【技术实现步骤摘要】
本专利技术涉及图像处理，特别涉及一种基于transformer的无监督里程计估计方法、系统、终端及介质。
技术介绍
1、无监督里程计是计算机视觉领域中的一个重要研究方向，其目标是通过分析从相机采集的图像数据，自动估算相机的运动轨迹，而无需外部监督或先验信息的支持。通过连续分析图像帧，无监督里程计能够精确估算相机的位置和方向，从而为导航系统提供精准的自主定位。这对于自动驾驶汽车、机器人、虚拟现实设备以及增强现实应用至关重要，因为它们需要准确的位置信息来实现自主决策、避障、路径规划等任务。无监督里程计不仅可以降低传感器成本，提高系统的鲁棒性，而且能够在各种环境条件下工作，使导航更加可靠和实用。
2、无人机是一种无人驾驶的飞行器，具有广泛的应用领域。它们可以搭载各种传感器和设备，执行多样化的任务，包括但不限于：航拍和摄影、农业和环境监测、搜救和灾害响应和基础设施检查等。无人机需要准确位置姿态来感知周围环境以及确保安全导航。无监督位姿估计算法使得无人机能够在未知或动态环境中实现高效导航。通过深度感知和位姿估计，无人机可以更好地执行自...
【技术保护点】
1.一种基于transformer的无监督里程计估计方法，其特征在于，包括：
2.根据权利要求1所述的基于transformer的无监督里程计估计方法，其特征在于，所述基于单目视频数据集训练深度学习的无监督里程计的神经网络得到教师权重，包括：
3.根据权利要求2所述的基于transformer的无监督里程计估计方法，其特征在于，所述将深度学习的无监督里程计的神经网络的位姿卷积网络替换为Transformer，确定Transformer位姿神经网络，包括：
4.根据权利要求3所述的基于transformer的无监督里程计估计方法，其特...
【技术特征摘要】
1.一种基于transformer的无监督里程计估计方法，其特征在于，包括：
2.根据权利要求1所述的基于transformer的无监督里程计估计方法，其特征在于，所述基于单目视频数据集训练深度学习的无监督里程计的神经网络得到教师权重，包括：
3.根据权利要求2所述的基于transformer的无监督里程计估计方法，其特征在于，所述将深度学习的无监督里程计的神经网络的位姿卷积网络替换为transformer，确定transformer位姿神经网络，包括：
4.根据权利要求3所述的基于transformer的无监督里程计估计方法，其特征在于，所述将所述transformer位姿神经网络作为学生网络，使用所述教师权重作为伪监督，训练得到transformer位姿神经网络的预训练权重，包括：
5.根据权利要求4所述的基于transformer的无监督里程计估计方法，其特征在于，所述lphoto为教师monodepth2产生的深度da和transformer位姿神经网络估计得到的位姿pa-b的光度损失，其计算...
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。