【技术实现步骤摘要】
本专利技术涉及计算机视觉，尤其是涉及一种基于orb描述算子增强的slam方法、装置及介质。
技术介绍
1、从图像中提取稀疏的关键点或局部特征是计算机视觉任务中不可或缺的一部分。这些任务包括从运动中提取结构(sfm)、同时定位和建图(slam)以及视觉定位等。关键点的匹配在不同图像上起着重要作用，而特征描述算子则用于表示这些匹配。特征描述算子可以是实值描述符或二进制描述符。
2、早期的描述算子通常是手工制作的，但随着机器学习和深度学习的发展，基于学习的描述算子变得越来越受欢迎。例如，superpoint是一种经过训练的描述算子，已经在各种计算机视觉任务中表现出优秀的性能。与手工制作的描述算子相比，基于深度学习的描述算子能够更好地适应不同图像上的关键点匹配，并且在处理具有挑战性情况下能够取得更好的效果。然而，由于描述算子已经集成到实际系统中，用全新的描述算子替换它们可能会面临一些问题。首先，新的描述算子可能需要更多的计算能力，可能超出了现有硬件的支持范围。其次，由于描述算子类型发生了变化，可能需要对框架代码进行大量修改，以适应新...
【技术保护点】
1.一种基于ORB描述算子增强的SLAM方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于ORB描述算子增强的SLAM方法，其特征在于，所述步骤S1包括以下步骤：
3.根据权利要求1所述的一种基于ORB描述算子增强的SLAM方法，其特征在于，所述步骤S2包括以下步骤：
4.根据权利要求1所述的一种基于ORB描述算子增强的SLAM方法，其特征在于，所述特征描述算子用于表征图像的特征信息，图像的特征信息包括特征点的独立信息和集合信息，所述独立信息包括全局几何信息和特征点的表征信息，所述集合信息包括特征点集的相对位置关系，...
【技术特征摘要】
1.一种基于orb描述算子增强的slam方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于orb描述算子增强的slam方法，其特征在于，所述步骤s1包括以下步骤：
3.根据权利要求1所述的一种基于orb描述算子增强的slam方法，其特征在于，所述步骤s2包括以下步骤：
4.根据权利要求1所述的一种基于orb描述算子增强的slam方法，其特征在于，所述特征描述算子用于表征图像的特征信息，图像的特征信息包括特征点的独立信息和集合信息，所述独立信息包括全局几何信息和特征点的表征信息，所述集合信息包括特征点集的相对位置关系，所述描述算子增强网络包括基于表征信息的特征自增强网络和基于特征点集的特征互增强网络。
5.根据权利要求4所述的一种基于orb描述算子增强的slam方法，其特征在于，所述特征自增强网络基于mlp模型将几何信息、特征信息和表征信息融合到提取的特征描述算子...
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。