System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及计算机视觉,具体涉及一种基于深度学习的室内定位方法、系统、设备及存储介质。
技术介绍
1、室内空间,例如商场、办公室等场所的地面都铺设有瓷砖,四边均是玻璃,存在严重的反光现象。而且由于存在大面积的白墙、玻璃透明以及不断更换广告等各种情况,无法使用普通摄像头进行图像识别。即室内地图存在更新问题,很多室内布局变更比较频繁,比如商场店铺更换、内部结构更改。因此需要频繁更改获取的地图信息。
2、室内定位需要面对更复杂多样的环境,比如各类建筑物的室内结构和布局各不相同,位置布局更精细,空间也更小,若想在其内定位一个移动对象的所在楼层和所在房间位置,精度要求会更高。目前,能够适用于这种情况并满足如此高精度的定位技术还很少,技术没有室外定位技术那么成熟,更重要的是,定位精度要求越高,成本也越大。深度相机对比同等性能的激光雷达,价格更低,并含有完整的6轴imu(运动传感器),0.5米-5米内测距精度更高。
3、深度相机实时生成深度图,深度图只考虑物理层面上物体所在三维空间位置,能自动过滤各种反光问题,并且对表面颜色、各种花纹及透明等问题完全会忽略掉。
4、鉴于此,本申请提出了一种基于深度学习与深度相机的室内定位方法、系统、设备及存储介质,能够对室内空间进行定位。
技术实现思路
1、为了解决现有室内定位精度要求高导致成本较大、需频繁更改获取的地图信息等问题,本申请提供一种基于深度学习的室内定位方法、系统、设备及存储介质,以解决上述技术缺陷问题。
< ...【技术保护点】
1.一种基于深度学习的室内定位方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于深度学习的室内定位方法,其特征在于,在步骤S5中,对所述特征集合进行深度学习并生成onnx模型,通过所述onnx模型实现室内定位,包括以下子步骤:
3.根据权利要求1所述的基于深度学习的室内定位方法,其特征在于,在步骤S2中,将所述点云数据输入至点云处理深度学习模型进行训练,获得预处理点云图,包括以下子步骤:
4.根据权利要求1所述的基于深度学习的室内定位方法,其特征在于,在步骤S4中,利用标准空心体积块填充所述点云地图,对所述标准体积块进行垂直投影生成2D灰度图,基于所述2D灰度图生成特征集合,包括以下子步骤:
5.根据权利要求1所述的基于深度学习的室内定位方法,其特征在于,还包括:
6.根据权利要求1所述的基于深度学习的室内定位方法,其特征在于,在步骤S3中,通过ICP算法对当前帧的所述预处理点云图与上一帧的所述预处理点云图进行数据配准,并且优化变换矩阵,将配准后的点云进行合并,生成初步的点云地图,将所有的室内空间全部扫描完后
7.一种基于深度学习的室内定位系统,其特征在于,包括:
8.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述基于深度学习的室内定位方法的步骤。
9.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述基于深度学习的室内定位方法的步骤。
...【技术特征摘要】
1.一种基于深度学习的室内定位方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于深度学习的室内定位方法,其特征在于,在步骤s5中,对所述特征集合进行深度学习并生成onnx模型,通过所述onnx模型实现室内定位,包括以下子步骤:
3.根据权利要求1所述的基于深度学习的室内定位方法,其特征在于,在步骤s2中,将所述点云数据输入至点云处理深度学习模型进行训练,获得预处理点云图,包括以下子步骤:
4.根据权利要求1所述的基于深度学习的室内定位方法,其特征在于,在步骤s4中,利用标准空心体积块填充所述点云地图,对所述标准体积块进行垂直投影生成2d灰度图,基于所述2d灰度图生成特征集合,包括以下子步骤:
5.根据权利要求1所述的基于深度学习的室内定位方法,其特征在于,还包括:
6.根据...
【专利技术属性】
技术研发人员:陈洪,刘学,张惠阳,段克奇,周萍,卢清柏,张逸均,郭凌志,
申请(专利权)人:华邮数字文化技术研究院厦门有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。