買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉湖南大學(xué)申請(qǐng)的專利一種基于端到端特征優(yōu)化模型的無人系統(tǒng)視覺自定位方法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN115659836B 。

龍圖騰網(wǎng)通過國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-19發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202211411175.2，技術(shù)領(lǐng)域涉及：G06F30/27；該發(fā)明授權(quán)一種基于端到端特征優(yōu)化模型的無人系統(tǒng)視覺自定位方法是由余洪山;王靜文設(shè)計(jì)研發(fā)完成，并于2022-11-10向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于端到端特征優(yōu)化模型的無人系統(tǒng)視覺自定位方法在說明書摘要公布了：本發(fā)明公開了一種基于端到端特征優(yōu)化模型的無人系統(tǒng)視覺自定位方法，步驟一、構(gòu)造模型；構(gòu)造端到端預(yù)測(cè)全局位姿的深度神經(jīng)網(wǎng)絡(luò)模型，即Re?PoseNet網(wǎng)絡(luò)，或稱Re?PoseNet模型；步驟二、模型訓(xùn)練；針對(duì)某一特定場(chǎng)景，對(duì)Re?PoseNet模型進(jìn)行訓(xùn)練；步驟三、模型應(yīng)用；將在所述的特定場(chǎng)景處采集的圖像輸入到Re?PoseNet模型中，返回端到端的位姿估計(jì)結(jié)果。該基于端到端特征優(yōu)化模型的無人系統(tǒng)視覺自定位方法具有精度高、實(shí)時(shí)性好、魯棒性強(qiáng)、存儲(chǔ)空間占用小、適用于室內(nèi)外多種場(chǎng)景等優(yōu)點(diǎn)。

本發(fā)明授權(quán)一種基于端到端特征優(yōu)化模型的無人系統(tǒng)視覺自定位方法在權(quán)利要求書中公布了：1.一種基于端到端特征優(yōu)化模型的無人系統(tǒng)視覺自定位方法，其特征在于，包括以下步驟： 步驟一、構(gòu)造模型 構(gòu)造端到端預(yù)測(cè)全局位姿的深度神經(jīng)網(wǎng)絡(luò)模型，即Re-PoseNet網(wǎng)絡(luò)，或稱Re-PoseNet模型； 步驟二、模型訓(xùn)練 針對(duì)某一特定場(chǎng)景，對(duì)Re-PoseNet模型進(jìn)行訓(xùn)練； 步驟三、模型應(yīng)用 將在所述的特定場(chǎng)景處采集的圖像輸入到Re-PoseNet模型中，返回端到端的位姿估計(jì)結(jié)果； Re-PoseNet模型包括特征提取器、特征優(yōu)化模塊和位姿回歸器，特征提取器是基于殘差網(wǎng)絡(luò)ResNet34的特征提取器，特征優(yōu)化模塊由兩個(gè)交叉注意力模塊和四方向的長(zhǎng)短期記憶模塊組成，位姿回歸器由全連接層構(gòu)成； 步驟二中的訓(xùn)練所用到的訓(xùn)練集的獲取方式為： 使用裝載視覺傳感器的移動(dòng)機(jī)器人隨機(jī)遍歷某一場(chǎng)景，采集一組圖像及其全局位姿作為訓(xùn)練數(shù)據(jù)集T，用于構(gòu)建該場(chǎng)景的隱式地圖模型，其中每幀圖像對(duì)應(yīng)的全局位姿作為后續(xù)網(wǎng)絡(luò)訓(xùn)練的真值標(biāo)簽，記為其中表示位置信息，是用四元數(shù)表示的旋轉(zhuǎn)信息； 訓(xùn)練過程為： 步驟1：對(duì)訓(xùn)練數(shù)據(jù)集T中的所有圖像Ii進(jìn)行預(yù)處理，生成尺寸為256×256、像素強(qiáng)度介于-1和1之間的訓(xùn)練圖像 步驟2：將一組訓(xùn)練圖像及其位姿標(biāo)簽按照批量大小batch_size＝64輸入Re-PoseNet，通過位姿回歸器得到預(yù)測(cè)位姿[p,q]，同時(shí)構(gòu)建聯(lián)合損失函數(shù)計(jì)算預(yù)測(cè)位姿[p,q]與其對(duì)應(yīng)真值之間的損失； 步驟3：設(shè)置超參數(shù)初始學(xué)習(xí)率為5×10-5，迭代次數(shù)為1000，使用Adam優(yōu)化器訓(xùn)練Re-PoseNet網(wǎng)絡(luò)，通過迭代使得損失函數(shù)不斷收斂減小，更新網(wǎng)絡(luò)參數(shù)直至達(dá)到迭代次數(shù)，選取損失函數(shù)取得最小值時(shí)對(duì)應(yīng)的一組模型參數(shù)，作為該場(chǎng)景最優(yōu)的隱式地圖模型； 步驟三中，移動(dòng)機(jī)器人在該場(chǎng)景內(nèi)以任意運(yùn)動(dòng)狀態(tài)進(jìn)行作業(yè)，對(duì)其在任意時(shí)刻采集的位姿未知的圖像It進(jìn)行預(yù)處理，生成尺寸為256×256、像素強(qiáng)度介于-1和1之間的圖像并作為查詢圖像輸入訓(xùn)練好的具有最優(yōu)權(quán)重的Re-PoseNet模型中； 通過特征提取器得到查詢圖像的特征圖再經(jīng)由注意力模塊和長(zhǎng)短期記憶單元得到經(jīng)過優(yōu)化的特征向量最后由位姿回歸器分別輸出預(yù)測(cè)的位置信息與旋轉(zhuǎn)信息獲得端到端的位姿估計(jì)結(jié)果。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人湖南大學(xué)，其通訊地址為：410000 湖南省長(zhǎng)沙市岳麓區(qū)麓山南路麓山門；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。