专利名称：一种回环检测方法      申请号：202311518839X     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：视觉SLAM 智能机器人 定位导航 地图构建 机器视觉 软件算法   相似专利 发布日：2025/02/05  
摘要： 本发明公开了一种回环检测方法，属于回环检测技术领域，为了提高回环检测的精度，所述回环检测方法包括：S1：利用胶囊网络提取原始图像当前帧的特征向量和历史帧的特征向量；S2：计算所述当前帧的特征向量和所述历史帧的特征向量之间的相似度；S3：利用相似度得分矩阵选取相似度得分较高的前K个帧；S4：分别计算当前帧与所述前K个帧的图像序列相似度；S5：根据最大图像序列相似度确定回环检测结果。本发明能够提高回环检测的精度。

专利名称：一种基于视觉SLAM技术的自主行驶小车装置      申请号：2018208548094     转让价格：面议  收藏
法律状态：已下证   类型：实用新型   关键词： 视觉SLAM   相似专利 发布日：2024/07/26  
摘要： 本实用新型公开了一种基于视觉SLAM技术的自主行驶小车装置，包括：所述红外测距模块及超声波测距模块用于小车测距及避障，并与控制器信号连接；所述双目摄像头布置于小车底板顶部，用于室内外场景的捕捉和传输，通过控制器对双目摄像头采集的图像信息进行数据对比分析获得小车方位及速度信息，并记录实时检测到的环境信息；所述车轮模块包括小车底板前部左右两侧的防滑车轮以及小车底板后侧中部的万向轮，所述控制器通过电机模块实现防滑车轮的自主驱动。本实用新型通过各信息采集模块实时捕捉周围的环境信息，完成SLAM地图构建，与实际环境情况做出实时交互，从而能在各种情况下适应环境变化，实现自主平稳驾驶。

专利名称：水下视觉SLAM系统中的图像处理方法      申请号：2014108338410     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：LAM 视觉SLAM   相似专利 发布日：2024/04/10  
摘要： 本发明公开了一种水下视觉SLAM系统中的图像处理方法，包括建立水下成像模型，处理水下环境因素对摄相机成像的影响和图像特征提取及匹配。该方法增强了后期水下环境图像特征点的提取，新提出的基于改良的SLAM系统数据关联方法匹配提取特征点，可以更加迅速准确地提取特征点，提高了SIFT算法的实时性。将双目相机的相对位置因素和路标点位置因素作为辅助条件进行关联的方法，可以有效地解决数据关联中的误匹配和匹配效率问题。

专利名称：一种视觉SLAM的回环检测方法      申请号：202010230317X     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：LAM 检测 视觉SLAM   相似专利 发布日：2023/09/20  
摘要： 本发明公开了一种视觉SLAM的回环检测方法，本发明通过视觉SLAM系统技术目标载体的位姿以及环境地图，再通过回环检测模块对传入的图像与视觉SLAM系统中保存的关键帧序列进行相似度计算，判别相似度后进行替换保存，并反馈回视觉SLAM系统进行优化，从而降低系统计算的累积误差。本发明将回环检测模块单独使用一个计算单元进行计算，不占据整个视觉SLAM系统的计算资源，提高整个系统的实时性，在回环检测模块使用连续两帧图片来计算相似度，降低了误匹配的概率，提高了回环检测的准确度。

专利名称：一种适用于动态环境的轻量化视觉SLAM方法      申请号：2023106443290     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：轻量化 LAM 视觉SLAM   相似专利 发布日：2023/09/14  
摘要： 本发明公开了一种适用于动态环境的轻量化视觉SLAM方法，包括：获取当前环境的RGB图像与深度图像，并从RGB图像中提取特征点；对RGB图像进行语义分割，根据物体的语义标签，对特征点赋予初始运动概率；剔除图像中初始语义运动概率过大的特征点，对于剩余特征点进行跟踪得到初始相机位姿；使用基于聚类的几何方法来判断图像中各点的几何运动概率；使用贝叶斯更新框架融合语义和几何信息得到静态点；再次进行跟踪，在重投影误差计算中使用特征点的运动概率，从而得到优化相机位姿；将静态特征点用于局部BA优化，生成稀疏的三维点云地图，并进行回环检测，消除系统的累计误差，得到最终相机位姿。本发明运算简单、成本低，且能够应用于大多数实际场景中。

专利名称：一种基于预训练卷积神经网络的视觉SLAM回环检测方法      申请号：2019100130101     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：网络 网络传输 LAM 卷积神经网络 检测 训练 视觉SLAM   相似专利 发布日：2023/07/10  
摘要： 本发明请求保护一种基于预训练卷积神经网络的视觉SLAM回环检测方法，包括如下步骤：S1.基于预训练卷积神经网络VGG‑19的结构对输入图像数据集进行特征提取，并构造图像特征向量集；S2.基于K‑Means算法对图像特征向量集进行特征聚类，并生成聚类模型；S3.对新输入图像帧经过预训练VGG‑19提取特征向量作为特征描述，并通过聚类模型输出预测标签；S4.在同一类别标签内，利用欧式距离度量对新加入图像的特征向量和其余特征向量进行相似度计算，当度量值小于设定阈值时则判定与之形成回环，经过条件筛选，输出构成的真实回环图像集合。本发明提高了准确率、降低了开销。