申请/专利权人：北京航空航天大学

申请日：2024-03-28

公开（公告）日：2024-06-28

公开（公告）号：CN118258402A

主分类号：G01C21/20

分类号：G01C21/20;G01C21/00;G06V10/774;G06V10/764;G06V10/82;G06V10/44;G06N3/0464;G06N3/045;G06N3/0442;G06N3/084;G06N3/048

优先权：

专利状态码：在审-公开

法律状态：2024.06.28#公开

摘要：本发明公开了一种基于阴影检测及阴影预测的SLAM定位与建图方法，属于定位与导航技术领域。其方法包括以下步骤：搭建阴影检测模型；搭建阴影预测模型；将阴影检测算法和阴影预测模型加入到原有SLAM体系中。本发明提供的一种基于阴影检测及阴影预测的SLAM定位与建图方法，将基于VGG模型的阴影检测算法引入到SLAM定位与建图中，提高SLAM建图的精确度；将基于LSTM的阴影预测模型应用到SLAM的定位与建图中，提高阴影检测效率。并且可以根据载体运行速度及计算能力自适应调整算法参数，能够适应于更多使用场景，也能够适应于搭载不同处理器的载体。

主权项：1.一种基于阴影检测及阴影预测的SLAM定位与建图方法，其特征在于，包括以下步骤：S1、搭建阴影检测模型，对VGG模型进行修改，使用修改后的模型对阴影进行检测，具体包括以下步骤：S11、构建当前环境的图像样本数据集1，使用人工手动标注阴影区域的范围，作为后续神经网络的真值；S12、将数据集1用随机抽取的方法分成训练集和测试集，训练集与测试集的比例为7：3；S13、修改VGG模型，修改后的VGG模型由3层卷积层、2层池化层交替组成，使用1层全连接层对得到的数据进行分类，使用训练集训练阴影检测模型，使用测试集测试模型训练结果，得到阴影检测模型参数；S14、统计在不同载体运行速度及不同载体计算资源下能够运行的VGG模型，选择合适的函数对其进行拟合，并使用最小二乘法获取拟合模型的参数，得到阴影检测算法；S2、搭建阴影预测模型，利用过去时间的阴影图像信息对当前时间的阴影范围进行预测，具体包括以下步骤：S21、按照每小时的间隔统计某一地区近5年的图像数据。并使用人工手动对图像阴影区域进行标注，形成数据集2；S22、将数据集2用随机抽取的方法分成训练集和测试集，训练集与测试集的比例为7：3；S23、使用步骤S13中，建立的阴影检测模型对数据集2中长时间静止的物体进行提取，使用上述物体对应的阴影图像训练LSTM模型，建立阴影预测模型；S3、将步骤S1得到的阴影检测算法和步骤S2得到的阴影预测模型加入到原有SLAM体系中。

全文数据：

权利要求：

百度查询： 北京航空航天大学 一种基于阴影检测及阴影预测的SLAM定位与建图方法

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