申请/专利权人：南京师范大学

申请日：2024-04-11

公开（公告）日：2024-06-14

公开（公告）号：CN118038103B

主分类号：G06V10/762

分类号：G06V10/762;G06V10/74;G06V10/764

优先权：

专利状态码：有效-授权

法律状态：2024.06.14#授权;2024.05.31#实质审查的生效;2024.05.14#公开

摘要：本发明公开了一种基于改进动态扩展模型自适应算法的视觉回环检测方法，获取环境图像并进行标签定义，获得图像的特征标签矩阵；获取聚类图像，通过原图像与聚类图像之间的相似性计算，得到特征标签矩阵的非相似性值；并与阈值比较后进行特征标签矩阵划分；对划分后的强数据标签集合和正常数据标签集合进行改进的原型聚类处理，将正常数据标签集合聚类到聚类图像中的聚类中心附近，将强数据标签集合嵌套到距聚类图像中的聚类中心更远处，形成新的聚类图像；对处理后的图像实现视觉回环检测。采用改进的动态扩展模型自适应算法可排除未知目标域的强数据的污染干扰，保持正常数据样本匹配的精准稳定性，提高回环检测的精准性。

主权项：1.一种基于改进动态扩展模型自适应算法的视觉回环检测方法，其特征在于，包括以下步骤：（1）获取动态作业环境中若干连续环境图像，并进行标签定义，获得环境图像的标签集合，标签集合中包括特征标签矩阵；（2）对第一张环境图像进行原型聚类，得到第一原型聚类图像，通过第一张环境图像与第一原型聚类图像之间的特征标签矩阵的相似性计算，得到第一张环境图像中每个特征标签矩阵的非相似性值；对第t张环境图像，通过与第t-1聚类图像之间的特征标签矩阵的相似性计算，得到第t张环境图像中每个特征标签矩阵的非相似性值；其中t＞1；（3）通过特征标签矩阵的非相似性值与阈值的比较，对特征标签矩阵进行划分，划分为强数据标签集合和正常数据标签集合；（4）对环境图像进行改进的动态扩展模型自适应算法处理：对第一张环境图像的强数据标签集合和正常数据标签集合进行改进的原型聚类处理，将正常数据标签集合聚类到第一原型聚类图像中的聚类中心附近，将强数据标签集合嵌套到距第一原型聚类图像中的聚类中心更远处，形成第一聚类图像；对第t张环境图像的强数据标签集合和正常数据标签集合进行改进的原型聚类处理，将正常数据标签集合聚类到第t-1聚类图像中的聚类中心附近，将强数据标签集合嵌套到距第t-1聚类图像中的聚类中心更远处，形成第t聚类图像；（5）对改进的动态扩展模型自适应算法处理后的若干环境图像，进行三维结算处理，获得关键帧，对关键帧进行视觉里程计的回环检测，实现对环境图像基于动态扩展模型自适应算法的视觉回环检测。

全文数据：

权利要求：

百度查询： 南京师范大学 基于改进动态扩展模型自适应算法的视觉回环检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD