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：河南省科学院物理研究所;河南省科学院

摘要：本发明公开了一种基于特征点增强的无人机视觉SLAM技术研究方法，方法包括：获取无人机周围环境；根据周围环境信息进行无人机定位；构建当前环境的地图；依据不同物体的特征分割出环境中的信息；构建优化地图信息；通过FeatureBooster对提取特征点进行增强；在ORB‑SLAM3的基础上添加语义信息并通过深度学习的方法建图。本发明提供的方法综合考虑了在复杂的环境下无人机的定位和建图，将语义分割网络与光流金字塔相结合，降低了动态目标对定位的影响，提高了动态环境下的定位精度。同时，使用了Nerf建图，为执行其他更高层次的任务奠定基础。

主权项：1.一种基于特征点增强的无人机视觉SLAM技术研究方法，其特征在于，具体包括如下步骤：步骤1：相机采集图像或者输入图像帧，然后对图像进行预处理；步骤2：初始化无人机当前位姿，从第一帧图像中使用ORB算法从RGB图像中提取特征点，在相邻帧之间，通过特征匹配来估计相机的初始位姿，如果初始化成功进行步骤3，否则结束运行；步骤3：从后续帧中提取ORB特征点，对于每个ORB特征点，计算其BRIEF描述子；步骤4：对提取出的ORB特征点经过FeatureBooster算法进行增强；步骤5：获取地图帧的语义信息，通过PIDNet语义分割模型对地图进行语义分割，对图像中干扰信息剔除；步骤6：判断当前帧图像是否为关键帧，如果是执行步骤7，如果当前帧不是关键帧，在跟踪阶段，系统会尝试使用之前的关键帧或相邻帧来跟踪当前帧的相机位姿；步骤7：将当前关键帧添加到闭环检测的候选队列中，通过执行相似性评估算法；计算当前关键帧与关键帧数据库中存储的关键帧之间的相似度得分，从而识别出可能存在闭环或子地图融合潜力的候选关键帧，根据结果系统将判定当前区域是否出现了闭环情况或地图融合的可能性；步骤8：通过步骤4提取到的稀疏点云，利用稀疏点云、相机位姿和语义信息来训练一个能够生成密集映射的Nerf模型；步骤9：输出保存生成点云和地图。

全文数据：

权利要求：

百度查询： 河南省科学院物理研究所 河南省科学院 一种基于特征点增强的无人机视觉SLAM技术研究方法