基于深度学习图像特征的动态环境视觉SLAM方法OA北大核心CSTPCD
Visual SLAM method for dynamic environment based on deep learning image features
针对传统的视觉同时定位与地图构建(SLAM)算法依赖的特征提取方法多为人为设计的图像特征,存在动态物体、光照条件改变等动态情形不够稳定,容易产生丢失跟踪的问题,提出了一种基于深度学习的、稳定的、实时的图像特征提取与匹配方法.对带有注意力机制的神经网络模型通过多任务蒸馏训练的方式进行训练,实现面向光线条件剧烈改变的场景特征提取与匹配,并且基于全局特征与局部特征,提出基于分级特征的重定位方法,提高系统整体的精度与稳定性,同时具有实时性.在同一场景不同…查看全部>>
Aiming at the problem that traditional visual simultaneous localization and mapping(SLAM)algorithms rely on hand-crafted features,which are not stable enough for dynamic objects and change of illumination conditions and are prone to lose tracking,a stable and real-time method of image feature extraction and matching was presented based on deep learning.The neural network model with attention mechanism was trained through multi-task distillation training to r…查看全部>>
刘冬;于涛;丛明;杜宇
大连理工大学机械工程学院,辽宁 大连 116024大连理工大学机械工程学院,辽宁 大连 116024大连理工大学机械工程学院,辽宁 大连 116024大连交通大学机械工程学院,辽宁 大连 116028
计算机与自动化
视觉同时定位与地图构建(SLAM)深度学习注意力多任务蒸馏特征提取
visual SLAMdeep learningattentionmulti-task distillationfeature extraction
《华中科技大学学报（自然科学版）》 2024 (6)
156-163,8
装备预研教育部联合基金资助项目(8091B022119)国家自然科学基金资助项目(62173064)中央高校基本科研业务费专项资金资助项目(DUT22JC13).
评论