势模型来拟合顶点间相连的边。3.根据权利要求2所述的一种基于深度学习的感知增强与运动判断算法，其特征在于：一元势函数用来建模特征点集合与观测场之间的关系，如下所示：ψ
u
(x
i
)＝
‑
ln((α
i
‑
μ
α
)2(β
i
‑
μ
β
)2(γ
i
‑
μ
γ
)2)其中，ψ
u
(x
i
)为构造的一元势函数，α
i
为空间点P
i
重投影误差，β
i
为空间点P
i
的总观测数，γ
i
为对应像素点到极线的距离，像素点为空间点经投影变换后的点，μ
α
、μ
β
和μ
γ
分别代表上述重投影误差、总观测数和像素点到极线距离的均值。4.根据权利要求2所述的一种基于深度学习的感知增强与运动判断算法，其特征在于：二元势函数构建当前节点与其领域节点之间的关系，通过建模特征点的空间相关性来提高变化的检测性能，如下式所示：其中α
i
和α
j
分别表示节点i、j的平均重投影误差，β
i
和β
j
分别表示节点i、j的观测数，p
i
和p
j
分别表示节点i和j的位姿参数，k1和k2为权重参数对，σ
α
、σ
β
和σ
γ
为常数，用来控制高斯核的形状和尺度，μ(x
i
，x
j
...

【专利技术属性】
技术研发人员：陈孟元，程浩，
申请(专利权)人：安徽工程大学，
类型：发明
国别省市：