Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 电子科技大学长三角研究院(衢州)郭贤生获国家专利权

电子科技大学长三角研究院(衢州)郭贤生获国家专利权

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!

龙图腾网获悉电子科技大学长三角研究院(衢州)申请的专利一种支撑点搜索的单目视觉室内定位方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN114581522B

龙图腾网通过国家知识产权局官网在2025-12-12发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202210207656.5,技术领域涉及:G06T7/73;该发明授权一种支撑点搜索的单目视觉室内定位方法是由郭贤生;何袁虎;张妍;黄健;段林甫;李林设计研发完成,并于2022-03-03向国家知识产权局提交的专利申请。

一种支撑点搜索的单目视觉室内定位方法在说明书摘要公布了:本发明属于单目视觉室内定位技术领域,具体涉及一种支撑点搜索的单目视觉定位方法。本发明主要针对普通单目摄像头与定位环境较为固定的场景。通过本发明方法对可视环境中的目标进行高精度二维定位。具体可分为离线与在线两个阶段。离线阶段,对单目摄像头进行标定,获取内参矩阵以及畸变系数。采集定位环境图像,构建参考面定位坐标系。然后选择像素坐标与世界坐标点对求解单应矩阵。在线阶段,首先用目标检测网络对可视区域内的定位目标进行检测,根据输出结果对背景图像进行更新。然后根据输出的目标类别在目标检测框内进一步搜索,估计目标在参考面的定位像素点。最后定位像素点经畸变矫正与投影映射,估计得到目标在真实环境下的二维坐标。

本发明授权一种支撑点搜索的单目视觉室内定位方法在权利要求书中公布了:1.一种支撑点搜索的单目视觉室内定位方法,其特征在于,包括离线阶段和在线阶段; 所述离线阶段包括构建单目视觉定位场景、获取离线阶段参数和预训练目标识别网络,其中离线阶段参数的获取方法为: 针对构建的单目视觉定位场景,对单目摄像头进行标定,获得标定参数:获得相机内参矩阵、以及径向畸变系数与切向畸变系数,内参矩阵具体为: , 其中为相机焦距,分别为成像平面与像素坐标系在水平方向与垂直方向上的缩放尺度因子与固定平移像素值; 采集定位环境信息:采集背景图形,根据畸变成像关系对背景图形进行畸变矫正,成像关系为: , 其中为归一化像素平面坐标,为畸变后的坐标,为像素坐标系下的坐标; 选择像素坐标与世界坐标点对,求解单应矩阵:在畸变矫正后的图像中标注出定位参考平面坐标系,选择参考点集与对应的像素参考点集,按照下式求解像素平面与定位参考平面之间的映射关系: , 自由度为8,; 所述在线阶段为根据目标检测结果对目标进行定位,具体为:将摄像头获取的第帧图像输入目标检测网络,输出结果: , 设定总共检测到个目标,其中,为第帧图像中检测到的第个目标的ID,为对应的检测置信度,为对应目标所在矩形像素区域的左上角与右下角二维像素坐标; 对进行调整得到: , 其中分别为调整系数、水平方向最大像素坐标、垂直方向最大像素坐标; 对背景图像基于、、联合进行更新: , 其中为像素点; 按照将以及分割为对应的幅子图像,其中为目标像素信息,为对应区域的背景像素信息,将对应的图像转化为灰度图,并用中值滤波算法对图像进行滤波; 提取前景特征:提取相对变化特征,采用KL散度值提取像素区域的分布变化特征,采用矩形滑动窗口将两幅图像划分为多个子图像区域,计算背景像素信息以及当前图像目标像素信息对应区域的KL散度值: , 其中,为滑窗内像素点的个数,为像素点处的像素值;再提取区域内的绝对变化特征: , 将两种变化特征进行融合,由于与量纲不一致,需要进行尺度归一化,融合后的特征为: , 估计目标支撑点:构造阈值候选集向量,从中选择个阈值,将划分为不同的变化等级,具体阈值获取方法为: 将变化特征降维并降序排序: , 计算相邻数值的变化率: , 保存变化率最大点之前的所有数据构造阈值候选集: , 等间隔选取个阈值构造阈值向量: , 在不同阈值下,搜索目标的下边缘轮廓: , 并计算个搜索结果的一阶、二阶统计量,一阶统计量表征下边缘纵坐标的分布均值,二阶统计量表征搜索结果中下边缘纵坐标的稳定程度; 建立支撑点搜索目标方程:在中搜索定位目标在图像中的支撑点,已知目标ID,根据先验信息,搜索对应的个支撑点,建立目标求解方程为: , 其中为根据先验知识ID设置的松弛参数; 求解最优分段点:首先计算一阶统计量的二阶差分值,根据参数提取凸集分段点向量: , 再计算每段凸集对应的边缘点损失: , 对损失向量逆序排序,取最大损失变化率的前个候选损失,并记录原始数据索引向量,最终输出估计的支撑点: , 求对应未发生畸变的正确像素坐标,然后通过单应矩阵将像素坐标映射到定位参考系下,输出估计的二维位置。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人电子科技大学长三角研究院(衢州),其通讯地址为:324000 浙江省衢州市柯城区芹江东路288号创新大厦1号楼18楼;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

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。