【技术实现步骤摘要】
本专利技术属人工智能，涉及一种基于深度学习的视觉导航品质因子分类方法及计算机设备，该方法结合了计算机视觉、深度学习和导航系统技术，旨在通过自动化的方式对视觉导航系统的定位品质进行识别和分类，从而提高导航系统的性能和稳定性。
技术介绍
1、随着人工智能和无人机技术的快速发展，视觉导航系统已成为无人机、自动驾驶车辆等领域的重要组成部分。然而，在实际应用中，由于环境变化、传感器故障等原因，视觉导航系统的性能可能会出现波动或下降，影响导航的准确性和稳定性。因此，基于传统视觉导航系统品质评价精确度低、效果差的问题，对视觉导航系统的品质因子进行准确量化和评价，对系统性能的优化和改进具有重要意义。
技术实现思路
1、本专利技术旨在至少解决现有技术或相关技术中存在的技术问题之一。
2、为此，本专利技术提供了一种基于深度学习的视觉导航品质因子分类方法及计算机设备。
3、本专利技术的技术解决方案如下：
4、根据一方面，提供一种基于深度学习的视觉导航品质因子分类方法，该方法包
5本文档来自技高网...
【技术保护点】
1.一种基于深度学习的视觉导航品质因子分类方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于深度学习的视觉导航品质因子分类方法，其特征在于，所述采集图像数据和导航数据，并对采集的数据采用图像匹配算法进行预处理，构建视觉导航品质因子分类数据集，具体包括：
3.根据权利要求2所述的一种基于深度学习的视觉导航品质因子分类方法，其特征在于，所述图像匹配算法处理具体包括：
4.根据权利要求3所述的一种基于深度学习的视觉导航品质因子分类方法，其特征在于，在构建所述分类数据集时，根据视觉导航最终的定位误差划分类别，定位误差小于20...
【技术特征摘要】
1.一种基于深度学习的视觉导航品质因子分类方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于深度学习的视觉导航品质因子分类方法，其特征在于，所述采集图像数据和导航数据，并对采集的数据采用图像匹配算法进行预处理，构建视觉导航品质因子分类数据集，具体包括：
3.根据权利要求2所述的一种基于深度学习的视觉导航品质因子分类方法，其特征在于，所述图像匹配算法处理具体包括：
4.根据权利要求3所述的一种基于深度学习的视觉导航品质因子分类方法，其特征在于，在构建所述分类数据集时，根据视觉导航最终的定位误差划分类别，定位误差小于200m的定为0类，反之定为1类，从采集的数据中挑选0类图像和1类图像各相同预设数量组构建训练集。
5.根据权利要求1-4任一项所述的一种基于深度学习的视觉导航品质因子分类方法，其特征在于，所述主干网络模块主干网络由5层的卷积结构堆叠而成，每个卷积结构均包含卷积层和激活函数，其中，所述卷积层均通过3*3的卷积核进行卷积操作，5层的卷积结构对应的输出通道数分别...
【专利技术属性】
技术研发人员：赵亮，张伟建，明丽，王康，赵宇飞，王洪枫，李至，王大元，李茜茜，魏永树，尚克军，刘崇亮，徐策，扈光锋，
申请(专利权)人：北京自动化控制设备研究所，
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。