专利交易市场

本发明公开了一种基于激光与视觉异步融合的SLAM算法，首先将传感器的数据按较快的传感器采样频率划分为m个采样区间，每个采样区间内会存在两种情况：1)只拥有相机的位姿估计；2)同时拥有来自激光传感器和视觉传感器的位姿估计。结合Kalman滤波器及多传感器异步融合的方法，得到了改进后的基于激光与视觉异步融合位姿估计算法。为了有效利用每个传感器不同的特性，根据机器人的运行状态，引入基于角度的加权系数，提高测量的置信度。该方法可以更好地利用视觉传感器中的冗余数据，提高算法的跟踪精度。同时，将视觉传感器姿态估计作为激光传感器姿态估计的先验，减少迭代次数，提高算法的效率。

本发明公开了一种基于图像的深度计算方法，包括如下步骤：使用视觉里程计获取图像位姿对；对当前帧进行四叉树划分；计算图像的匹配损失体；提取图像四叉树节点像素对应的损失构建次级匹配损失体，对次级匹配损失体执行动态置信传播算法进行优化；将优化后的匹配损失体放回原始匹配损失体中，在并行计算平台上对每个像素使用赢家通吃策略提取最小损失及其对应的采样深度值；去除噪声深度并平滑深度图。本发明所公开的方法在保证精度和快速性的前提下提高了深度完整度，降低了立体匹配计算的计算量，提高了深度计算的速度。

本公开提供了一种动作迁移方法、装置、设备及存储介质，其中首先获取包括初始对象的动作序列的第一初始视频；之后，识别所述初始对象在所述第一初始视频的多帧图像中的二维骨架关键点序列；再将所述二维骨架关键点序列转换为目标对象的三维骨架关键点序列；最后，基于所述三维骨架关键点序列，生成包括目标对象的动作序列的目标视频。