龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：西南科技大学
摘要：本发明公开了一种基于目标检测和高斯混合模型的静态特征点筛选方法。考虑到传统基于视觉的同时定位与建图算法在动态场景中鲁棒性较差，本发明首先使用目标检测算法检测潜在动态区域；然后，使用光流对特征点进行跟踪，以光流的模长和二范数作为二维特征构建高斯混合模型，并利用期望最大化算法对模型进行聚类；最后根据目标检测结果和高斯混合模型聚类结果筛选静态特征点。本发明能够剔除动态特征点，同时保留更多的静态特征点，使得动态特征点不参与位姿估计，更多静态特征点参与位姿估计，大幅提高同时定位与建图算法在动态场景中的鲁棒性和定位精度。此外，本发明实现简单，可集成到任何基于特征点法的视觉同时定位与建图方法中。
主权项：1.基于目标检测和高斯混合模型的静态特征点筛选方法，其特征在于如下步骤：步骤一、对图像I使用轻量级目标检测算法，检测得到潜在动态对象区域非潜在运动区域目潜在动态对象根据同时定位与建图方法的应用场景预先设定。步骤二、首先提取整幅图像特征点，得到特征点集合N为检测到的特征点个数。对于t时刻图像I中x，y处的特征点Fi，利用光流法可计算得到t+dt时刻该特征点移动到j，k处。然后根据特征点先后位置构造光流特征，定义光流二范数为： 定义光流方向为： 所述光流特征二维向量可以表示为：X＝[l，θ]3构建由静态光流特征分量和动态光流特征分量组成的高斯混合模型： 其中，N为所有被跟踪的特征点数量，αi为高斯混合模型各分量混合系数，N为各分量的概率密度函数，μi为各分量特征均值，∑i为各分量特征协方差矩阵，X＝{Xi|i＝0，1，2，…，N}为N个被跟踪特征点的光流特征集合。使用期望最大化算法对光流特征高斯混合模型聚类，得到所有被跟踪的特征点的类别标签集合步骤三、为了区分每个特征点的类别标签所属类别，统计非动态区域中各类特征点类别标签数量，得到数量最大者标签K作为静态特征点标签。然后对潜在动态区域中的特征点标签进行逐一筛选，保留标签为K的特征点，剔除标签不为K的特征点。本方法最终保留的特征点集合为潜在动态区域中的静态特征点与非潜在动态对象区域中的所有特征点的并集。
全文数据：
权利要求：
百度查询： 西南科技大学 一种基于目标检测和高斯混合模型的静态特征点筛选方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号