【技术实现步骤摘要】
本专利技术属于视觉导航定位领域，涉及双目视觉slam技术，尤其涉及一种基于果园环境下融合gcnv2网络的双目视觉slam方法。
技术介绍
1、随着计算机视觉技术的迅速发展，利用视觉图像进行定位的理论研究和实际应用取得了巨大的进展。相机作为一种价格便宜、提供丰富环境信息的传感器，被广泛应用于农业机器人导航定位领域。
2、视觉slam技术通过相机捕获三维世界的二维图像信息，根据提取的特征信息或像素灰度推断相机的位姿状态，并构建周围环境的地图。虽然视觉slam可使用单目相机实现，但仅通过一个摄像机无法获取深度信息，导致地图比例和轨迹估计未知。为解决这些问题，采用双目立体相机可提供可靠的视觉slam解决方案。
3、视觉slam主要分为视觉前端和优化后端，前者也称为视觉里程计。视觉里程计会随着时间推移产生漂移，因此只能得到粗略的相机间运动关系。而slam中加入了后端优化方法、建图功能，且能利用闭环检测消除累积误差，得到全局一致性轨迹和地图。现有slam方法可分为稀疏(基于特征)和密集(直接)方法，鉴于果园定位的实时性和计算...
【技术保护点】
1.一种基于果园环境下融合GCNv2网络的双目视觉SLAM方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于果园环境下融合GCNv2网络的双目视觉SLAM方法，其特征在于，所述步骤1中对原始图像进行校正，通过双目图像匹配获取视差图，将视差图转换为深度图的过程包括：
3.根据权利要求1所述的基于果园环境下融合GCNv2网络的双目视觉SLAM方法，其特征在于，所述步骤2具体包括如下过程：
4.根据权利要求3所述的基于果园环境下融合GCNv2网络的双目视觉SLAM方法，其特征在于，当跟踪失效时，计算当前帧图像的词袋向量，利用词...
【技术特征摘要】
1.一种基于果园环境下融合gcnv2网络的双目视觉slam方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于果园环境下融合gcnv2网络的双目视觉slam方法，其特征在于，所述步骤1中对原始图像进行校正，通过双目图像匹配获取视差图，将视差图转换为深度图的过程包括：
3.根据权利要求1所述的基于果园环境下融合gcnv2网络的双目视觉slam方法，其特征在于，所述步骤2具体包括如下过程：
4.根据权利要求3所述的基于果园环境下融合gcnv2网络的双目视觉slam方法，其特征在于，当跟踪失效时，计算当前帧图像的词袋向量，利用词典选取若干备选关键帧，对备选关键帧依次执行pnp算法计算当前帧位姿，直到找到一个位姿能覆盖足够多的有效点，此时通过全局重定位初始化位姿。
5.根据权利要求3所述的基于果园环境下融合gcnv2网络的双目视觉slam方法，其特征在于，gcnv2网络由卷积神经网络与循环神经网络相结合后训练而成，以实现同时预测...
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。