买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：重庆理工大学

摘要：本发明公开了一种基于动态目标检测与分类的构建地图孔洞修复方法，涉及机器视觉技术领域。本发明通过卷积神经网络的计算、逐像素分割先天的动态物体、利用多视图几何和深度学习提高动态物体分割能力、利用一个低代价的追踪模块在创建好的场景地图中定位、基于经过分割的帧被用来生成相机的轨迹和场景的地图以及基于之前视角中观测到的静态信息来重新构建当前帧被遮挡的背景部分，该方法除了能够实时计算出相机的轨线，并生成场景的稀疏三维重建结果，检测动态物体并实现分类，通过场景的静态地图对观测帧的背景进行修复，适用于单目，双目以及RGB‑D相机，在高度动态的场景下，能够取得较高的精度，提高了长时间建图的质量。

主权项：1.一种基于动态目标检测与分类的构建地图孔洞修复方法，其特征在于，包括以下步骤:S1、通过卷积神经网络计算，逐像素分割先天动态物体；S2、利用一个低代价的跟踪模块在创建好的场景地图中定位；S3、利用多视图几何和深度学习提高动态物体分割能力；S4、基于这些经过分割的帧来生成相机的轨迹和场景地图；S5、基于之前视角中观测到的静态信息来重新构建当前帧被遮挡的背景部分；其中，通过卷积神经网络计算，逐像素分割先天动态物体，主要包括：将图像数据输入系统通过卷积神经网络进行语义分割，所述图像数据类型为RGB-D图像；系统用于动态物体检测的方法为卷积神经网络和多视图几何；在所述图像数据使用RBG-D相机时，所述动态物体检测使用卷积神经网络以及多视图几何同时进行工作；其中，利用多视图几何和深度学习提高动态物体分割能力，主要包括：针对RGB-D图像数据在所述低代价的跟踪模块获取之后，利用多视图几何方法对经过神经网络语义分割过的图像再次进行动态物体的分割，根据当前帧对应的深度图获得xCF实际测得的深度值Zc；计算ΔZ＝Zp-Zc，并且通过权衡准确率设定阈值为0.7，如果ΔZ大于阈值，则认为关键点xCF是在动态物体上，需要将其剔除；其中，利用多视图几何和深度学习提高动态物体分割能力，主要包括：针对RGB-D图像数据在所述低代价的跟踪模块获取之后，根据角度α判断是否是动态物体，如果关键点xKF和xCF之间的视差角大于30°，则也会将xCF从图像中剔除；将其中并非先验动态物体，在现实场景中又为动态物体分割出来。

全文数据：

权利要求：

百度查询： 重庆理工大学 一种基于动态目标检测与分类的构建地图孔洞修复方法