一种基于深度学习目标检测的动态环境SLAM方法技术

本发明专利技术公开了一种基于深度学习目标检测的动态环境SLAM方法，包括：基于视觉SLAM前端获取多相机输入图像，并进行去畸变处理，将去畸变后的点投影到像素平面上，获得目标图像；提取所述多相机输入图像中的特征点；在多相机输入的不同图像之间进行特征匹配，进行特征关联，实现不同相机之间对于同一特征点跨相机跟踪；根据特征点来源对特征点进行类别；根据分类结果筛选特征点；对于通过筛选的特征点，按照不同的特征点类别构建残差方程进行优化，输出位姿。本发明专利技术提出基于多相机图像的SLAM方法，最大限度的利用多相机提供的更丰富的环境信息，实现更鲁棒的视觉惯性SLAM方法。

【技术实现步骤摘要】

本专利技术属于计算机视觉领域，特别是涉及一种基于多相机输入图像的视觉惯性slam方法。

技术介绍

1、移动机器人作为当今时代的热点，如何针对其准确地定位以及针对未知环境的探索是现下的重点问题。同时定位与地图构建(simultaneous localization and mapping,slam)指的是在估计未知环境地图的同时监测一个代理的位置的过程。这里的代理，可以是家用机器人、自主车辆、行星探测器甚至是无人驾驶车辆(unmanned ground vehicle,ugv)或者无人驾驶航空器(unmanned aerial vehicle,uav)。在事先没有环境地图或是机器人的位置未知的情况下，可以利用slam技术来涵盖广泛的应用。近年来，slam在工业界和研究界中都获得了巨大的关注。

2、随着机器视觉与机器人技术的日益融合，视觉惯性里程计(visual-inertialodometry,vio)作为实现精准定位和导航的关键技术，在无人机、自动驾驶、虚拟现实和增强现实等领域展现出了巨大的应用潜力。在vio系统中，相机作为获取环境视觉信息的主本文档来自技高网...

【技术保护点】

1.一种基于深度学习目标检测的动态环境SLAM方法，其特征在于，

2.根据权利要求1所述的一种基于深度学习目标检测的动态环境SLAM方法，其特征在于，

3.根据权利要求2所述的一种基于深度学习目标检测的动态环境SLAM方法，其特征在于，

4.根据权利要求3所述的一种基于深度学习目标检测的动态环境SLAM方法，其特征在于，

5.根据权利要求4所述的一种基于深度学习目标检测的动态环境SLAM方法，其特征在于，

6.根据权利要求5所述的一种基于深度学习目标检测的动态环境SLAM方法，其特征在于，

7.根据权利要求6所述的一...

【技术特征摘要】

1.一种基于深度学习目标检测的动态环境slam方法，其特征在于，

2.根据权利要求1所述的一种基于深度学习目标检测的动态环境slam方法，其特征在于，

3.根据权利要求2所述的一种基于深度学习目标检测的动态环境slam方法，其特征在于，

4.根据权利要求3所述的一种基于深度学习目标检测的动态环境slam方法，其特征在于，

5....

【专利技术属性】
技术研发人员：徐博，白靖，戴秋阳，甄亚楠，翟莜薇，李想，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：