[发明专利]一种室内3D点云语义地图的构建方法在审
申请号: | 201910529158.0 | 申请日: | 2019-06-19 |
公开(公告)号: | CN110728751A | 公开(公告)日: | 2020-01-24 |
发明(设计)人: | 左韬;胡新宇;闵华松;张劲波;伍一维;林云汉;王少威;朱瑞婷;许晨 | 申请(专利权)人: | 武汉科技大学 |
主分类号: | G06T17/05 | 分类号: | G06T17/05;G06N3/04 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 430081 湖北*** | 国省代码: | 湖北;42 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明涉及地图构建技术领域,涉及一种室内3D点云语义地图的构建方法。该方法包括:步骤1:利用RGB‑D相机获取室内环境的RGB‑D图像;步骤2:构建一个可用于目标检测与实例分割的深度卷积神经网络Mask R‑CNN;步骤3:将采集到的RGB‑D图像输入网络中,然后对输出图像做点云处理;步骤4:将经Mask R‑CNN网络和点云处理后的图像与构建的室内环境的点云地图融合得到语义点云地图;步骤5:对点云语义地图进行全局优化。 | ||
搜索关键词: | 点云 构建 室内环境 语义地图 卷积神经网络 图像 语义 地图构建 目标检测 全局优化 输出图像 图像输入 可用 网络 相机 采集 室内 融合 分割 | ||
【主权项】:
1.一种室内3D点云语义地图的构建方法,其特征在于,该方法包括:/n步骤1:利用RGB-D相机获取室内环境得到连续的RGB-D图像;/n步骤2:构建一个可用于目标检测与实例分割的深度卷积神经网络Mask R-CNN;/n步骤3:将采集到的RGB-D图像输入网络中,输出图像中的目标是含有语义信息且是像素级的,然后对输出图像做点云处理;/n步骤4:将经Mask R-CNN网络和点云处理后的图像与构建的室内环境的点云地图融合得到语义点云地图;/n步骤5:对3D点云语义地图进行全局优化,主要利用g2o(General GraphOptimization)算法优化点云语义地图。/n
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于武汉科技大学,未经武汉科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201910529158.0/,转载请声明来源钻瓜专利网。
- 彩色图像和单色图像的图像处理
- 图像编码/图像解码方法以及图像编码/图像解码装置
- 图像处理装置、图像形成装置、图像读取装置、图像处理方法
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序以及图像解码程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序、以及图像解码程序
- 图像形成设备、图像形成系统和图像形成方法
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序